首页
题库
公司真题
专项练习
面试题库
在线编程
面试
面试经验
AI 模拟面试
简历
求职
学习
课程
专栏·文章
竞赛
搜索
我要招人
发布职位
发布职位、邀约牛人
更多企业解决方案
在线笔面试、雇主品牌宣传
登录
/
注册
Nick1889
获赞
3
粉丝
1
关注
0
看过 TA
0
男
台湾大学
2021
Java
IP属地:北京
暂未填写个人简介
私信
关注
拉黑
举报
举报
确定要拉黑Nick1889吗?
发布(74)
刷题
Nick1889
2020-04-14 20:18
Java
[Java基础]函数式接口
Java学习笔记
0
点赞
评论
收藏
转发
Nick1889
2020-04-14 20:16
Java
[Java基础]网络
Java学习笔记
0
点赞
评论
收藏
转发
Nick1889
2020-04-14 20:13
Java
[Java基础]多线程
Java学习笔记
0
点赞
评论
收藏
转发
Nick1889
2020-04-14 20:12
Java
[Java基础]异常
Java学习笔记
0
点赞
评论
收藏
转发
Nick1889
2020-04-14 20:10
Java
[Java基础]Object类
Java学习笔记
0
点赞
评论
收藏
转发
Nick1889
2020-04-14 20:08
Java
[Java基础]内部类
Java学习笔记
0
点赞
评论
收藏
转发
Nick1889
2020-04-14 20:06
Java
[Java基础]String、StringBuilder和StringBuffer
Java学习笔记
0
点赞
评论
收藏
转发
Nick1889
2020-04-14 20:04
Java
[Java基础]集合类
Java学习笔记
0
点赞
评论
收藏
转发
Nick1889
2020-04-14 19:57
Java
UML相关
Java学习笔记
0
点赞
评论
收藏
转发
Nick1889
2020-04-11 11:25
Java
[Java基础]数据类型、修饰符、import
Java学习笔记
0
点赞
评论
收藏
转发
Nick1889
2019-09-14 18:00
Java
多任务学习中的Auxiliary Tasks
简介 Auxiliary tasks 可以看作是regularization,使main tasks的performance更好。这篇论文选择road scene understanding(RSU) 作为例子。还提供了多任务的dataset,synMT。 很多CV的应用都需要单一任务的组合,例如single-image depth estimation(SIDE)、semantic segmentation、图像分类等。合起来解决时,可以提升性能,还能节省训练和推断时间。 main tasks是最终需要输出的tasks。auxiliary tasks则是为了能学到更robust、common...
0
点赞
评论
收藏
转发
Nick1889
2019-09-12 17:19
Java
Multi-Task Learning Overview
简介 通过在相关的task上共享representation,我们在原本的任务上可以泛化得更好。这种方法就叫做Multi-Task Learning (MTL)。MTL还有别的说法:joint learning、learning to learn和learning with auxiliary tasks。如果optimize多个loss,就可以看作是MTL。 动机 可以把MLT看作是一种inductive transfer。Inductive transfer可以通过引入inductive bias改善模型。例如,L1正则化。 两种MTL方法 hidden layer的hard和soft参数...
0
点赞
评论
收藏
转发
Nick1889
2019-08-19 17:18
Java
Object Detection之Fast R-CNN
简介 Fast R-CNN在R-CNN的基础上改善了训练和测试速度,同时提高了检测准确率。Fast R-CNN使用了VGG16,训练时比R-CNN快了9倍,测试时快了213倍。R-CNN模型的复杂度主要来自两个方面:很多proposal需要处理,同时这些proposal的定位比较粗糙,必须改进才能得到准确的定位结果。R-CNN有一些显著的缺点: 训练需要多个阶段:需要训练CNN和SVM。 训练需要的空间、时间很多。 目标检测很慢,用VGG16检测速度为47s/image。其中,因为R-CNN需要对每个proposal跑CNN,所以很慢。Fast R-CNN有如下优点:高mAP、单阶段训练、训...
0
点赞
评论
收藏
转发
Nick1889
2019-08-19 15:11
已编辑
Java
Object Detection之R-CNN
简介 在RCNN之前的object detection方法,大都使用了SIFT和HOG提取feature。而R-CNN使用了CNN定位、分割object。当有label的训练资料很少时,可以使用pre-train的model对现有的data再进行fine-tuning。R-CNN在VOC 2012上达到了53.3%的mAP。 在detection中需要定位object,因此RCNN把这个问题认为是回归问题。在test时,这个方法对一张图片产生大约2000个与类别无关的region proposal(预选框),对每个预选框使用CNN提取固定长度的feature vector,最后用linear ...
0
点赞
评论
收藏
转发
1
2
3
4
5
工具箱
TA的圈子
暂未加入圈子
TA的圈子
TA的笔记
暂无笔记
TA的笔记
登录
0
天
已登录
0
天
连续登录
0
人
今日访客
牛客网
牛客企业服务