文献：DaSiamRPN: Zheng Zhu, Qiang Wang, Bo Li, Wu Wei, Junjie Yan, Weiming Hu."Distractor-aware Siamese Networks for Visual Object Tracking." ECCV (2018). [paper][github] 文章主要贡献 1.训练数据的扩充 加入Detection pair (ImageNet,COCO中做数据增广) negative simp
SSP-Net TPAMI2014 一、优缺点 优点： 1.不用像R-CNN一样，对于每一个region proposal 都提取一遍特征，而是一整张图片放进去提取特征。在conv5层输出提取的所有region proposal 的特征，节省了大量的特征。 2.引入了空间金字塔池化，使得在不同尺度的特征上提取一个特征，然后映射到
或许你是一个初入门Python的小白，完全不知道PEP是什么。又或许你是个学会了Python的熟手，见过几个PEP，却不知道这玩意背后是什么。那正好，本文将系统性地介绍一下PEP，与大家一起加深对PEP的了解。 目前，国内各类教程不可胜数，虽然或多或少会提及PEP，但笼统者多、局限于某个PEP者多，能够
出处：http://www.cnblogs.com/leesf456/ 一、前言 在学习了Paxos在Chubby中的应用后，接下来学习Paxos在开源软件Zookeeper中的应用。 二、Zookeeper Zookeeper是一个开源的分布式协调服务，其设计目标是将那些复杂的且容易出错的分布式一致性服务封装起来，构成一个高效可靠的原
paxos算法是进入分布式领域的一块基石，有关paxos的讨论有很多精彩的详细论述，很多牛人不惜宝贵时间以大幅详尽段落叙述。感谢他们，paxos more simple 理解paxos前，我建议以面到点的方式了解一些相关性主题 FLP:https://www.the-paper-trail.org/post/2008-08-13-a-brief-tour-of-flp-im
目录 导言：目标检测的任务表述 （一）目标检测经典工作回顾 本文结构 两阶段（2-stage）检测模型 R-CNN: R-CNN系列的开山之作 小结 Fast R-CNN: 共享卷积运算 小结 Faster R-CNN: 两阶段模型的深度化 小结 单阶段（1-stage）检测模型 YOLO 损失函数的设计 小结 SSD: Single Shot Multibo
转自：https://blog.csdn.net/zijin0802034/article/details/77685438 为什么要边框回归？ 什么是边框回归？ 边框回归怎么做的？ 边框回归为什么宽高，坐标会设计这种形式？ 为什么边框回归只能微调，在离Ground Truth近的时候才能生效？ 1、为什么要边框回归？ 对于上图，绿色的框表示
ZAB协议 概述 ZAB协议是专门为zookeeper实现分布式协调功能而设计。zookeeper主要是根据ZAB协议是实现分布式系统数据一致性。 zookeeper根据ZAB协议建立了主备模型完成zookeeper集群中数据的同步。这里所说的主备系统架构模型是指，在zookeeper集群中，只有一台leader负责处理外部客
