深度学习-CNN
文章平均质量分 91
liujun-st
蜗牛!!
展开
-
java学习要点(除C++特性外需要注意的特性)
最近要使用java对android进行开发,这也是第一次使用java,刚开始接触的时候也就是简单看一下语法,然后直接上手,这样经过两天后觉的有必要把java比较特殊的知识点总结出来,加深自己的记忆,不然每次用都网上搜索是比较费时间的一个过程。当然,如果会C++,C,那么在学习的过程中,难免比较这两者这件的特性,以及比较这两者之间的不同。有些问题只是“知道,或者不知道”的问题,并不是一个难点。所原创 2016-09-16 22:01:56 · 558 阅读 · 0 评论 -
全卷积网络(FCN)
从图像分类到图像分割转载:http://blog.csdn.net/taigw/article/details/51401448卷积神经网络(CNN)自2012年以来,在图像分类和图像检测等方面取得了巨大的成就和广泛的应用。CNN的强大之处在于它的多层结构能自动学习特征,并且可以学习到多个层次的特征:较浅的卷积层感知域较小,学习到一些局部区域的特征;较深的卷积层具有较大的感知域,能转载 2016-10-08 22:41:49 · 2479 阅读 · 0 评论 -
NMS
转载:http://blog.csdn.net/marising/article/details/6543943在信息检索、分类体系中,有一系列的指标,搞清楚这些指标对于评价检索和分类性能非常重要,因此最近根据网友的博客做了一个汇总。准确率、召回率、F1信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate),召回率也叫查转载 2017-01-04 15:00:04 · 506 阅读 · 0 评论 -
Do Deep Nets Really Need to be Deep
今天我们要谈论的文章为:Lei Jimmy Ba, and Rich Caurana. Do Deep Nets Really Need to be Deep?. ICLR2014openreview中有下载链接和讨论:http://openreview.net/document/9a7247d9-d18e-4549-a10c-ca315d84b6db#9a7247d9-d转载 2017-01-05 15:42:56 · 862 阅读 · 0 评论 -
matlab调用c++函数
经常会遇到一个问题,就是怎么用matlab来调用已经写好的c++代码,下面就学习一下。首先要明白调用c代码,需要用到MEX,他主要和matlab的主要接口,接口的主要入口为如下函数:void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[])nlhs:输出参数数目 (Left-handside原创 2017-01-17 10:59:18 · 2761 阅读 · 0 评论 -
caffe-卷积原理
转载:http://blog.csdn.net/xzzppp/article/details/53337168 卷积是卷积神经网络的重要组成部分,消耗整个网络中大量计算资源,理解卷积计算过程,对优化网络结构和简化网络模型非常重要。 正常卷积的实现如下图所示: 非常重要的是:卷积核其实和特征图一样,是一个三维矩阵,这点需要注意。 上图是一转载 2017-02-21 10:27:06 · 981 阅读 · 0 评论 -
precision & recall
原文出自:http://blog.csdn.net/wangran51/article/details/7579100最近一直在做相关推荐方面的研究与应用工作,召回率与准确率这两个概念偶尔会遇到,知道意思,但是有时候要很清晰地向同学介绍则有点转不过弯来。召回率和准确率是数据挖掘中预测、互联网中的搜索引擎等经常涉及的两个概念和指标。召回率:Recall,又称“查全率”转载 2017-03-30 14:40:58 · 937 阅读 · 1 评论 -
图像白化的计算步骤
ZCA白化的主要用于去相关性,尽量使白化后的数据接近原始输入数据。对于含有m个样本的数据集{x^((1)),x^((2)),…x^((m)) },假设每个样本的维度为n,即x^i∈R^n,对其进行ZCA白化的具体步骤如下:1. 计算数据集的协方差矩阵∑,计算公式如下:∑=1/m ∑_(i=1)^m▒〖(x^((i)) ) (x^((i)) )^T 〗〗2.求转载 2017-04-24 17:45:17 · 2833 阅读 · 0 评论 -
物体跟踪-CVPR16-tracking[下]
接着上一篇博客,今天对身下的文章进行简单总结,同样,文章只对paper的主要特点,和流程框架进行总结,具体细节尽可能不涉及。一,Recurrently Target-Attending Tracking首先介绍这一片文章,作者主要将RNN运用到物体跟踪上,主要想解决误差扩散,遮挡等问题。其实这篇文章思路和KCF和SRDCF思路一样,只是将其与RNN进行了结合,而且作者在公式说明上写的很复杂原创 2016-07-31 15:45:04 · 9152 阅读 · 1 评论 -
物体检测-回归方法(YOLO+SSD)
转载注明出处:http://write.blog.csdn.net/postedit在上一篇文章中,介绍了以region+proposal来检测的框架,这一系列速度和精度不断提高,但是还是无法达到实时。存在的主要问题为:速度不够快,主要原因是proposal比较多,特征进行分类的时候,相同区域的特征计算多遍,所以BGR大神有了最新作品,YOLO,故名思议,就是解决Faster-RCNN中特原创 2016-07-24 16:31:17 · 43123 阅读 · 2 评论 -
物体检测-RCNN系列
1.R-CNN 简介: 1.作者Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik:【UC Berkeley】 2.发表年限,14年,文论[1]. 3.优点,见效果。缺点,速度超慢,特征重复计算,BBox没有置信度。步骤: 1.用selective方原创 2016-07-24 14:19:28 · 2426 阅读 · 0 评论 -
Logistic & softmax
最近研究类二分类,和多分类,发现对Logistic&softmax的原理理解不深,难以达到灵活运用修改,所以今天总结一下,使自己加深印象。为了节约时间,只写关键步骤。首先Logistic regression是针对0/1分类,而softmax是在Logistic基础上的多目标分类,输出是对应类的概率,概率最大的作为我们分类器判断出来的类别。首先讲解Logistic regression:原创 2016-05-30 20:37:31 · 1578 阅读 · 0 评论 -
RNN-LSTM系列
循环神经网络(RNN, Recurrent Neural Networks)介绍 转载:http://blog.csdn.net/heyongluoyao8/article/details/48636251 这篇文章很多内容是参考:http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-转载 2016-07-20 10:37:06 · 7036 阅读 · 0 评论 -
物体跟踪-CVPR16-tracking[上]
在公司做了一段时间的跟踪,最近CVPR大会也过了一段时间了,这次将CVPR2016跟踪的文章邵文做一次总结,主要是对paper的方法,创新,改进等方面进行介绍和总结。具体的实现细节不进行总结,今年来涌现了很多做跟踪的文章,但是目前多少的方法很难达到一个预期的效果。目前的跟踪主要有主要有如下几大难题:解决快速移动问题。这个问题其实是算法速度的问题,通常的做法是在一个搜索区域进行跟踪,这样原创 2016-07-30 17:20:24 · 11779 阅读 · 4 评论 -
TX1
下面记录TX1与caffe遇到的一些问题caffe+tx1+cudnn提示cudnn找不到,或者编译后链接有问题,或者根本编译通不过,或者编译通过,使用有问题。原因:TX1是ARM64架构,pc是x86架构,所以直接将pc的cudnn拿过来用到TX1有问题。需要下载arm64的cudnn.补充,之前用过cudnn v5,编译通过,使用caffe时出问题,很明细v5版本兼容性有待提高原创 2016-07-28 20:21:21 · 1326 阅读 · 0 评论 -
物体检测-CVPR16
CVPR2016简介CVPR16关于检测的文章已经出来有一段时间了,今天主要是想把CVPR16年关于检测的一些重要文章进行梳理,所以本文只注重框架,和特点,具体细节后续再补充。今年CVPR也出了不少检测的文章,主要包括:Inside-Outside Net[1],ResNet[2],G-CNN[3],HyperNet[4],LocNet[5],YOLO等。下面对这些文章的贡献进行梳理一,i原创 2016-07-24 20:35:13 · 4144 阅读 · 0 评论 -
SRDCF & DeepSRDCF(tracking)
今天对SRDCF算法做一些笔记[paper:Learning Spatially Regularized Correlation Filters for Visual Tracking]这篇文章同样是目前比较好的,在VOT2015年的排名第四。他是KCF的一种变形[KCF-SRDCF-DeepSRDCF],并结合CNN提取features.下面详细介绍paper.速度4fps.1.pape原创 2016-05-05 21:37:56 · 20029 阅读 · 7 评论 -
CSK & KCF(tracking)
上次介绍了SRDCF算法,发展历史轨迹为CSK=>>KCF/DCF/CN.鄙人首先介绍最基本的CSK算法,其实在上一篇已经提过,但是原理,思路讲的不清晰,这次争取把思路讲清楚。CSK:[paper:Exploiting the Circulant Structure of Tracking-by-detection with Kernels(作者和KCF/DCF同一个作者)]一,文章特点:原创 2016-05-10 17:45:01 · 13678 阅读 · 3 评论 -
CNN-tracking-文章导读
1.MDnet:learning multi-domain convolution neural networks for visual tracking MDnet是vot2015的冠军paper,由韩国Postech的Bohyung Han发表,测试了代码,在多个benchMark上的测试结果都比较好,但是速度比较慢,1fps,下面就开始介绍这篇paper的整体思路。原创 2016-05-04 21:14:48 · 8264 阅读 · 1 评论 -
Spatial Transformer Networks
Spatial Transformer Networks(空间变换神经网络)Reference:Spatial Transformer Networks [Google.DeepMind]Reference:[Theano源码,基于Lasagne]闲扯:大数据不如小数据这是一份很新的Paper(2015.6),来自于Google旗下的新锐AI公司DeepMi转载 2017-09-10 13:40:22 · 951 阅读 · 0 评论