逗比学长的博客

此人有“亿”点强迫症

发表于 更新于 分类于 阅读次数：

时间原因没有认真读论文和看代码，看了一下下Up主-霹雳吧啦Wz的讲述，记录一下自己认为的yolo多次迭代版本的核心设计，以达到临阵磨枪，不快也光的目的。

论文：

  1. 【Yolov1】You Only Look Once: Unified, Real-Time Object Detection (2016 CVPR)
  2. 【Yolov2】YOLO9000: Better, Faster, Stronger (2017 CVPR)
  3. 【Yolov3】YOLOv3: An Incremental Improvement
  4. 【Yolov4】Optimal Speed and Accuracy of Object Detection
  5. 【Yolov5】Github
  6. 【YolovX】YOLOX: Exceeding YOLO Series in 2021

总结下来我认为该系列的核心设计有几个方面：

  1. 数据增强方式
  2. 多尺度特征提取网络结构的设计、多尺度检测头
  3. 多尺度anchor（部分版本）
  4. 定位损失函数的设计
阅读全文 »

发表于 更新于 分类于 阅读次数：

之前在学习cuda和使用opencv来加速图像处理，同时由于用惯了jetbrain系列，所以不想用vs来写代码，于是在配环境的时候看了很多网上的教程踩了很多坑，大概弄了3天才弄好，不过最近又手贱重装了cuda，所以之前编译的包不能用了，重新配置的时候感觉又忘了很多东西，于是决定写一篇博客来记录下之前操作，可能不是很全，重装电脑的时候再补充。

阅读全文 »

发表于 更新于 分类于 阅读次数：

本人在写毕设论文的时候踩了很多坑，让我重新学习了了如何高效使用word进行编辑。当然下面的顺序并不是依照我踩坑的顺序续写的，而是我写完论文之后进行了总结：如果重头开始写论文应该怎么做才是高效且容易管理的，仅记录一些能够免去搬砖的使用技巧，个人感觉套模板是没用滴，学之以渔才是正确路线。注：用到的word是window10的版本。

阅读全文 »

发表于 更新于 分类于 阅读次数：

今天读了一下 Towards Evaluating the Robustness of Neural Networks，这是关于对抗样本(Adversarial Example)的paper，主要贡献是提出了Carlini & Wagner Attack神经网络有目标攻击算法，打破了最近提出的神经网络防御性蒸馏(Defensive Distillation)，证明防御性蒸馏不会显著提高神经网络的鲁棒性，论文的信息量还是比较大的。

可能需要阅读的论文以获取前置知识：

关于蒸馏网络：

[1] Do Deep Nets Really Need to be Deep?

[2] Distilling the Knowledge in a Neural Network

[3] Distillation as a Defense to Adversarial Perturbations against Deep Neural Networks

关于对抗样本：

[4] Intriguing properties of neural networks（L-BFGS Attack）

[5] Exploring the Space of Adversarial Images（FGSM）

[6] Towards Deep Learning Models Resistant to Adversarial Attacks（PGD, I-FGSM）

[7] The Limitations of Deep Learning in Adversarial Settings (JSMA)

[8] DeepFool: a simple and accurate method to fool deep neural networks（DeepFool）

关于论文源码：

carlini/nn_robust_attacks

阅读全文 »

发表于 更新于 分类于 阅读次数：

这篇文章是我在网易云上学习吴恩达深度学习做的一些总结，我是先看了一遍视频才来做的总结，所以很多参考了黄广海博士的翻译和笔记，另外有的知识点与之前吴恩达机器学习上的有所重复，就记录得比较简单，可见这里，还有一篇笔记也我觉得也记得很好。

阅读全文 »

发表于 更新于 分类于 阅读次数：

这篇文章是我在网易云上学习吴恩达机器学习做的一些总结，虽然之前有学习过，但是感觉还是没有很好地吸收总结。另外有的不知道怎么组织语言的就参考了黄广海博士的翻译和笔记。

阅读全文 »