深度学习
盐粒-blog
这个作者很懒,什么都没留下…
展开
-
基于深度学习的图像匹配技术专题- [patch based matching5]-手把手教你实现MatchNet(Metric network)
在上一篇博文中,我们一起实现了MatchNet 的feature 部分,然后双塔顶端,分别是两层 全连接层,现在我们就按照 match net的结构,把分离的全连接 变成整体- metric network.输入的数据是 ip1和ip1_p,我们需要把数据。layer { name: "ip1" type: "InnerProduct" bottom: "pool2原创 2018-01-25 17:27:55 · 5066 阅读 · 2 评论 -
基于深度学习的图像匹配技术专题- [patch based matching6]-将匹配进行到底
之前的文章 已经介绍了 matchnet, Siamese network,以及获取他们数据集,此外 我们也改了网络的模型。现在我们离全部工作还差一步之遥,不能放弃。应该有很多人想要用自己的数据集去训练模型,所以这一篇博文的目的就是 连接数据和网络,制作适合你的数据集。-------------------------------------------------------------原创 2018-02-02 15:36:55 · 5025 阅读 · 0 评论 -
卷积神经网络基础
卷积神经网络在识别检测,匹配重建上都有一定的应用,目前也是视觉研究的热点之一。CNN对大多数使用这来说,是一个黑盒,我们获得较好的结果,却不能用数学进行准确的解释。但是,没有关系,这个问题不应该成为我们拒绝CNN的原因。在使用CNN的过程中,我们学习了神经网络基础的知识(各层及其功能,参数的含义等)之后,我们会有一个成长之路。1,选着一个框架(Tensorflow, caffe),然后跑一原创 2018-01-29 22:42:08 · 263 阅读 · 0 评论 -
基于深度学习的图像匹配技术专题- [patch based matching4]-手把手教你实现MatchNet
上一篇博文(基于深度学习的图像匹配技术专题- [patch based matching3]-mnist siamese 学习)已经完整的介绍了caffe mnist siamese模型,并训练成功,相信大家已经有点感觉了。现在我们的目标回到MatchNet,虽然作者没有提供源码,我们也能自己实现出来,加油。当然,我们还有很多问题没有介绍,如制备数据集合等内容。我们选择边实现模型边解决这些实际原创 2018-01-24 17:37:37 · 8690 阅读 · 0 评论 -
图像语意分割系列[1]----如坑须知
图像的语意分割是很多方向的基础,同时也不需要太多的图像知识,是一个很好的深度学习的入门课题。在深度学习之前,这个领域相关的文章,这里就不介绍了,毕竟是DL给了它更多的想象空间,并取得了更好的分割效果。几个重要的工作。FCN (Fully Convolutional networks)DeepLabDilated ConvolutionsCFRasRNN-----------------------...原创 2018-03-08 10:39:51 · 637 阅读 · 0 评论 -
图像语意分割系列【2】---条件随机场
第二篇文章,我们不介绍 反卷积结构,而是介绍CRF, 主要是因为,网络结构上,大家只要有相关的CNNs知识,是很好理解的,主要难于作者的创造性思想。这也是FCN能引用1500+的主要原因吧。这里从数学入手,来看DeepLab如何对FCN进行优化。有向图模型(Directed Graphical Models,DGM),又称作贝叶斯网络(Bayesian Network),典型模型有:隐马尔科夫模型...原创 2018-03-08 11:13:24 · 4282 阅读 · 1 评论