GYee · yulinhuyang · May 18, 2021 · May 18, 2021 · May 20, 2021 · May 20, 2021
diff --git a/PDF版/CS_hot/CSAPP/readme.md b/PDF版/CS_hot/CSAPP/readme.md
@@ -0,0 +1 @@
+
diff --git a/PDF版/CS_hot/SICP/SICP_notes 1[B]程序设计的基本元素.pdf b/PDF版/CS_hot/SICP/SICP_notes 1[B]程序设计的基本元素.pdf
diff --git a/PDF版/CS_hot/SICP/SICP_notes计算机程序的构造和解释.pdf b/PDF版/CS_hot/SICP/SICP_notes计算机程序的构造和解释.pdf
diff --git a/PDF版/CS_hot/SICP/SICP_notes：10[B]求值的环境模型.pdf b/PDF版/CS_hot/SICP/SICP_notes：10[B]求值的环境模型.pdf
diff --git a/PDF版/CS_hot/SICP/SICP_notes：2[B]过程及其产生的计算过程.pdf b/PDF版/CS_hot/SICP/SICP_notes：2[B]过程及其产生的计算过程.pdf
diff --git a/PDF版/CS_hot/SICP/SICP_notes：3[B]用高阶函数做抽象.pdf b/PDF版/CS_hot/SICP/SICP_notes：3[B]用高阶函数做抽象.pdf
diff --git a/PDF版/CS_hot/SICP/SICP_notes：4[B]数据抽象引导.pdf b/PDF版/CS_hot/SICP/SICP_notes：4[B]数据抽象引导.pdf
diff --git a/PDF版/CS_hot/SICP/SICP_notes：5[B]层次性数据和闭包性质.pdf b/PDF版/CS_hot/SICP/SICP_notes：5[B]层次性数据和闭包性质.pdf
diff --git a/PDF版/CS_hot/SICP/SICP_notes：6[B]符号数据.pdf b/PDF版/CS_hot/SICP/SICP_notes：6[B]符号数据.pdf
diff --git a/PDF版/CS_hot/SICP/SICP_notes：7[B]抽象数据的多重表示.pdf b/PDF版/CS_hot/SICP/SICP_notes：7[B]抽象数据的多重表示.pdf
diff --git a/PDF版/CS_hot/SICP/SICP_notes：8[B]带有通用型操作的系统.pdf b/PDF版/CS_hot/SICP/SICP_notes：8[B]带有通用型操作的系统.pdf
diff --git a/PDF版/CS_hot/SICP/SICP_notes：9[B]赋值和局部状态.pdf b/PDF版/CS_hot/SICP/SICP_notes：9[B]赋值和局部状态.pdf
diff --git a/PDF版/CS_hot/SICP/readme.md b/PDF版/CS_hot/SICP/readme.md
@@ -0,0 +1 @@
+
diff --git a/PDF版/CS_hot/readme.md b/PDF版/CS_hot/readme.md
@@ -0,0 +1 @@
+
diff --git a/PDF版/Paper_interview/1_1 ResNet网络结构详解与模型的搭建_霹雳吧啦Wz-CSDN博客_resnet网络结构详解.pdf b/PDF版/Paper_interview/1_1 ResNet网络结构详解与模型的搭建_霹雳吧啦Wz-CSDN博客_resnet网络结构详解.pdf
diff --git a/PDF版/Paper_interview/1_1_1 Batch Normalization详解以及pytorch实验_霹雳吧啦Wz-CSDN博客.pdf b/PDF版/Paper_interview/1_1_1 Batch Normalization详解以及pytorch实验_霹雳吧啦Wz-CSDN博客.pdf
diff --git a/PDF版/Paper_interview/1_2 MobileNet(v1、v2)网络详解与模型的搭建_霹雳吧啦Wz-CSDN博客.pdf b/PDF版/Paper_interview/1_2 MobileNet(v1、v2)网络详解与模型的搭建_霹雳吧啦Wz-CSDN博客.pdf
diff --git a/.../Paper_interview/1_3 详解Transformer中Self-Attention以及Multi-Head Attention_霹雳吧啦Wz-CSDN博客.pdf b/.../Paper_interview/1_3 详解Transformer中Self-Attention以及Multi-Head Attention_霹雳吧啦Wz-CSDN博客.pdf
diff --git a/PDF版/Paper_interview/2 检测基础笔记.pdf b/PDF版/Paper_interview/2 检测基础笔记.pdf
diff --git a/PDF版/Paper_interview/2_1 一文读懂Faster RCNN - 知乎.pdf b/PDF版/Paper_interview/2_1 一文读懂Faster RCNN - 知乎.pdf
diff --git a/PDF版/Paper_interview/2_2 目标检测_SSD原理与实现 - 知乎.pdf b/PDF版/Paper_interview/2_2 目标检测_SSD原理与实现 - 知乎.pdf
diff --git a/PDF版/Paper_interview/2_3 Focal Loss和它背后的男人RetinaNet - 知乎.pdf b/PDF版/Paper_interview/2_3 Focal Loss和它背后的男人RetinaNet - 知乎.pdf
diff --git a/PDF版/Paper_interview/3 yolo系列检测笔记.pdf b/PDF版/Paper_interview/3 yolo系列检测笔记.pdf
diff --git a/PDF版/Paper_interview/3_1 YOLO v3网络结构分析_霹雳吧啦Wz-CSDN博客_yolov3网络结构.pdf b/PDF版/Paper_interview/3_1 YOLO v3网络结构分析_霹雳吧啦Wz-CSDN博客_yolov3网络结构.pdf
diff --git a/.../Paper_interview/3_2 睿智的目标检测26——Pytorch搭建yolo3目标检测平台_Bubbliiiing的学习小课堂-CSDN博客_睿智的目标检测.pdf b/.../Paper_interview/3_2 睿智的目标检测26——Pytorch搭建yolo3目标检测平台_Bubbliiiing的学习小课堂-CSDN博客_睿智的目标检测.pdf
diff --git a/PDF版/Paper_interview/3_3 睿智的目标检测30——Pytorch搭建YoloV4目标检测平台_Bubbliiiing的学习小课堂-CSDN博客.pdf b/PDF版/Paper_interview/3_3 睿智的目标检测30——Pytorch搭建YoloV4目标检测平台_Bubbliiiing的学习小课堂-CSDN博客.pdf
diff --git a/PDF版/Paper_interview/3_4 深入浅出Yolo系列之Yolov3&Yolov4&Yolov5核心基础知识完整讲解 - 知乎.pdf b/PDF版/Paper_interview/3_4 深入浅出Yolo系列之Yolov3&Yolov4&Yolov5核心基础知识完整讲解 - 知乎.pdf
diff --git a/PDF版/Paper_interview/3_5 深入浅出Yolo系列之Yolov5核心基础知识完整讲解.pdf b/PDF版/Paper_interview/3_5 深入浅出Yolo系列之Yolov5核心基础知识完整讲解.pdf
diff --git a/PDF版/Paper_interview/4_1 Deep SORT多目标跟踪算法代码解析(上) - 知乎.pdf b/PDF版/Paper_interview/4_1 Deep SORT多目标跟踪算法代码解析(上) - 知乎.pdf
diff --git a/PDF版/Paper_interview/4_2 关于 Deep Sort 的一些理解 - 知乎.pdf b/PDF版/Paper_interview/4_2 关于 Deep Sort 的一些理解 - 知乎.pdf
diff --git a/...ew/4_3 大白话《Shape Robust Text Detection with Progressive Scale Expansion Network》 - 知乎.pdf b/...ew/4_3 大白话《Shape Robust Text Detection with Progressive Scale Expansion Network》 - 知乎.pdf
diff --git a/PDF版/Paper_interview/4_4 一文读懂CRNN+CTC文字识别 - 知乎.pdf b/PDF版/Paper_interview/4_4 一文读懂CRNN+CTC文字识别 - 知乎.pdf
diff --git a/.../Paper_interview/4_5 详解Transformer中Self-Attention以及Multi-Head Attention_霹雳吧啦Wz-CSDN博客.pdf b/.../Paper_interview/4_5 详解Transformer中Self-Attention以及Multi-Head Attention_霹雳吧啦Wz-CSDN博客.pdf
diff --git a/PDF版/Paper_interview/5 柱面投影介绍与python实现（一）_zwx1995zwx的博客-CSDN博客.pdf b/PDF版/Paper_interview/5 柱面投影介绍与python实现（一）_zwx1995zwx的博客-CSDN博客.pdf
diff --git a/PDF版/Paper_interview/5_1 相机标定(一)——内参标定与程序实现 - 古月居.pdf b/PDF版/Paper_interview/5_1 相机标定(一)——内参标定与程序实现 - 古月居.pdf
diff --git a/PDF版/Paper_interview/5_2 相机标定(二)——图像坐标与世界坐标转换 - 古月居.pdf b/PDF版/Paper_interview/5_2 相机标定(二)——图像坐标与世界坐标转换 - 古月居.pdf
diff --git a/PDF版/Paper_interview/5_3 相机标定(三)——手眼标定 - 古月居.pdf b/PDF版/Paper_interview/5_3 相机标定(三)——手眼标定 - 古月居.pdf
diff --git a/PDF版/Paper_interview/5_4【AI不惑境】模型剪枝技术原理及其发展现状和展望 - 知乎.pdf b/PDF版/Paper_interview/5_4【AI不惑境】模型剪枝技术原理及其发展现状和展望 - 知乎.pdf
diff --git a/PDF版/Paper_interview/readme.md b/PDF版/Paper_interview/readme.md
@@ -0,0 +1 @@
+
diff --git a/PDF版/cv补充/1 Pytorch 基础-张量基本操作.pdf b/PDF版/cv补充/1 Pytorch 基础-张量基本操作.pdf
diff --git a/PDF版/cv补充/2 Pytorch基础-tensor数据结构.pdf b/PDF版/cv补充/2 Pytorch基础-tensor数据结构.pdf
diff --git a/PDF版/cv补充/3 深度学习基础.pdf b/PDF版/cv补充/3 深度学习基础.pdf
diff --git a/PDF版/cv补充/4 目标检测模型的基础知识.pdf b/PDF版/cv补充/4 目标检测模型的基础知识.pdf
diff --git a/PDF版/cv补充/5 神经网络模型复杂度分析.pdf b/PDF版/cv补充/5 神经网络模型复杂度分析.pdf
diff --git a/PDF版/cv补充/6 计算机视觉知识点汇总.pdf b/PDF版/cv补充/6 计算机视觉知识点汇总.pdf
diff --git a/PDF版/cv补充/7 TLDR.pdf b/PDF版/cv补充/7 TLDR.pdf
diff --git a/PDF版/cv补充/8 机器学习题1.pdf b/PDF版/cv补充/8 机器学习题1.pdf
diff --git a/PDF版/cv补充/9 深度学习题2.pdf b/PDF版/cv补充/9 深度学习题2.pdf
diff --git a/PDF版/cv补充/暑期计算机视觉实习应聘总结.pdf b/PDF版/cv补充/暑期计算机视觉实习应聘总结.pdf
diff --git a/PDF版/cv补充/计算机视觉岗秋招面经.pdf b/PDF版/cv补充/计算机视觉岗秋招面经.pdf
diff --git a/PDF版/slam基础/1 视觉SLAM十四讲_笔记摘抄.pdf b/PDF版/slam基础/1 视觉SLAM十四讲_笔记摘抄.pdf
diff --git a/PDF版/slam基础/2 视觉SLAM十四讲_第8讲_视觉里程计2.pdf b/PDF版/slam基础/2 视觉SLAM十四讲_第8讲_视觉里程计2.pdf
diff --git a/PDF版/slam基础/2_1 总结：光流--LK光流--基于金字塔分层的LK光流--中值流.pdf b/PDF版/slam基础/2_1 总结：光流--LK光流--基于金字塔分层的LK光流--中值流.pdf
diff --git a/PDF版/slam基础/2_2 计算机视觉--光流法(optical flow)简介.pdf b/PDF版/slam基础/2_2 计算机视觉--光流法(optical flow)简介.pdf
diff --git a/PDF版/slam基础/3 视觉SLAM十四讲_第10讲后端1.pdf b/PDF版/slam基础/3 视觉SLAM十四讲_第10讲后端1.pdf
diff --git a/PDF版/slam基础/3_1 一文理清卡尔曼滤波，从传感器数据融合开始谈起.pdf b/PDF版/slam基础/3_1 一文理清卡尔曼滤波，从传感器数据融合开始谈起.pdf
diff --git a/PDF版/slam基础/3_2 扩展卡尔曼滤波EKF与多传感器融合.pdf b/PDF版/slam基础/3_2 扩展卡尔曼滤波EKF与多传感器融合.pdf
diff --git a/PDF版/slam基础/readme.md b/PDF版/slam基础/readme.md
@@ -0,0 +1 @@
+
diff --git a/PDF版/其他常考察问题/01_用天平找次品.pdf b/PDF版/其他常考察问题/01_用天平找次品.pdf
diff --git a/PDF版/其他常考察问题/02_TCP三次握手四次挥手的过程.pdf b/PDF版/其他常考察问题/02_TCP三次握手四次挥手的过程.pdf
diff --git a/PDF版/机器学习/15 XGBoost与LightGBM.pdf b/PDF版/机器学习/15 XGBoost与LightGBM.pdf
diff --git a/PDF版/机器学习/16 xgboost相关习题.pdf b/PDF版/机器学习/16 xgboost相关习题.pdf
diff --git a/PDF版/机器学习/21【机器学习】决策树_Random Forest_Adaboost_GBDT.pdf b/PDF版/机器学习/21【机器学习】决策树_Random Forest_Adaboost_GBDT.pdf
diff --git a/PDF版/机器学习/25【机器学习】逻辑回归.pdf b/PDF版/机器学习/25【机器学习】逻辑回归.pdf
diff --git a/PDF版/机器学习/30 数据科学家需要了解的5种聚类算法.pdf b/PDF版/机器学习/30 数据科学家需要了解的5种聚类算法.pdf
diff --git a/PDF版/计算机视觉/19 目标检测模型的基础知识.pdf b/PDF版/计算机视觉/19 目标检测模型的基础知识.pdf
diff --git a/PDF版/计算机视觉/19 目标检测模型的评价标准-AP与mAP.pdf b/PDF版/计算机视觉/19 目标检测模型的评价标准-AP与mAP.pdf
diff --git a/PDF版/计算机视觉/20 图像实例分割评价指标.pdf b/PDF版/计算机视觉/20 图像实例分割评价指标.pdf
diff --git a/PDF版/计算机视觉/22_补充-深度可分离卷积 - 知乎.pdf b/PDF版/计算机视觉/22_补充-深度可分离卷积 - 知乎.pdf
diff --git a/PDF版/计算机视觉/26 解决类别不平衡问题的方法综述.pdf b/PDF版/计算机视觉/26 解决类别不平衡问题的方法综述.pdf
diff --git a/PDF版/计算机视觉/28 权重参数初始化.pdf b/PDF版/计算机视觉/28 权重参数初始化.pdf
diff --git a/PDF版/计算机视觉/33 L1 正则化与 L2 正则化的区别.pdf b/PDF版/计算机视觉/33 L1 正则化与 L2 正则化的区别.pdf
diff --git a/PDF版/计算机视觉/38 了解全卷积网络FCN 和 UNet.pdf b/PDF版/计算机视觉/38 了解全卷积网络FCN 和 UNet.pdf
diff --git a/PDF版/计算机视觉/40 介绍下 FPN 网络.pdf b/PDF版/计算机视觉/40 介绍下 FPN 网络.pdf
diff --git a/PDF版/计算机视觉/40_解释 ROI Pooling 和 ROI Align 的区别.pdf b/PDF版/计算机视觉/40_解释 ROI Pooling 和 ROI Align 的区别.pdf
diff --git a/PDF版/计算机视觉/45 卷积网络压缩方法总结.pdf b/PDF版/计算机视觉/45 卷积网络压缩方法总结.pdf
diff --git a/PDF版/计算机视觉/45 李宏毅-Network Compression课程笔记 - 知乎.pdf b/PDF版/计算机视觉/45 李宏毅-Network Compression课程笔记 - 知乎.pdf
diff --git a/PDF版/计算机视觉/49_Faster_R_CNN和Mask_R_CNN的损失函数详解.pdf b/PDF版/计算机视觉/49_Faster_R_CNN和Mask_R_CNN的损失函数详解.pdf
diff --git a/PDF版/计算机视觉/50_1 深入浅出Yolo系列之Yolov5核心基础知识完整讲解.pdf b/PDF版/计算机视觉/50_1 深入浅出Yolo系列之Yolov5核心基础知识完整讲解.pdf
diff --git a/PDF版/计算机视觉/50_2 深入浅出Yolo系列之Yolov3&Yolov4&Yolov5核心基础知识完整讲解 - 知乎.pdf b/PDF版/计算机视觉/50_2 深入浅出Yolo系列之Yolov3&Yolov4&Yolov5核心基础知识完整讲解 - 知乎.pdf
diff --git a/PDF版/计算机视觉/51 本科生晋升GM记录_kaggle比赛进阶技巧分享.pdf b/PDF版/计算机视觉/51 本科生晋升GM记录_kaggle比赛进阶技巧分享.pdf
diff --git a/PDF版/语言基础/1 拓跋阿秀--C++.pdf b/PDF版/语言基础/1 拓跋阿秀--C++.pdf
diff --git a/PDF版/语言基础/2 秋招总结---C++面试题总结.pdf b/PDF版/语言基础/2 秋招总结---C++面试题总结.pdf
diff --git a/PDF版/语言基础/3 python基础面试题1.pdf b/PDF版/语言基础/3 python基础面试题1.pdf
diff --git a/PDF版/语言基础/4 python基础面试题2.pdf b/PDF版/语言基础/4 python基础面试题2.pdf
diff --git a/PDF版/语言基础/5 interview_python_print_1_17.pdf b/PDF版/语言基础/5 interview_python_print_1_17.pdf
diff --git a/PDF版/语言基础/6 面试总结------操作系统.pdf b/PDF版/语言基础/6 面试总结------操作系统.pdf
diff --git a/图像处理/19_meanshift与camshift.md b/图像处理/19_meanshift与camshift.md
@@ -0,0 +1 @@
+https://zhuanlan.zhihu.com/p/71840019
diff --git a/机器学习/05_09【机器学习】支持向量机 SVM.pdf b/机器学习/05_09【机器学习】支持向量机 SVM.pdf
diff --git a/机器学习/15 XGBoost与LightGBM.pdf b/机器学习/15 XGBoost与LightGBM.pdf
diff --git a/机器学习/16 xgboost相关习题.pdf b/机器学习/16 xgboost相关习题.pdf
diff --git a/机器学习/21【机器学习】决策树（中）——Random Forest、Adaboost、GBDT.pdf b/机器学习/21【机器学习】决策树（中）——Random Forest、Adaboost、GBDT.pdf
diff --git a/机器学习/25【机器学习】逻辑回归.pdf b/机器学习/25【机器学习】逻辑回归.pdf
diff --git a/机器学习/30 数据科学家需要了解的5种聚类算法.pdf b/机器学习/30 数据科学家需要了解的5种聚类算法.pdf
diff --git a/目录_修订.md b/目录_修订.md
diff --git a/计算机视觉/13_为什么max pooling 要更常用？什么场景下 average pooling 比 max pooling 更合适.md b/计算机视觉/13_为什么max pooling 要更常用？什么场景下 average pooling 比 max pooling 更合适.md
@@ -0,0 +1,15 @@
+**问题**
+
+讲一下 pooling 的作用， 为什么 max pooling 要更常用？哪些情况下，average pooling 比 max pooling 更合适？
+
+**作用：**
+
+对输入的特征图进行压缩，一方面使特征图变小，简化网络计算复杂度；一方面进行特征压缩，提取主要特征。
+
+通常来讲，max-pooling 的效果更好，虽然 max-pooling 和 average-pooling 都对数据做了下采样，但是 max-pooling 感觉更像是做了特征选择，选出了分类辨识度更好的特征，提供了非线性。 pooling 的主要作用一方面是去掉冗余信息，一方面要保留 feature map 的特征信息，在分类问题中，我们需要知道的是这张图像有什么 object，而不大关心这个 object 位置在哪，在这种情况下显然 max pooling 比 average pooling 更合适。在网络比较深的地方，特征已经稀疏了，从一块区域里选出最大的，比起这片区域的平均值来，更能把稀疏的特征传递下去。
+
+
+average-pooling 更强调对整体特征信息进行一层下采样，在减少参数维度的贡献上更大一点，更多的体现在信息的完整传递这个维度上，在一个很大很有代表性的模型中，比如说 DenseNet 中的模块之间的连接大多采用 average-pooling，在减少维度的同时，更有利信息传递到下一个模块进行特征提取。
+
+
+average-pooling 在全局平均池化 GAP 操作中应用也比较广，在 ResNet 和 Inception 结构中最后一层都使用了平均池化。有的时候在模型接近分类器的末端使用全局平均池化 GAP 还可以代替 Flatten 操作，使输入数据变成一位向量。 
diff --git a/计算机视觉/26_类别不均衡问题怎么解决.md b/计算机视觉/26_类别不均衡问题怎么解决.md
@@ -0,0 +1,3 @@
+
+https://blog.csdn.net/vivian_ll/article/details/105201120
+
diff --git a/计算机视觉/27 迁移学习的方式和使用.md b/计算机视觉/27 迁移学习的方式和使用.md
@@ -0,0 +1 @@
+
Original file line number	Diff line number	Diff line change
		@@ -0,0 +1,3 @@

		https://blog.csdn.net/vivian_ll/article/details/105201120