DL_ML_CNN原理
马卫飞
上市公司深度学习算法工程师---深度学习,计算机视觉,图像处理,嵌入式开发,android开发
展开
-
【深度学习】【框架概述1】【卷积神经网络-进化史】从LeNet到AlexNet
【卷积神经网络-进化史】从LeNet到AlexNet发表于2016/5/17 23:20:30 6683人阅读分类: 【机器学习&深度学习】 【卷积神经网络-进化史】从LeNet到AlexNet本博客是【卷积神经网络-进化史】的第一部分《从LeNet到AlexNet》如需转载,请附上本文链接:http://blog.csdn.net/cyh_24/article/de转载 2016-11-10 10:41:59 · 1217 阅读 · 0 评论 -
【深度学习】笔记11:python caffe报错:No module named google.protobuf.internal
1:首先,安装anaconda22:其次,再安装protobuf-master3:最后,再按照下面的介绍进行相应问题的解决,总之一句话,ubuntu16.04下的caffe的安装和可视化环境都是没问题的,不过在安装过程中,有很多问题,需要一个问题一个问题的解决解决ImportError: /home/douxiao/anaconda3/bin/../lib/libstdc++.so原创 2017-07-31 02:16:23 · 2764 阅读 · 0 评论 -
【Caffe的C++接口使用说明五)】win10+cuda7.5+caffe+vs2013环境搭建(CPU版本)
/***********************************************************************************************************************再次搭建windows环境下caffe的原因: 1)家里出了点事,回家了一个多月,再次回来,竟然分不清用的caffe环境是那个,所以就再搭建一次 2原创 2017-07-24 21:58:51 · 1638 阅读 · 0 评论 -
行人检测(Pedestrian Detection)资源
行人检测(Pedestrian Detection)资源原文链接 http://hi.baidu.com/susongzhi/item/085983081b006311eafe38e7一、论文CVPR2013年行人检测相关的文章[1] Robust Multi-Resolution Pedestrian Detection in Traffic Scenes转载 2017-06-13 19:50:24 · 1334 阅读 · 0 评论 -
自己训练SVM分类器进行HOG行人检测
我搭建了自己的独立博客,此篇文章的新地址:http://masikkk.com/article/SVM-HOG-self-training/正样本来源是INRIA数据集中的96*160大小的人体图片,使用时上下左右都去掉16个像素,截取中间的64*128大小的人体。负样本是从不包含人体的图片中随机裁取的,大小同样是64*128(从完全不包含人体的图片中随机剪裁出64*1转载 2017-06-13 19:49:37 · 1615 阅读 · 0 评论 -
使用opencv的SVM实现车牌区域识别
一、前言本文仅仅演示使用opencv2.4.6中已经定义好的SVM函数实现对车牌区域正负样本的训练,然后使用训练好的SVM模型对测试样本进行预测。二、所使用的正负样本首先我将一系列图片进行图像预处理、分割等一系列步骤,这部分内容可以参看《深入理解opencv 使用计算机视觉项目解析》,这样从中挑选出100个正样本(车牌区域)和70个负样本(非车牌区域),大小均为14转载 2017-06-13 11:58:39 · 2948 阅读 · 2 评论 -
目标跟踪相关资源(含模型,最新论文,代码,牛人等)
Visual TrackersECO: Martin Danelljan, Goutam Bhat, Fahad Shahbaz Khan, Michael Felsberg. "ECO: Efficient Convolution Operators for Tracking." CVPR (2017). [paper] [project] [github]CFNet: Jack V转载 2017-06-07 22:12:38 · 10497 阅读 · 0 评论 -
caffe网络模型中各层功能的详解
Layer(层)是Caffe中最庞大最繁杂的模块。由于Caffe强调模块化设计,因此只允许每个layer完成一类特定的计算,例如convolution操作、pooling、非线性变换、内积运算,以及数据加载、归一化和损失计算等。layer这个类可以说是里面最终的一个基本类了,深度网络呢就是一层一层的layer,相互之间通过blob传输数据连接起来。我们先看一张图:然后我们从转载 2017-06-02 22:02:02 · 3165 阅读 · 0 评论 -
2013计算机视觉代码合集一
转载自http://www.yuanyong.org/blog/cv/cv-code-one一、特征提取Feature Extraction:SIFT [1] [Demo program][SIFT Library] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF [4] [OpenSURF] [Mat转载 2017-06-05 13:08:10 · 579 阅读 · 0 评论 -
基于深度学习的计算机视觉学习资料汇编(英)
转载自:http://www.open-open.com/lib/view/open1452776149855.htmlAwesome Deep Vision A curated list of deep learning resources for computer vision, inspired byawesome-php and awesome-computer-visio转载 2017-05-27 19:41:40 · 3126 阅读 · 0 评论 -
计算机视觉的三大会议
1----ICCV 的全称是 IEEE International Conference on Computer Vision,国际计算机视觉大会2--ECCV的全称是Europeon Conference on Computer Vision3--CVRP 国际计算机视觉与模式识别学术会议即International Conference on Computer VisionPa原创 2016-12-13 22:40:21 · 1228 阅读 · 0 评论 -
CVPR2015一些文章整理
简单看了一部分CVPR2015的文章。整理了一下。其中我决定把精彩的文章加粗。主要是觉得有些文章只读了一遍,没有发现很多很有道理的point(尽管我承认他们的工作都花了很大的功夫,但是没有激起太大的兴趣去follow。也许有机会读第二遍的时候会再highlight)。另外MIT的博士生Zoya Bylinskii也总结了一个list,大家可以看看这里:http://web.mit.edu/zo转载 2016-12-13 22:29:37 · 810 阅读 · 0 评论 -
干货福利:CVPR2016代码合集
DoReFa-Net: Training Low Bitwidth Convolutional Neural Networks with Low Bitwidth Gradients:https://github.com/ppwwyyxx/tensorpack/tree/master/examples/DoReFa-NetCode for Stacked attention network转载 2016-12-01 18:36:03 · 4592 阅读 · 0 评论 -
NIPS 2016 -- 增量Boosting CNN 用于面部动作单元识别
2016-09-11 Amateur 业余机器学习与深度学习转载自:http://mp.weixin.qq.com/s?__biz=MzI0MjU1NTk3NA==&mid=2247483760&idx=1&sn=e50b07e264e588a42ae38056342e60d0&mpshare=1&scene=23&srcid=1101SPe8SIV0hUuvbaj0zKmx#rd转载 2016-11-01 10:03:16 · 3084 阅读 · 1 评论 -
了解CNN这一篇就够了:卷积神经网络技术及发展
【新智元导读】深度学习很火,说起深度学习中一个很重要的概念——卷积神经网络(CNN)似乎也人人皆知。不过,CNN究竟是什么,涉及哪些概念,经过如何发展,真正要有逻辑地归纳一遍,估计不少人都说不清。日前,南洋理工大学研究人员梳理CNN发展历史,从基础组成部分讲起,介绍并探讨CNN在视觉识别方面的原理及应用,是系统深入理解CNN的好文。 Recent Adva转载 2016-10-31 18:45:10 · 48815 阅读 · 2 评论 -
【深度学习理论3】ALexNet模型的详解
1LeNet-51.1局限性早在1989年,Yann LeCun (现纽约大学教授)和他的同事们就发表了卷积神经网络(Convolution NeuralNetworks, 简称CNN)的工作。在很长时间里,CNN虽然在小规模的问题上,如手写数字,取得过当时世界最好结果,但一直没有取得巨大成功。这主要原因是,CNN在大规模图像上效果不好,比如像素很多的自然图片内容理解,所以没有得到计算机视转载 2016-11-10 17:23:43 · 16574 阅读 · 0 评论 -
【深度学习】Alexnet论文的解读
神经网络架构演进(经典论文)-Alexnet晓雷· 2 天前 前面发表是发现有些内容没有自动保存,不知道知乎的服务器怎么了。 果断删了重新发。这一篇是 Alexnet : Imagenet classification with deep convolutional neural networks 。1 Introduction当前目标检测主要采用机器学习的方法。为转载 2016-11-10 14:33:01 · 4682 阅读 · 0 评论 -
吴恩达机器学习网易公开课视频和讲义
http://open.163.com/special/opencourse/machinelearning.htmlhttps://pan.baidu.com/s/1boGzeDx原创 2018-05-01 12:13:14 · 14202 阅读 · 2 评论