- 博客(94)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 神经网络中权值初始化的方法
权值初始化的方法主要有：常量初始化（constant）、高斯分布初始化（gaussian）、positive_unitball初始化、均匀分布初始化（uniform）、xavier初始化、msra初始化、双线性初始化（bilinear）常量初始化（constant） 把权值或着偏置初始化为一个常数，具体是什么常数，可以自己定义高斯分布
2017-07-27 18:44:09
18454
原创 Perfect Squares
Given a positive integer n, find the least number of perfect square numbers (for example, 1, 4, 9, 16, ...) which sum to n.For example, given n = 12, return 3 because 12 = 4 + 4 + 4; given n =
2017-07-13 20:53:54
546
原创 First Bad Version
You are a product manager and currently leading a team to develop a new product. Unfortunately, the latest version of your product fails the quality check. Since each version is developed based on the
2017-07-09 20:49:33
522
原创 Single Number III
Given an array of numbers nums, in which exactly two elements appear only once and all the other elements appear exactly twice. Find the two elements that appear only once.For example:Given
2017-07-07 19:15:16
379
原创 Single Number II
Given an array of integers, every element appears three times except for one, which appears exactly once. Find that single one.Note:Your algorithm should have a linear runtime complexity. Coul
2017-07-07 18:53:59
447
原创 Single Number
Given an array of integers, every element appears twice except for one. Find that single one.Note:Your algorithm should have a linear runtime complexity. Could you implement it without using extra
2017-07-07 18:36:52
282
转载 Harris角点检测算法
本文的内容基本来源于以下博客，主要是为了方便以后再次学习。https://sanwen8.cn/p/3edp0eU.htmlhttp://blog.youkuaiyun.com/newthinker_wei/article/details/45603583http://blog.youkuaiyun.com/crzy_sparrow/article/details/7391511https:/
2017-06-29 16:32:24
904
原创 ORB特征检测算法
论文：ORB: an efficient alternative to SIFT or SURFORB特征是将FAST特征点检测方法与BRIEF特征描述子结合起来，并针对它们的缺点进行了改进和优化。FAST特征点检测方法：FAST特征点检测的具体过程，可以参考之前的博客。FAST特征点是没有尺度不变性的，在该论文中，提出构建了金字塔，在金字塔的每一层上检测角点，并用Harr
2017-06-27 17:28:52
755
原创 FAST角点检测算法
FAST是一种角点检测算法，其思想源于corner的定义，也就是检测候选点周围像素点的像素值，如果候选点周围邻域内有足够多的像素点与该候选点的灰度值差别够大，则认为该候选点为一个特征点。 FAST检测角点的过程： 1. 初步筛选，如下图所示，将像素点P1、P5、P9、P13的像素值与中心像素点P的像素值进行比较, 如果至少有三个像素点的像素值都大于Ip + t，
2017-06-26 20:10:26
3206
转载 BRIEF特征描述子
转自：http://www.mamicode.com/info-detail-922469.html简介 BRIEF是2010年《BRIEF:Binary Robust Independent Elementary Features》的文章中提出，BRIEF是对已检测到的特征点进行描述，它是一种二进制编码的描述子，摈弃了利用区域灰度直方图描述特征点的传统方法，大大的加快
2017-06-24 19:43:45
1567
原创 Word Search II
Given a 2D board and a list of words from the dictionary, find all words in the board.Each word must be constructed from letters of sequentially adjacent cell, where "adjacent" cells are those hor
2017-06-22 21:50:37
358
原创 Reverse Words in a String
Given an input string, reverse the string word by word.For example,Given s = "the sky is blue",return "blue is sky the".Update (2015-02-12):For C programmers: Try to solve it in-place in O(1
2017-06-22 20:24:42
413
原创 Add and Search Word - Data structure design
Design a data structure that supports the following two operations:void addWord(word)bool search(word)search(word) can search a literal word or a regular expression string containing only lett
2017-06-21 11:12:46
297
转载 Implement Trie (Prefix Tree)
转自：http://www.cnblogs.com/grandyang/p/4491665.htmlImplement a trie with insert, search, and startsWith methods.Note:You may assume that all inputs are consist of lowercase letters a-z.
2017-06-21 11:02:04
496
原创 基于深度学习的目标检测算法：SSD
SSD: Single Shot MultiBox Detector 问题引入：目前，常见的目标检测算法，如Faster R-CNN，存在着速度慢的缺点。该论文提出的SSD方法，不仅提高了速度，而且提高了准确度。SSD:该论文的核心思想：
2017-06-18 21:07:47
101516
原创 caffe中的一些特殊层
Reshape layerlayer { name: "reshape" //名称:reshape type: "Reshape" //类型:Reshape bottom: "data" //输入层名称:data top: "datax" //输出层名称:datax reshap
2017-06-15 17:33:39
3282
原创 图像分割之FCN
论文：Fully Convolutional Networks forSemantic Segmentation基于caffe的代码：https://github.com/shelhamer/fcn.berkeleyvision.org反卷积: 在学习FCN之前，需要了解反卷积相关的知识。论文Adaptive deconvolutional networks for mi
2017-06-14 17:25:34
4073
原创 基于深度学习的目标检测算法：YOLO
之前学习的RCNN系列的目标检测算法都是先提取出候选区域，然后利用分类器识别这些区域，并对候选区域进行位置修正。这类方法流程复杂，存在着速度慢、训练困难的等缺点。 YOLO算法将检测问题看做是回归问题，采用单个神经网络，利用整个图像的信息来预测目标的边框、识别目标的类别，实现端到端的目标检测，如图所示。YOLO相比于之前的算法有如下优点：1）非常快。YOLO的流程简单，速度很
2017-05-27 14:52:38
16486
2
原创 卷积神经网络工程实践技巧
本博客主要参考：http://study.163.com/course/courseLearn.htm?courseId=1003223001#/learn/video?lessonId=1004143071&courseId=1003223001数据增强:1. Horizontal flips，如下图所示：2,Random crops/scales从[256,480]随机
2017-05-26 16:30:54
1180
原创 ubuntu16.04配置py-faster-rcnn（CPU版）
Caffe配置：采用http://blog.youkuaiyun.com/u013989576/article/details/56677749配置好caffepy-faster-rcnn配置：1、下载py-faster-rcnn源码 git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git2、安
2017-05-23 21:34:54
1918
原创 基于深度学习的目标检测算法：Faster R-CNN
问题引入： R-CNN、SPP net、Fast R-CNN等目标检测算法，它们proposals都是事先通过selecetive search方法得到。然而，这一过程耗费大量的时间，这影响目标检测系统的实时性。Faster R-CNN针对这一问题，提出了Region Proposal Network(RPN)，利用RPN模型来得到proposals，此外，为了节省时间，该模型与
2017-05-23 17:01:56
8536
原创 Repeated DNA Sequences
All DNA is composed of a series of nucleotides abbreviated as A, C, G, and T, for example: "ACGAATTCCG". When studying DNA, it is sometimes useful to identify repeated sequences within the DNA.Wri
2017-05-21 17:32:59
424
原创 基于深度学习的目标检测方法：fast R-CNN
fast R-CNN 论文：fast R-CNN R-CNN存在的缺点： 1、R-CNN是multi-stage pipeline。首先利用CNN提取特征，然后利用SVM进行分类，最后利用bounding-box regressors 修正目标框。 2、训练的时间开销、空间开销比较大。用于SVM、bounding-box
2017-05-19 10:55:55
926
原创 基于深度学习的目标检测方法：SPP-net
SPP-net 论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 在R-CNN中，要求输入固定大小的图片，因此需要对图片进行crop、wrap变换。此外，对每一个图像中每一个proposal进行一遍CNN前向特征提取，如果是2000个prop
2017-05-18 22:03:16
5450
原创 基于深度学习的目标检测方法:R-CNN
R-CNN论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 该方法主要包括以下流程：候选框的选取、CNN、SVM分类器、修正目标框。候选框的选取 目前有很多选取候选框的方法，如：objectness, selective search，category-i
2017-05-18 18:45:04
2118
原创 caffe提取特征
利用caffe提取特征，主要有两种方法：1. 利用命令行的方式，可以参考：http://caffe.berkeleyvision.org/gathered/examples/feature_extraction.html，这种方式提取的特征是lmdb形式的。为了可视化特征，可以先将lmdb格式的数据转换为mat格式的数据，再利用matlab来可视化特征。本方法主要参考博客：http://blo
2017-05-15 19:44:42
1915
原创 Find Peak Element
A peak element is an element that is greater than its neighbors.Given an input array where num[i] ≠ num[i+1], find a peak element and return its index.The array may contain multiple peaks, in
2017-05-11 15:41:15
342
原创 Lenet、Alexnet 、VGG、 GoogleNet、ResNet模型
各个模型的对比LeNet： 该模型主要是用于识别10个手写数字的。AlexNet：
2017-05-11 11:09:03
17705
原创 Maximum Product Subarray
Find the contiguous subarray within an array (containing at least one number) which has the largest product.For example, given the array [2,3,-2,4],the contiguous subarray [2,3] has the largest
2017-05-08 20:59:28
358
原创 caffe绘制训练过程中的accuracy、loss曲线
训练模型并保存日志文件 首先建立一个训练数据的脚本文件train.sh，其内容如下，其中，2>&1 | tee examples/mnist/mnist_train_log.log 是log日志文件的保存目录。#!/usr/bin/env sh set -e TOOLS=./build/tools $TOOLS/caffe train --solv
2017-05-06 22:12:16
8527
原创 Reorder List
Given a singly linked list L: L0→L1→…→Ln-1→Ln,reorder it to: L0→Ln→L1→Ln-1→L2→Ln-2→…You must do this in-place without altering the nodes' values.For example,Given {1,2,3,4}, reorder it to
2017-05-03 21:58:37
223
转载 caffe数据层
数据经过数据层进入caffe 网络：数据层处于网络的最底层， 数据可以从高效率的数据库中读取（如： LevelDB， LMDB）， 可以直接从内存中读取， 若对读写效率要求不高也可以从硬盘上的 HDFT 文件或者普通的图片文件读取。数据来自于数据库： 层类型（layer type）：Data必须设置的参数： source: 包含数据库的目录名称，
2017-04-28 11:21:47
361
原创 caffe中参数设置的解析
lenet_solver.prototxt:net: "examples/mnist/lenet_train_test.prototxt"test_iter: 100test_interval: 500base_lr: 0.01momentum: 0.9type: SGDweight_decay: 0.0005lr_policy: "inv"gamma: 0.0001powe
2017-04-27 17:30:14
5678
原创 Word Break
Word BreakGiven a non-empty string s and a dictionary wordDict containing a list of non-empty words, determine if s can be segmented into a space-separated sequence of one or more dictionary w
2017-04-22 21:47:56
339
原创 深度学习中momentum的作用
训练网络时，通常先对网络的初始权值按照某种分布进行初始化，如：高斯分布。初始化权值操作对最终网络的性能影响比较大，合适的网络初始权值能够使得损失函数在训练过程中的收敛速度更快，从而获得更好的优化结果。但是按照某类分布随机初始化网络权值，存在一些不确定因素，并不能保证每一次初始化操作都能使得网络的初始权值处在一个合适的状态。不恰当的初始权值可能使得网络的损失函数在训练过程中陷入局部最小值
2017-04-19 15:36:19
31310
1
原创 深度学习中激活函数
本文主要参考博文：1. http://blog.youkuaiyun.com/u014595019/article/details/525621592. https://zhuanlan.zhihu.com/p/22142013激活函数的作用 神经网络中激活函数的主要作用是提供网络的非线性建模能力。假设一个神经网络中仅包含线性卷积和全连接运算，那么该网络仅能够表达线性映射，即便
2017-04-15 17:38:11
9416
原创 深度学习中Dropout优化的原理分析
本文主要参考博文：1. http://www.aiuxian.com/article/p-1870737.html2. http://shuokay.com/2016/06/14/dropout/引言在机器学习的一些模型中，如果模型的参数太多，而训练样本又太少的话，这样训练出来的模型很容易产生过拟合现象。在训练bp网络时经常遇到的这个问题，过拟合指的是模型在训练数据上损
2017-04-14 18:31:22
9388
原创 卷积神经网络与caffe的卷积层、池化层
卷积神经网络卷积神经网络(CNN)是深度学习技术中极具代表的网络结构之一，在图像处理领域取得了很大的成功。在国际标准ImageNet数据集上，许多成功的模型都是基于CNN的。CNN相较于传统的图像处理算法的优点之一在于：可以直接输入原始图像，避免了对图像复杂的前期预处理过程（如：提取特征等）。传统的神经网络采用全连接的方式，即：输入层到隐藏层的神经元都是全部连接的，这样做将导致参数量巨
2017-04-13 13:31:53
35397
原创 Triangle
DescriptionSubmissionsSolutionsTotal Accepted: 98723Total Submissions: 299037Difficulty: MediumContributor: LeetCodeGiven a triangle, find the minimum path sum from top
2017-04-12 20:52:24
450
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人