按时间归档：2022年01月
-
Outlier Detection Based on Fuzzy Rough Granules in Mixed Attribute Data论文精读
Outlier Detection Based on Fuzzy Rough Granules in Mixed Attribute Data Abstract 离群点检测是数据挖…
-
多尺度特征提取模块 Multi-Scale Module及代码
即插即用的多尺度特征提取模块及代码小结Inception ModuleSPPPPMASPPGPMBig-Little Module(BLM)PAFEMFoldConv_ASPP现在很多的网络都有多尺度特征提取模块来提升网络性能，这里简单总结一下那些即插即用的小模块。禁止抄袭或转载！！！Inception Module最早的应该算是在ILSVRC2014比赛分类项目获得第一名的GoogLeNet（Incepetion V1），该网络设计了Inception module。后来出现了很多进化版本：I
-
（五）比赛中的CV算法（下5）检测网络调优（1）多尺度特征融合
–NeoZng[neozng1@hnu.edu.cn]如果觉得笔者写得还不错，关注一下点个赞吧！稍作总结后，笔者在这里再介绍一些目标检测领域的trick和改进方法(其实现在已经不新了)，前一部分主要是关于LF的设计，而这一部分主要是关于关于模型的改进的经典方法与训练技巧，还有一些有启发性的机制。 多尺度特征融合 由于CNN基本构建模块的特点，在最后输出的feature map往往是浓缩了大量的语义信息（“高级的特征”）但分辨率较低、对细节的保留较少，因此对于小目标的检测效果不尽如人意，且
-
机器学习(七) 自编码器
文章目录前言1 自编码器1.1 原理1.2 PyTorch实现1.2.1 Fashion MNIST 数据集1.2.2 网络结构前言 目前我们可以通过爬虫等方式获取海量的样本数据????，如照片、语音、文本等，是相对容易的，但困难的是获取这些数据所对应的标签信息，例如机器翻译，除了收集源语言的对话文本外，还需要待翻译的目标语言文本数据。数据的标注工作目前主要还是依赖人的先验知识来完成。因此，面对海量的无标注数据，我们需要从中学习到数据的分布????(????)的算法，而无监督算法模型就是针对这类问题而
-
Peculiar Movie Preferences
回文字符串：以字符串整体为操作对象，遍历对比每个字符串即可，对比用“哈希”，用长的找短的。reverse特点。字符串的比较排序。
-
憨批的语义分割重制版10——Tensorflow2 搭建自己的DeeplabV3+语义分割平台
憨批的语义分割重制版10——Tensorflow2 搭建自己的DeeplabV3+语义分割平台注意事项学习前言什么是DeeplabV3+模型代码下载DeeplabV3+实现思路一、预测部分1、主干网络介绍2、加强特征提取结构3、利用特征获得预测结果二、训练部分1、训练文件详解2、LOSS解析训练自己的DeeplabV3+模型一、数据集的准备二、数据集的处理三、开始网络训练四、训练结果预测注意事项这是重新构建了的DeeplabV3+语义分割网络，主要是文件框架上的构建，还有代码的实现，和之前的语义分割网络
