搜索资源列表
fast-rcnn-master
- Fast R-CNN是在R-CNN的基础上进行的改进,大致框架是一致的。总体而言,Fast R-CNN相对于R-CNN而言,主要提出了三个改进策略: 1. 提出了RoIPooling,避免了对提取的region proposals进行缩放到224x224,然后经过pre-trained CNN进行检测的步骤,加速了整个网络的learning与inference过程,这个是巨大的改进,并且RoIPooling是可导的,因此使得整个网络可以实现end-to-end learning,这个可以认为是
DMD_for_Human_motion-master
- 动态模式分解,从人类步行数据中提取信息.动态模式分解是一种降维算法,最初是在流体力学领域引入的。与提供内部坐标系和相应投影的SVD相似,DMD为您提供随不同时间行为演变的特定空间模式。(Extract Info from Human Walking Data with Dynamic Mode Decomposition)
bksvd-master
- block krylov 子空间近似 SVD 分解(Approximate SVD decomposition of block Krylov subspace)