はてなブックマーク

高速かつ高精度に物体検出を行う RetinaNet に使われている Focal Loss という損失関数を提案した論文を読んだので紹介します。 FAIR(Facebook AI Research) が書いた論文で ICCV 2017 に採択されています。 この記事は、Wantedlyの勉強会で取り上げられた論文・技術をまとめたものです。 2018年に読んだ機械学習系論文・技術まとめ at Wantedly Advent Calendar 2018 - Qiita Reference Focal Loss for Dense Object Detection [Tsung-Yi Lin, Priya Goyal, Ross Girshick, Kaiming He, Piotr Dollár @ ICCV 2017] https://arxiv.org/abs/1708.02002 （文中の

Rubyの勉強にRubyで有名ドコロのLinuxコマンドたちを再実装してみたいとおもいます。 少しずつ追記する形にできればと思っています。よりよい実装方法などありましたらぜひご教授いただけると幸いです。 RubyでLinuxコマンドの再実装(ls編) - Qiita RubyでLinuxコマンドの再実装(tree編) - Qiita ls ではまずはlsです。簡単そうだったし個人的に一番良く使うコマンドなので。 # ! /usr/bin/env ruby # # ls: 引数なしの場合現在のディレクトリの状態を返す。 # 引数ありの場合そのディレクトリの状態を返す。 target = ARGV[0] || Dir.pwd entries = Dir::entries(target) entries.select!{|entry| entry[0] != '.'} entries.map!