ceph deep-scrub卡住导致业务中断问题分析
1. 问题背景一个pg scrub了14天，前端虚机挂掉大半2. 分析过程2.1 查看scrub pg的主OSD日志从日志里可以看出pg[13.832]：有slow op，该oldest slow op等待时间1199828s==14天这些op 都处于waiting for scrub什么场景会导致...
DRRG:Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection解读（1）
前言关于DRRG网上资料比较少，但是其实作为CVPR最新的成果大家的期待度还是挺高的。我个人在学习的时候就很苦恼，所以处于将心比心，这里将学习心得为大家写下来。结构首先，毋庸置疑的DRRG是一个端到端的网络。这正是我们深度学习所追求的效果，端到端能有效地加快模型速度。其次，整个模型被分为两个部分：基...
【论文翻译】ResNet论文中英对照翻译--（Deep Residual Learning for Image Recognition）
【开始时间】2018.10.03【完成时间】2018.10.05【论文翻译】ResNet论文中英对照翻译--（Deep Residual Learning for Image Recognition）【中文译名】深度残差学习在图像识别中的应用【论文链接】https://arxiv.org/pdf/1...
Deep Learning回顾#之LeNet、AlexNet、GoogLeNet、VGG、ResNet - 我爱机器学习
http://www.cnblogs.com/52machinelearning/p/5821591.html
「Deep Learning」ILSVRC-图像分类经典卷积网络
Sina Weibo：小锋子ShawnTencent E-mail：[email protected]http://blog.csdn.net/dgyuanshaofeng/article/details/78007901 最近，人工智能自动驾驶创业公司Momenta的JieHu发布了ILSV...
Spectral Networks and Deep Locally Connected Networks on Graphs
Spectral Networks and Deep Locally Connected Networks on GraphsCode link:摘要：CNN在图片识别与语音等任务上取得很大的成功，由于其具有局部转变不变性，在本文中，探索一种可能的CNN应用于更多的领域，特别的，我们提出一种基于层次...
姿态识别（1）：DeepPose ： Human Pose Estimation via Deep Neural Networks
这篇文章是使用深度学习网络处理人体关节点定位的第一篇文章，发表于2014，August 20. 作者使用了级联的卷积神经网络来预测人体关节点。1 研究背景人体姿态识别被定义为人体关键点的定位问题，一直以来是计算机视觉领域的重要关注点。这一问题有着一些常见的挑战，比如各式各样的关节姿态，小得难以看见的...
【3D计算机视觉】Deep Hough Voting for 3D Object Detection in Point Clouds
Deep Hough Voting for 3D Object Detection in Point Clouds一、论文贡献二、模型实现2.1 霍夫投票2.2 VoteNet2.2.1 总体架构2.2.2 Point cloud feature learning2.2.3 Hough voting...
Vote3Deep: Fast Object Detection in 3D Point Clouds Using Efficient CNN论文综述（）
1、为什么要做这个研究（理论走向和目前缺陷） ?在点云数据集上做3D目标检测这时还没大爆发。2、他们怎么做这个研究 （方法，尤其是与之前不同之处） ?本文思想基本全部借鉴了Vote3D，即用基于投票的滤波器提取特征，这种卷积只在非零的3D网格中做计算，故能够加速。然后ReLU**。损失函数还要用L1...
[论文解读+复现] PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
一、摘要 本文提出了一种结构简单的物体检测与点云分割、语义分析的深度学习网络，网络具有置换不变性，文章最后对网络的鲁棒性做出了解释。 二、介绍 典型卷积网络需要规则的输入，例如像素和体素，目的...
[最近成果] Patch-wise Attack for Fooling Deep Neural Network (ECCV)
Patch-wise Attack for Fooling Deep Neural Network (ECCV 2020)Hello，不知不觉我已经快一年没更新过博客啦，实在是因为有点忙，没时间写论文阅读笔记了。不过这次自己的论文中了，决定还是来分享一波顺便冒个泡哈哈哈哈。我们这篇论文的代码已经公开...
DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution--阅读笔记
DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs –阅读笔记论文来源： IEEE Transactions on Patter...
论文笔记：Filter Pruning via Geometric Median for Deep Convolutional Neural Networks Acceleration
Filter Pruning via Geometric Median for Deep Convolutional Neural Networks Acceleration论文地址：https://arxiv.org/abs/1811.00250?context=cs卷积神经网络通常通过更深和更宽...
[论文解读] Deep Compression
基本介绍《Deep Compression : Compressing Deep Neural Networks With Pruning, Trained Quantization and Huffman Coding》 是ICLR16的best paper， 其核心的想法是在不损失模型精度的情况...
ArcFace Additive Angular Margin Loss for Deep Face Recognition
ArcFace: Additive Angular Margin Loss for Deep Face RecognitionArcFace的优点可概括如下:迷人的（Engaging）。弧面直接优化测地线的距离裕度(geodesic distance margin)，通过精确对应的角度和弧线在规范化...
大规模图像检索深度特征：Large-Scale Image Retrieval with Attentive Deep Local Features
在今年CVPR的“Revisiting Oxford and Paris_ Large-Scale Image Retrieval Benchmarking”一文中，对比了当前几种比较优异的图像检索算法在landmark中的表现，其中由“Large-Scale Image Retrieval wit...
论文笔记-Deep Ordinal Regression Network for Monocular Depth Estimation
本文是 ROB2018 中深度预测的冠军方案。传统的深度预测方法利用视角、纹理、目标大小、目标位置、遮挡关系等作为深度预测的特征线索；当前使用的基于深度卷积网络的方法大多采用的是用于图像分类的特征提取网络，这些网络由于有池化层的操作或者步长较大的卷积曹祖，导致预测的分辨率较低，虽然可以通过转置卷积、...
ECCV超快车道线检测算法——Ultra Fast Structure-aware Deep Lane Detection论文浅读
文章目录前言一、深度分割的局限性二、目前车道线检测的难点三、超快速车道线检测算法1.算法定义2.如何解决速度的问题3.如何解决“no-visual-clue”的问题4.总体结构图5.算法缺点前言 随着智能互联、人工智能技术以及新能源技术的井喷式发展，自动驾驶技术发展的如火如荼。 车道线检测作为自...
【Deep Learning 】深度模型中的优化问题（四）之如何逃离(跳出)鞍点（Saddle Points）
局部最优和鞍点 造成神经网络难以优化的一个重要（乃至主要）原因不是高维优化问题中有很多局部极值，而是存在大量鞍点。 吴恩达视频中讲的，虽然没有理论的证明，局部最小值就是全局最小值，但是很多实际的经验告诉我们，最后，只能收敛到一个最小值，也就是说，很多现实实际问题是只有一个最小值的。但这个最小值通...
【第十六章】Deep Learning 读书笔记——深度学习中结构化概率模型
16.1 非结构化建模的挑战在深度学习中，我们训练AI模型去理解自然图片，声波代表的演讲，或包含很多单词的文档。这些通常需要深度学习模型将一个高维度的数据作为输入，并将这个输入概括到一个特定的类别。但在类似的分类问题中，模型往往可以不必考虑到输入的所有维度。比如，在图片识别的时候，模型可以忽略点图片...