加一，所以一年前我就放棄簡(jiǎn)書(shū)了……
被鎖文最近連續(xù)好幾篇文章，發(fā)布到簡(jiǎn)書(shū)上被鎖定了，看了簡(jiǎn)書(shū)的鎖定說(shuō)明，沒(méi)搞清楚為什么被鎖。 簡(jiǎn)書(shū)的一些規(guī)則奇奇怪怪的，不明確指出原因，搞個(gè)模棱兩可的說(shuō)明，讓用戶(hù)自己去申訴。當(dāng)你去申訴...
IP屬地：上海
-
-
Smooth L1 Loss1. L1 Loss： 令，忽略求和及系數(shù)，則有，其導(dǎo)數(shù)為隨機(jī)梯度下降法更新權(quán)重為：其中是學(xué)習(xí)率。由此可知，不管預(yù)測(cè)值和真實(shí)值的差值大小如何變化，反向傳播時(shí)其梯度不變。除非調(diào)...
-
分水嶺算法筆記
網(wǎng)上關(guān)于分水嶺算法的文章很多，有的很贊也有很多都是照搬，為了避免浪費(fèi)時(shí)間，直接放上我覺(jué)得講的不錯(cuò)的文章以及一些自己的總結(jié)。 1.OpenCV—圖像分割中的分水嶺算法原理與應(yīng)用...
-
霍夫圓檢測(cè)
Opencv的霍夫圓檢測(cè)參數(shù)介紹 大概的參數(shù)如上所示，大致的使用步驟是，拿到一張圖片， 首先觀察圖片是否干凈或者是有噪聲？有噪聲的情況或許需要事先進(jìn)行一些濾波操作 觀察最大圓...
-
陰影去除模型CRFormer-學(xué)習(xí)筆記論文地址：https://arxiv.org/abs/2207.01600[https://arxiv.org/abs/2207.01600] 論文解讀地址：Transfor...
-
感受野的計(jì)算和思考前言 很久沒(méi)有寫(xiě)讀書(shū)筆記了。最近翻公眾號(hào)，發(fā)現(xiàn)一個(gè)以前在我公司實(shí)習(xí)的小朋友的公眾號(hào)里面滿(mǎn)滿(mǎn)的工作小結(jié)和閱讀筆記，不禁感慨學(xué)習(xí)如逆水行舟，不進(jìn)則退。 最近讀梁永安教授的《閱讀、...
-
圖像連通域搜尋skimage和opencv方法關(guān)于連通域的尋找和分割。在python中有兩個(gè)庫(kù)的函數(shù)可以使用，一個(gè)是scikit-image庫(kù)中的measure文件，另一個(gè)是opencv中的connectedCompon...
-
表格模型評(píng)估指標(biāo)匯總2022年春節(jié)之前的最后一篇博客啦今年一定要虎虎生威 前兩天刷完了《開(kāi)端》，真的很好看啊，真不愧是我從大學(xué)就開(kāi)始喜歡的作家寫(xiě)的小說(shuō)。年底主要是對(duì)今年OCR工作的各種指標(biāo)的測(cè)試...
-
2021表格識(shí)別一、簡(jiǎn)單介紹和參考文章 基于2021年的表格識(shí)別賽事來(lái)看看最近的表格領(lǐng)域的現(xiàn)狀。 1.1 參考文章： ICDAR 2021 Competition on Scientific...
-
Net-slimming剪枝在文字識(shí)別上的實(shí)踐本次實(shí)踐一共在兩個(gè)網(wǎng)絡(luò)上進(jìn)行實(shí)驗(yàn)，一個(gè)是基于VGG-backbone的CRNN模型，一個(gè)是基于DenseNet-backbone的文字識(shí)別模型。結(jié)論先行：其中在VGG的網(wǎng)絡(luò)上...
-
torch.nn.utils.clip_grad_norm
梯度剪裁源碼地址以及函數(shù)的說(shuō)明 函數(shù)源碼[https://pytorch.org/docs/stable/_modules/torch/nn/utils/clip_grad....
-
小談剪枝研究本文主要從幾篇論文以及幾篇博客分享談一下現(xiàn)在的剪枝發(fā)展，以及從自己的一些實(shí)踐中實(shí)際剪枝的實(shí)驗(yàn)效果。 參考文章 《Pruning and Quantization for De...
-
[轉(zhuǎn)]獨(dú)熱編碼存在的問(wèn)題
在以前讀書(shū)的時(shí)候，機(jī)器學(xué)習(xí)中就提到對(duì)于離散的特征往往采用獨(dú)熱編碼對(duì)特征進(jìn)行預(yù)處理。但是從機(jī)器學(xué)習(xí)的角度來(lái)看，one-hot 編碼并不是一種良好的分類(lèi)變量編碼方法。 one-h...
-
全局平均池化目標(biāo)： 消除全連接層，目前已經(jīng)廣泛應(yīng)用在深度圖像領(lǐng)域出處：2013年的Network In Network[http://xxx.itp.ac.cn/pdf/1312.440...
-
剪枝論文閱讀-Rethinking the Value of NetWork Pruning論文概述 傳統(tǒng)結(jié)構(gòu)化剪枝往往分為三步走，訓(xùn)練-剪枝-finetune。 剪枝方面默認(rèn)的常識(shí)是： 從一個(gè)大的、過(guò)參數(shù)化的模型開(kāi)始訓(xùn)練是有必要的，因?yàn)檫@樣的模型具有很強(qiáng)的表示和優(yōu)...
-
OCR閱讀筆記-What If We Only Use Real Datasets for Scene Text Recognition論文主要想要證明，少量的數(shù)據(jù)在訓(xùn)練文字識(shí)別模型上也可以達(dá)到仿真數(shù)據(jù)的精度；通過(guò)實(shí)驗(yàn)驗(yàn)證了自己的分析，以及提出了常用可行的數(shù)據(jù)增廣手段以及自監(jiān)督和半監(jiān)督的學(xué)習(xí)策略來(lái)提升實(shí)驗(yàn)效果...