熬不过找工作的未来程序媛

文章目录HRDNet: High-resolution Detection Network for Small ObjectsHigh-Resolution Detection NetworkExperimentsMultiResolution Attention Extractor for Small Object Detection前言 最近需要汇报小目标检测相关的论文，开坑记录下。HRDNet: High-resolution Detection Network for Small Objects

文章目录

1. Kaggle目标检测第一名的一篇论文：Large-scale Landmark Retrieval/Recognition under a Noisy and Diverse Dataset论文地址摘要：这篇论文篇幅比较短，主要描述了在这个比赛中的如何处理数据、建立模型、模型融合。2. SSD目标检测代码学习摘要：SSD的tensorflow代码实现在网上还是很多的，大同小异，选择了其中一个处在我这个阶段的新手能够看懂的tensorflow-SSD，但又能提升tensorflow能力的一份

一. 项目介绍：    1. 训练输入数据由一个超过6.29亿行的声学信号组成。每个声信号值都与地震发生的时间有关，每个声学信号都与地震的发生时间有关；测试集含有15万个样本组成，与测试集不同的是这些样本是长期从地震中采集出来的，因此需要检查15万个测试样本中的数据；    2. 训练样本的采样频率是4MHz，这意味着每个间隙中有46-48个丢失的数据样本，这取决于如何解释间隙。这些缺口的...

   EM算法是一种迭代算法，用于含有隐含变量的概率模型参数的极大似然估计，或者极大后验概率估计。EM算法的每次迭代由两步组成：E步，求expection；M步，求maximization. 此算法也成为期望极大算法(expection maximization)，EM算法。9.1 EM 算法的引入9.1.1 EM 算法   将可观测数据表示为Y=(Y1,Y2,⋅⋅⋅,Yn)TY=(Y_1,...

  蒙特卡罗法（也称为统计模拟方法）是通过从概率模型的随机抽样进行近似数据计算的方法。马尔可夫链蒙特卡罗（MCMC）法是以马尔可夫链为概率模型的蒙特卡罗法。  MCMC方法的基本思想是：通过蒙特卡罗法构建一个马尔可夫链，使其平稳分布就是要进行抽样的分布，首先基于该马尔可夫链进行随机游走，产生样本序列，之后使用该平稳分布的样本进行近似的数值计算。19.1 蒙特卡罗法19.1.1 随机抽样  ...

  这是新手小白的第一场比赛，写这篇博客也是为了整理比赛思路，以便应对即将到来的提前批招聘及秋招。  首先简单介绍一下这个比赛，这场比赛的训练集仅有250个样本，测试集有19750个样本，输入样本是300维数据x∈R300x\in R^{300}x∈R300，输出是二分类即y∈{0,1}y\in\lbrace0,1\rbracey∈{0,1}，比赛没有模拟任何实际背景。公共训练数据集中含有197...

1.项目介绍  这场比赛中给出了二分类的数据集和一首藏头诗，这首诗中暗藏的玄机我们会在接下来的分析当中逐渐给出说明。比赛的数据集依旧是老三样：训练集(train.csv)、测试集合(test.csv)以及结果提交模版(submission.csv)。Silly column names abound, but the test set is a mystery. Careful how y...

提升树1 . 提升树模型  提升方法实际是采用加法模型与前向分布算法 ，以 决策树为基函数 的提升方法称为提升树(boosting tree)。对分类问题决策树是二叉分类树，对回归问题决策树是二叉回归树。提升树模型可以表示为决策树的加法模型：fm(x)=fm−1(x)+T(x;Θm) f_m(x)=f_{m-1}(x)+T(x;\Theta_m)fm​(x)=fm−1​(x)+T(x;Θm​...

在回顾深度学习相关知识的时候参考链接博客，将自己遗忘的知识点进行整理归纳。Train/Dev(验证集）/Test Sets没有Test sets也是没有问题的。Test sets的目标主要是进行无偏估计。我们可以通过Train sets训练不同的算法模型，分别在Dev sets(测试不同算法的表现)上进行验证，根据结果选择最好的算法模型。这样也是可以的，不需要再进行无偏估计了。如果只有Tra...