2017年05月_linolzhang

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创目标跟踪之ECO：Efficient Convolution Operators for Tracking

一. 相关滤波算法总结作者首先分析了影响相关滤波算法效率的几个原因：1）Model Size (模型大小）包括两个方面：－模型层数，对应多分辨率 Sample，比如多层 CNN －特征维度，对应庞大的 HOG or CNN特征图这里的效率影响是显而易见的，层数或特征越多，表现力越丰富，计算量也

2017-05-31 23:13:23 14926 4

原创目标跟踪之相关滤波：CF及后续改进篇

一. 何为相关滤波？ Correlation Filter 最早应用于信号处理，用来描述两个信号之间的相关性，或者说相似性（有点像早期的概率密度），先来看定义：对于两个数据 f 和 g，则两个信号的相关性（correlation）为：其中 f∗ 表示 f 的复共轭，这是和卷积的区别。

2017-05-25 23:40:58 22037 2

原创目标跟踪之GOTURN：Learning to Track at 100 FPS with Deep Regression Networks

一. 简介选择这篇文章的原因在于能实现 100帧的效果，对于跟踪来讲，大多数应用场景需要实时跟踪，应该说仅仅实时跟踪还不够，还需要计算资源来做视频解码、检测、比对等多个工作。这篇文章 2016年来自 Stanford 大学的 David Held，通过 CNN直接回归的方式得到目标位置。论文下载：Learning to Track

2017-05-16 23:29:30 8598 2

原创深度学习之目标跟踪

一. 跟踪进展（Advances in Visual Tracking）作者在前面的机器学习文章中也讲到了 Tracking，感兴趣的童鞋可以 Review一下：机器学习实践系列之5 - 目标跟踪前面只是基于传统方法的跟踪，这一篇我们 Focus 在深度学习上。关注跟踪算法的进展，只需要 Follow VOT Challenge 就可以了，Vi

2017-05-15 23:13:13 12969 1

原创 Mask-RCNN技术解析

一. Mask-RCNN 介绍上篇文章介绍了 FCN，这篇文章引入个新的概念 Mask-RCNN，看着比较好理解哈，就是在 RCNN 的基础上添加 Mask。 Mask-RCNN 来自于年轻有为的 Kaiming 大神，通过在 Faster-RCNN 的基础上添加一个分支网络，在实现目标检测的同时，把目标像素分割出来。论文下载：Mask R-CN

2017-05-12 23:01:29 122543 24

原创图像分割与FCN

一. 图像语义分割传统的图像分割方法主要包括以下几种：1）基于边缘检测2）基于阈值分割比如直方图，颜色，灰度等3）水平集方法这里我们要说的是语义分割，什么是语义分割呢？先来看张图：将目标按照其分类进行像素级的区分，比如区分上图的摩托车和骑手，这就是语义分割，语义分割赋予了场景理

2017-05-11 21:55:24 26893

原创 ResNeXt网络进化

一. ResNeXt 的 Block 改进 MSRA 的 KaiMing 转战Facebook的又一力作，大牛的神来之笔：论文下载：Aggregated Residual Transformations for Deep Neural Networks代码地址：【Github】 ResNet、Inception 已经成为目前网络的前进方向，堆叠的Bl

2017-05-11 00:01:51 8300 6

原创 ResNet残差网络

前面我们对常用的经典网络进行了介绍，可以查看前面文章：浅入浅出TensorFlow 6 - 实现经典网络随着网络越来越深，大家发现，仅仅靠 BN、ReLU、DropOut 等 Trick无法解决收敛问题，相反，网络的加深带来参数的增加。基于之前的实践经验，我们知道：网络并不是越深越好，一方面过多的参数容易导致过拟合（当然样本足够多可以一定程度上解决这个问题）；另

2017-05-08 00:25:27 12589

原创基于深度学习的Person Re-ID（度量学习）

度量学习是指距离度量学习，Distance Metric Learning，简称为 DML，做过人脸识别的童鞋想必对这个概念不陌生，度量学习是Eric Xing在NIPS 2002提出。这并不是个新词，说的直白一点，metric learning 是通过特征变换得到特征子空间，通过使用度量学习，让类似的目标距离更近（PULL），不同的目标距离更远（push），也就是说，度量学

2017-05-06 00:38:55 8108

原创基于深度学习的Person Re-ID（特征提取）

一. CNN特征提取通过上一篇文章的学习，我们已经知道，我们训练的目的在于寻找一种特征映射方法，使得映射后的特征 “类内距离最小，类间距离最大”，这种特征映射可以看作是空间投影，选择一组基，得到基于这组基的特征变换，与 PCA 有点像。这一篇我们讲的就是基于 CNN的特征提取，特征提取过程也就是训练过程，训练结果就是 CNN 的参数。以 T

2017-05-01 23:44:03 10235

原创基于深度学习的Person Re-ID（综述）

一. 问题的提出 Person Re-ID 全称是 Person Re-Identification，又称为行人重检测 or 行人再识别，直观上可以通过两种思路进行比对，一种是通过静态图像（still-image）进行特征比对，另一种是通过视频的时序特征（temporal）进行 Video Re-Id。不管是采用图像特征比对的方法还是结合时序特征比

2017-05-01 22:09:17 22398 1