Welcome to Prince's Blog!
这里是Prince的技术圈-
实现一个简易的计算图功能
众所周知，Tensorflow之类的静态图DL框架是基于计算图的，那么他们是如何实现先生成图然后再喂数据的呢，本篇博客将实现一个简单的计算图，可以实现类似TensorFlow中图的定义以及生成Session并把实际的数据喂进去的功能。
-
从Python迭代器到PyTorch的DataLoader
迭代器（Iterator）是设计模式中一个很重要的模式，其主要作用是通过Iterator类对容器进行迭代，不断返回容器中的元素，以达到遍历容器或其他功能。
大多数语言如C++的STL，Java等都内置了迭代器模式，Python也不例外，本篇博客总结一下Python中的迭代器与生成器的相关知识点，并以PyTorch的DataLoader为例，使读者对Pytorch的数据加载有更深的理解。
-
Region Proposal by Guided Anchoring
Region Proposal by Guided Anchoring是港中文2019年提出的anchor自动生成方法，其主要贡献是提出了一种代替滑动窗口式生成anchor覆盖图像的所有像素的方法，大量减少了anchor的数量，并且根据图像内容生成对应的anchor，有效的提升了2stage检测网络的训练速度，是目标检测在“anchor-free”，或“fewer-anchor”上的一种探索。
-
Python装饰器详解
在Python中，装饰器是一种极为优雅的给现有函数增加功能的方式，本篇博客总结一些装饰器的常见使用方法与复杂装饰器使用方法，文末给出一些例子帮助读者理解。
- 参考博客：https://foofish.net/python-decorator.html
-
目标检测任务中mAP的计算
目标检测的指标mean average precision（mAP）和多分类的mAP非常相似，本篇博客从多分类的指标计算开始说起，介绍多分类与目标检测mAP计算的异同，通过一些小例子并结合VOC2007和VOC2012的mAP指标计算让读者更容易了解该指标的具体计算过程。
-
TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes
- 文章链接： TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes
- PyTorch实现: princewang1994/TextSnake.pytorch
最近由于项目上做到与文本检测相关的应用，因此研究了几篇最新的文本检测文章，本文（TextSnake）是旷视在ECCV2018上的文章，主要提出了一种能够灵活表示任意弯曲形状文字的数据结构——TextSnake，主要思想是使用多个不同大小，带有方向的圆盘(disk)对标注文字进行覆盖，并使用FCN来预测圆盘的中心坐标，大小和方向进而预测出场景中的文字，本文的主要贡献有以下几点：
- 提出一种基于多圆盘覆盖来表示文字的方法——TextSnake
- 基于TextSnake表示，提出一种检测场景文本的方法
- 在两个新提出的数据集（Total-Text and SCUT-CTW1500）上，获得了state-of-the-art的效果，这两个新的数据集都包含曲线文本，波浪形文本等非常规标注
- 实现一个简易的计算图功能
- 从Python迭代器到PyTorch的DataLoader
- Region Proposal by Guided Anchoring
- Python装饰器详解
- 目标检测任务中mAP的计算
- TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes
- EAST: An Efficient and Accurate Scene Text Detector
- Temporal Action Detection with Structured Segment Networks(SSN)
- Soft(er)-NMS：非极大值抑制算法的两个改进算法
- PyTorch RuntimeError: Trying to backward through the graph a second time