2016年10月_cv_family_z

原创 CNN网络结构 - Refining Architectures of Deep Convolutional Neural Networks

CVPR 2016 Refining Architectures of Deep Convolutional Neural Networks本文的出发点是回答下面的问题: is the selected CNN optimal for the dataset in terms of accuracy and model size? 针对一个问题，我们使用CNN模型，针对现有的数据库，我们选择的C

2016-10-28 15:58:29 1541 2

原创噪声数据-The Unreasonable Effectiveness of Noisy Data for Fine-Grained Recognition

ECCV 2016 The Unreasonable Effectiveness of Noisy Data for Fine-Grained Recognition当前 fine-grained recognition的主流方法分两步：1）训练数据的收集和标定，2）模型的训练。本文提出的使用从网络上搜索的含有噪声的数据进行训练，得到很好的效果。3 Noisy Fine-Grained Data

2016-10-24 16:44:35 2581

原创行人检索 - Embedding Deep Metric for Person Re-identification

ECCV 2016code: http://www.cbsr.ia.ac.cn/users/hailinshi/Embedding Deep Metric for Person Re-identification: A Study Against Large Variations针对行人检索问题，这里主要做了两个方向的工作：1）针对大家使用的hard negative mining 策略，我们提出

2016-10-21 09:59:01 2446 1

原创视频目标检测 - Object Detection from Video Tubelets with Convolutional Neural Networks

CVPR2016code： https://github.com/myfavouritekk/vdetlib基于静态图像的CNN目标检测问题已经很多人研究。而基于视频的CNN目标检测问题则是刚刚起步。主要问题是目标检测和跟踪的有效结合。针对视频中的目标，单独的检测和单独的跟踪都会有波动。我们的视频目标检测框架图：主要包括两个模块： 1 a spatio-temporal tubelet p

2016-10-20 15:28:01 13415 4

原创行人检索 - Top-push Video-based Person Re-identification

CVPR2016code： http://isee.sysu.edu.cn/resource本文针对 Person Re-identification 问题做了两个方面的工作：一个是基于视频信息来做，主要是提取更多时空的信息来解决遮挡和复杂的背景干扰。第二是引入Top-push优化手段来增大类间差异，缩小类内差异。3 Approach 我们使用 HOG3D 描述子来提取视频中的时空信息

2016-10-20 09:14:22 2906

原创去雾 - Non-Local Image Dehazing

CVPR2016Non-Local Image Dehazing code: http://www.eng.tau.ac.il/~berman/NonLocalDehazing/简单明了的图像去雾算法。首先一幅彩色图像的RGB颜色值可以通过几百个RGB值来表示，类似图像压缩中的调色板。一幅没有雾的彩色图像近似RGB值在 RGB空间分布为一个 cluster，但是在有雾的彩色图像这些RGB值在RGB

2016-10-18 15:43:52 10749 1

原创大裕量Softmax 损失函数--Large-Margin Softmax Loss for Convolutional Neural Networks

ICML2016 Large-Margin Softmax Loss for Convolutional Neural Networks本文针对CNN网络中的 Softmax Loss 做出改进，使之成为 Large-Margin Softmax Loss 标准的CNN可以被看做由 Softmax Loss 监督的卷积特征学习机器。当前的 Softmax Loss 没有显式的强调 intra-

2016-10-17 16:10:19 5227

原创人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition

A Discriminative Feature Learning Approach for Deep Face Recognition ECCV 2016code: https://github.com/ydwen/caffe-face本文针对人脸识别问题，针对 loss function提出了加入 center loss，使得学习到地深度特征更加 discriminative 。以前CNN

2016-10-17 10:10:37 7138 6

原创图像分割“Fully Convolutional Networks for Semantic Segmentation”

文章使用了全卷积的网络，接受任意大小的输入，生成对应大小的输出。将 AlexNet,VggNet,GoogleNet转换为全卷积网络，并定义了结合深层和浅层信息的结构用于分割。全卷积网络结构卷积的输入和输出关系为：对于AlexNet来说，全连接层维度固定，不包含空间信息，但全连接可以看作是与覆盖全区域的核的卷积，这样就会生成特征图，如下图所示。网络输出尺寸是10*10的特征图，

2016-10-12 17:05:58 1217

cv_family_z的博客