- 博客(7)
- 收藏
- 关注
原创 论文笔记《HyperFace: A Deep Multi-task Learning Framework ...》
HyperFace: ADeep Multi-task Learning Framework for Face Detection, Landmark Localization, Pose Estimation, and Gender Recognition 概要 论文采用多任务学习的方法,实现了利用CNN 同时做人脸检测,关键点定位,姿态估计和性别预测4项任务。利用多任务学习同时完成几
2016-08-23 15:24:40 6228 1
转载 【转】R-CNN学习笔记5:Faster R-CNN
原文地址:http://blog.csdn.net/cv_family_z/article/details/46864473 摘要:SPPNet和Fast R-CNN降低了网络学习特征的时间,SS由于需耗时1~2s,EdgeBoxes 耗时约0.2s,提取proposal的方法成为检测的瓶颈。本文提出了Region Proposal Networks(RPNs)实现实时提取propo
2016-08-17 17:51:27 799
转载 【转】R-CNN学习笔记4:Fast R-CNN
【原文:http://zhangliliang.com/2015/05/17/paper-note-fast-rcnn/】 论文出处见:http://arxiv.org/abs/1504.08083 项目见:https://github.com/rbgirshick/fast-rcnn R-CNN的进化版,0.3s一张图片,VOC07有70的mAP,可谓又快又强。 而且rb
2016-08-17 15:46:24 837
转载 【转】R-CNN学习笔记3:Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(SPP-net)
原文地址:http://blog.csdn.net/u011534057/article/details/51219959 CNN网络需要固定尺寸的图像输入,SPPNet将任意大小的图像池化生成固定长度的图像表示,提升R-CNN检测的速度24-102倍。 固定图像尺寸输入的问题,截取的区域未涵盖整个目标或者缩放带来图像的扭曲。事实上,CNN的卷积层不需要固定尺寸的图像,全连
2016-08-17 12:29:05 1951
转载 【转】R-CNN学习笔记2:Rich feature hierarchies for accurate object detection and semantic segmentation
原文地址:http://blog.csdn.net/liyaohhh/article/details/50824226 Rich feature hierarchies for accurate object detection and semantic segmentation、
2016-08-16 17:49:22 634
转载 【转】R-CNN学习笔记1:Selective Search for Object Recognition
Selective Search for Object Recoginition surgewong@gmail.com http://blog.csdn.net/surgewong 在前一段时间在看论文相关的工作,没有时间整理对这篇论文的理解。在前面的一篇博客【1】中有提到Selective Search【2】,其前期工作利用图像分割的方
2016-08-16 17:34:30 2651 2
原创 发送DES-base64编码的HTTP Post请求,并base64-DES解码返回消息
#include #include #include #include #include #include #include #include #include #include #include #include #define MAXLINE 1024 const char base[] = "ABCDEFGHIJKLMNOPQRSTU
2016-08-16 14:37:57 2755
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人