近这两年里deep learning技术在图像识别和跟踪等方面有很大的突破,是一大研究热点,里面涉及的数学理论和应用技术很值得深入研究,这里总结一些在微博发布和转载的相关资料,以便查阅:
一、
@winsty
一、
@winsty
#NIPS2013# “Learning A Deep Compact Image Representation for Visual Tracking” 第一次结合deep learning和visual tracking的尝试,在GPU下可以在MATLAB里realtime,结果可以和state-of-the-art相比,还在等什么呢?小伙伴们请猛戳project page(有code!):
http://t.cn/zRakSQu
@丕子
Yoshua Bengio gave a recent presentation on “Deep Learning of Representation” and Generative Stochastic Networks (GSNs) at MSR and AAAI 2013. Slides of the talk can be accessed from this link. http://t.cn/zQI3EI1
Yoshua Bengio gave a recent presentation on “Deep Learning of Representation” and Generative Stochastic Networks (GSNs) at MSR and AAAI 2013. Slides of the talk can be accessed from this link. http://t.cn/zQI3EI1
从CVPR2013看计算机视觉研究的三个趋势:1.RGBD数据的分析;2.中层patch的分析;3.深度学习与特征学习 | bfcat-计算机视觉博客
http://t.cn/zQhiySm
Andrew Ng 研究组在NIPS'2012的论文就融合了上一条微博所述的三种趋势,用深度学习技术分析RGBD数据,实现三维物体分类。Convolutional-Recursive Deep Learning For 3D Object Classification -
www.socher.org
http://t.cn/zQzQqut