版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接： https://blog.csdn.net/program_developer/article/details/80632779 “微信公众号” 本文同步更新在我的微信公众号里，地址：https://mp.weixin.qq.com/s/Xt1vLQfB20rTmtLjiLsmww 本文同步更新在我的知乎专栏里面： 主成分分析（PCA）原理详解 - Micros...

前言 在阅读了https://www.cnblogs.com/Imageshop/p/9069650.html 博主的三次卷积插值的进一步SSE优化文章后，对这个算法产生了很大的兴趣，然而复现代码的过程是艰难的，好在作者了提供了部分代码，经过1周的努力，我实现了完整的支持1通道，3通道，4通道的三次卷积插值算法的SSE优化代码。现在准备分享一下这个算法的实现过程。 算法原理 之前我在我的另外一个工程: https://github.com/BBuf/Image-processing-algorithm/tree/master/Image%20Interpolation 实现过3次卷积插值...

BatchNorm论文 https://arxiv.org/abs/1502.03167 BatchNorm原理 这是论文中给出的对BatchNorm的算法流程解释，这篇博客的目的主要是推导和实现BatchNorm的前向传播和反向传播，就不关注具体的原理了，我们暂时知道BN层是用来调整数据分布，降低过拟合的就够了。 前向传播 前向传播实际就是将上面图片的4个公式转化为编程语言，这里我们先贴一段CS231N官方提供的代码： def batchnorm_forward(x, gamma, beta, bn_param): """ Input: ...

github地址 https://github.com/BBuf/Darknet Darknet源码阅读 Darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。 更多信息（包括安装、使用）可以参考：Darknet: Open Source Neural Networks in C 为什么要做这个？ 我在阅读Yolo论文的时候对很多实现细节不太明白，但是所幸我找到了讲解Yolo源码的一些博客，工程，给了我很大的启发，所以我打算在他们的基础上从宏观和微观的角度...

论文原文 https://arxiv.org/abs/1610.02915 2018年由韩国科学技术院的Dongyoon Han, Jiwhan Kim发表。 摘要 近年来，深度卷积神经网络在图像分类任务中表现出了卓越的性能。通常，深度神经网络结构是由大量的卷积层堆叠而成，并且使用池化不断的减小图片的分辨率。同时，特征映射维度在下采样的地方急剧增长，这对于确保性能是必要的，因为它增加了高级属性的多样性。这也适用于残差网络，并且与其性能密切相关。在这篇论文中，我们提出不是网络在执行下采样的单元处急剧增加特征图的尺寸，而是逐渐的增加所有单元的特征尺寸，以尽可能多地涉及位置。这一设计与我们的...

Leetcode第150场周赛 时间：2019/8/18 竞赛地址: https://leetcode-cn.com/contest/weekly-contest-150 解决题目：4/4 耗时: 1:05:04 排名: 54/1472 第一题，直接模拟。第二题，DFS遍历树，开一个数组，记录每一层的和。第三题，直接遍历，然后DFS计算和当前点满足条件的最小距离。第四题，观察一下肯定目标串是从出现过字符中的字典序最大的字符开始的串，维护一个R[i]代表向右延伸的和s[i]相同的最大距离。然后枚举最大字符出现的位置，对于每个位置根据R[i]去判断是否当前字符串是字典序...

论文原文 https://arxiv.org/pdf/1807.11164.pdf 介绍 我已经介绍过MobileNetV1，MobileNetV2，MobileNetV3，ShuffleNetV1这几个针对移动端设计的高效网络，ShuffleNetV2是ShuffleNetV1的升级版。接着我们就来看看这篇论文。论文首先说道，目前大部分的模型加速和压缩的论文在对比加速效果时的指标都是FLOPS，这个指标主要衡量的就是乘法指令的数量。而这篇论文提出，通过一系列实验发现FLOPS并不能完全衡量模型的速度，看下面的图©和图(d)。我们发现在FLOPS相同的情况下，速度却有较大的区别。所以接下...

参数估计：是根据从总体中抽取的样本估计总体分布中包含的未知参数的方法。它是统计推断的一种基本形式，是数理统计学的一个重要分支，分为点估计和区间估计两部分。 点估计：依据样本估计总体分布中所含的未知参数或未知参数的函数。 区间估计（置信区间的估计）：依据抽取的样本，根据一定的正确度与精确度的要求，构造出适当的区间，作为总体分布的未知参数或参数的函数的真值所在范围的估计。例如人们常说的有百分之多少的把握保证某值在某个范围内，即是区间估计的最简单的应用。 本文主要讲述点估计的矩估计法和极大似然法 矩估计法： 矩估计法的理论依据是大数定律。矩估计是基于一种简单的“替换”思想，即用...

前言 最近感觉对SSE已经算是熟练度更加好了一点了，这一节就来探讨图像处理中一个常见的算法，就是颜色通道转换问题。关于RGB和YUV图像的原理可以在我这篇博客找到：https://blog.csdn.net/just_sort/article/details/87102898 。本篇文章可以看做是读了这篇文章的扩展和总结：https://www.cnblogs.com/Imageshop/p/8405517.html RGB2YUV朴素实现 void RGBToYUV(unsigned char *RGB, unsigned char *Y, unsigned char *U, unsi...

论文原文 https://arxiv.org/pdf/1905.02244.pdf 原文翻译 http://tongtianta.site/paper/27865 在通天塔网站上可以找到几乎所有深度学习经典论文或者一些顶会论文的翻译，强烈安利。 设计核心 MobileNetV3是继Google MobileNetV1和MobileNetV2后的新作，主要使用了网络搜索算法(用NAS通过优化每个网络块来搜索全局网络结构，用NetAdapt算法搜素每个层的过滤器数量)，同时在MobileNetV2的网络结构基础上进行改进，并提出了新的SE模块和新的H-Swish激活函数。 创新点 1...

原始博客：https://blog.csdn.net/jiongnima/article/details/79094159

介绍 \quad Word2Vec也称Word Emneddings，中文有很多叫法，比较普遍的是"词向量"或“词嵌入”。Word2Vec是一个可以将语言文字转化为向量形式表达(Vector Respresentations)的模型，我们先来看看为什么要把字词转为向量。图像，音频等数据天然可以编码并存储为稠密向量的形式，比如图片是像素点的稠密矩阵，音频可以转为声音信号的频谱数据。自然语言处理在Word2Vec出现之前，通常将字词转为离散的单独的...

前言 在优化系列六:https://blog.csdn.net/just_sort/article/details/97280807 中提出了一个直方图算法处理框架，可以处理中值滤波，最大值滤波等，算法复杂度是和半径大小无关的。但是这里忽略了一个点在半径很小的时候，这个算法实际上是比直接暴力处理更慢的。而我们在日常图像处理过程中，小半径的中值滤波是最常用的例如3 * 3, 5 * 5 在PS中都是十分常用的。受到ImageShop的这篇博客：https://www.cnblogs.com/Imageshop/p/11087804.html 启发，所以有了这篇文章。 朴素的3*3中值模糊 ...

前言 这篇文章的原始来源请看我以前写的这篇博客：https://blog.csdn.net/just_sort/article/details/85007555 上面有算法原理和普通的opencv实现。然后这篇文章是在SSE优化系列七: 对盒滤波的SSE优化(https://blog.csdn.net/just_sort/article/details/98075712)的基础上，将多尺度提升算法中的高斯滤波换成高速的SSE优化的盒滤波，并对其他部分的处理代码进行SSE优化。 算法原理 具体见我在2018年12月写的：https://blog.csdn.net/just_sort/art...