R-CNN 这篇论文是 CVPR’14 的一篇论文。相对来说比较久远，它算是神经网络用于目标检测领域的始祖吧。这周看看这篇论文，了解一下 R-CNN 的主要思想。

在 Python 中，每个类都有实例属性。在默认的情况下，会用一个字典来保存一个对象的实例属性。但是，有时候这会浪费很多内存。尤其是在创建很多对象的时候（成千上万个），会非常消耗内存。这是因为 Python 不能在对象创建的时候，直接分配一个固定的内存来保存所有的属性。

Python 中的数据类型包含可变(mutable)与不可变(immutable)，有时候会让人很头疼。

今天，没状态看论文，但又不想浪费时间，就选择了多学点 Python 进阶的内容。主要是整理关于 global 的内容，并说说它与 return 的差别。内容很简单，只需要了解概念就行。

最近在学习 Python 进阶的内容。整理一下关于装饰器（decorator）的一些知识。在解释装饰器前，先总结一些关于函数的知识点。

一切皆对象

在 Python 中，所有的函数都是对象。如下面的例子中，函数可以直接赋值给变量。即使删除了原来的函数，但是变量还是保持了原函数的性质。

「总结自《Grokking Algotithms》这本书第五章内容」

散列函数

哈希表（Hash Table），学名散列表。散列表最核心的部分就是散列函数。有了散列函数，无论你给它什么输入数据，它都还你一个数字。专业一点的话，就是散列函数将输入映射到数字。

图片显示问题

最近部署博客的时候，发现使用简书的图片外链，博客的图片大部分都显示不出来。经过一番查找，解决了这个问题。下面的方法适用于 hexo - 3.8.0 版本。

这个星期状态不太好，只看了一篇 FCN 的论文和一些其他相关的资料。今天按照下面来总结一下关于语义分割的一些基础方面的内容。

• 什么是语义分割
• 什么是 FCN
• 如何构建全卷积网络
• 如何进行语义分割
• 如何提高上采样的精度

这篇是 CVPR 2015 年的一篇论文。最近在朋友的影响下，也想了解一下语义分割的相关知识。

Our key insight is to build “fully convolutional” networks that take input of arbitrary(任意，随意的) size and produce correspondingly-sized output with efficient inference and learning.

论文的核心是建立 「全卷积」网络，来接受任意大小的输入，并通过有效的推理和学习产生对应大小的输出。论文中对 AlexNet，VGG net 以及 GoogLeNet 进行一些改造，改造成全卷积网络，并进行迁移学习，应用在语义分割任务上。

日子太无聊，记录一下最近吃的美食吧。自从没在宿舍食堂吃饭，发现学校附近还是有很多美食的。

• 宿舍后门的汤饭

  

  发现宿舍后门也有家汤饭店，有天早上去吃，发现没有人文大后门的汤饭好吃，还贵，要 6000 韩元一碗。点的是所有类型的汤饭，即是一碗猪杂碎汤饭。感觉这家汤饭的汤的味道不好，没有很香。但是上来的韭菜小菜，意外地好吃，最后都快吃完了。