welcome to x-jeff blog

【C++基础】第九十一课：[面向对象程序设计]容器与继承

容器与继承

【C++基础】系列博客为参考《C++ Primer中文版（第5版）》（C++11标准）一书，自己所做的读书笔记。本文为原创文章，未经本人允许，禁止转载。转载请注明出处。 1.容器与继承当我们使用容器存放继承体系中的对象时，通常必须采取间接存储的方式。因为不允许在容器中保存不同类型的元素，所以我们不能把具有继承关系的多种类型的对象直接存放在容器当中。举个例子，假定我们想定义...

Posted by x-jeff on January 1, 2024

【论文阅读】Path Aggregation Network for Instance Segmentation

PANet

本文为原创文章，未经本人允许，禁止转载。转载请注明出处。 1.Introduction 我们发现Mask R-CNN中的信息传播可以进一步被改善。具体来说，low level的特征有利于识别大型实例，但从低级特征到高级特征需要走过很长的路径，这增加了获取准确定位信息的难度。此外，每个proposal来自一个feature level，放弃了其他level中可能有用的信息。最后，m...

Posted by x-jeff on December 28, 2023

【Python基础】第四十七课：频繁样式探勘

Frequent Pattern Growth Tree算法，pymining

本文为原创文章，未经本人允许，禁止转载。转载请注明出处。 1.Apriori算法 Apriori算法的优点是简单，缺点是：每一步产生的候选项集过多。每一步计算项集的支持度时，都遍历了全部记录。因此数据量很大的时候，Apriori算法的效率会很低。 2.FP Growth Tree 当数据量较大时，我们可以选择效率更高的Frequent Pattern G...

Posted by x-jeff on December 27, 2023

【论文阅读】Mask R-CNN

Mask R-CNN

本文为原创文章，未经本人允许，禁止转载。转载请注明出处。 1.Introduction 我们提出的用于实例分割的方法叫做Mask R-CNN，其通过在Faster R-CNN上新添加一个与类别分支和bounding box回归分支平行的一个mask分支，用于在每个RoI上预测分割mask，见Fig1。mask分支是应用在每个RoI上的一个小型FCN，通过pixel-to-pixe...

Posted by x-jeff on December 25, 2023

【C++基础】第九十课：[面向对象程序设计]构造函数与拷贝控制

构造函数与拷贝控制

【C++基础】系列博客为参考《C++ Primer中文版（第5版）》（C++11标准）一书，自己所做的读书笔记。本文为原创文章，未经本人允许，禁止转载。转载请注明出处。 1.构造函数与拷贝控制和其他类一样，位于继承体系中的类也需要控制当其对象执行一系列操作时发生什么样的行为，这些操作包括创建、拷贝、移动、赋值和销毁。如果一个类（基类或派生类）没有定义拷贝控制操作，则编译器将为...

Posted by x-jeff on December 25, 2023

【论文阅读】Feature Pyramid Networks for Object Detection

FPN

本文为原创文章，未经本人允许，禁止转载。转载请注明出处。 1.Introduction 识别不同尺度的物体是CV领域中一个基本的挑战。基于图像金字塔得到特征金字塔是这种问题的一个标准解决思路（如Fig1(a)所示）。这一思路在需要手工设计特征的年代非常流行，但是其速度很慢，比如DPM。 Fig1中蓝框表示feature map，框线越粗表示特征越强。随着CNN的...

Posted by x-jeff on December 19, 2023

【机器学习基础】第四十七课：[特征选择与稀疏学习]嵌入式选择与L1正则化

L1正则化，L2正则化，岭回归，LASSO，近端梯度下降（PGD），连续函数，一致连续（均匀连续），利普希茨连续（Lipschitz continuity），利普希茨常数

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。本文为原创文章，未经本人允许，禁止转载。转载请注明出处。 1.嵌入式选择与L1正则化在过滤式和包裹式特征选择方法中，特征选择过程与学习器训练过程有明显的分别；与此不同，嵌入式特征选择是将特征选择过程与学习器训练过程融为一体，两者在同一个优化过程中完成，即在学习器训练过程中自动地进行了特征选择。 ...

Posted by x-jeff on December 17, 2023

【论文阅读】CSPNET：A NEW BACKBONE THAT CAN ENHANCE LEARNING CAPABILITY OF CNN

CSPNet，CIO，EFM，CSPDenseNet，CSPResNeXt

本文为原创文章，未经本人允许，禁止转载。转载请注明出处。 1.Introduction 神经网络以被证明当其变得deeper和wider时，性能也会更好。但是计算成本也会越高。因此轻量级的模型受到越来越多的关注。我们研究了一些先进方法（如ResNet、ResNeXt、DenseNet）的计算成本。并进一步开发了可以高效计算的组件，使上述网络能够在不牺牲性能的情况下部署在CPU或移...

Posted by x-jeff on December 16, 2023

【C++基础】第八十九课：[面向对象程序设计]继承中的类作用域

继承中的类作用域

【C++基础】系列博客为参考《C++ Primer中文版（第5版）》（C++11标准）一书，自己所做的读书笔记。本文为原创文章，未经本人允许，禁止转载。转载请注明出处。 1.继承中的类作用域每个类定义自己的作用域，在这个作用域内我们定义类的成员。当存在继承关系时，派生类的作用域嵌套在其基类的作用域之内。如果一个名字在派生类的作用域内无法正确解析，则编译器将继续在外层的基类作用...

Posted by x-jeff on December 14, 2023

【论文阅读】Aggregated Residual Transformations for Deep Neural Networks

ResNeXt

本文为原创文章，未经本人允许，禁止转载。转载请注明出处。 1.Introduction 代码和模型见：https://github.com/facebookresearch/ResNeXt。我们提出的ResNeXt融合了VGG、ResNets和Inception模型（Inception-v1，Inception-v2/v3，Inception-v4）的思想，见Fig1...

Posted by x-jeff on December 11, 2023

x-jeff blog