计算机视觉
文章平均质量分 66
桂C伊甸园
这个作者很懒,什么都没留下…
展开
-
无监督特征学习——Unsupervised feature learning and deep learning
无监督学习近年来很热,先后应用于computer vision, audio classification和 NLP等问题,通过机器进行无监督学习feature得到的结果,其accuracy大多明显优于其他方法进行training。本文将主要针对Andrew的unsupervised learning,结合他的视频:unsupervised feature learning by Andr转载 2013-11-28 16:51:33 · 1105 阅读 · 0 评论 -
pooling和旋转不变性
Pooling for Invariance If one chooses the pooling regions to be contiguous areas in the image and only pools features generated from the same (replicated) hidden units. Then, these pooling units w转载 2013-11-29 09:43:07 · 1841 阅读 · 0 评论 -
机器学习和计算机视觉顶级会议和期刊汇总
以下是不完整的列表,但基本覆盖。机器学习顶级会议:NIPS, ICML, UAI, AISTATS; (期刊:JMLR, ML, Trends in ML, IEEE T-NN)计算机视觉和图像识别:ICCV, CVPR, ECCV; (期刊:IEEE T-PAMI, IJCV, IEEE T-IP)人工智能:IJCAI, AAAI; (期刊AI)另外相关的还有SIGRAPH,原创 2013-12-02 13:38:59 · 1404 阅读 · 0 评论 -
Product of experts
A Product of Experts model (PoE) (Hinton 2002) combines anumber of individual component models (the experts) by takingtheir product and normalizing the result. Each expert is definedas a possibly unno转载 2013-12-11 10:43:41 · 3940 阅读 · 0 评论 -
小波变换和motion信号处理(一)
这是《小波变换和motion信号处理》系列的第一篇,基础普及。第二篇我准备写深入小波的东西,第三篇讲解应用。记得我还在大四的时候,在申请出国和保研中犹豫了好一阵,骨子里的保守最后让我选择了先保研。当然后来也退学了,不过这是后话。当时保研就要找老板,实验室,自己运气还不错,进了一个在本校很牛逼的实验室干活路。我们实验室主要是搞图像的,实力在全国也是很强的,进去后和师兄师姐聊,大家都在搞什么小波变转载 2013-12-04 10:44:17 · 936 阅读 · 0 评论 -
小波变换和motion信号处理(二)
这是《小波变换和motion信号处理》系列的第二篇,深入小波。第一篇我进行了基础知识的铺垫,第三篇主要讲解应用。在上一篇中讲到,每个小波变换都会有一个mother wavelet,我们称之为母小波,同时还有一个father wavelet,就是scaling function。而该小波的basis函数其实就是对这个母小波和父小波缩放和平移形成的。缩放倍数都是2的级数,平移的大小和当前其缩放的程转载 2013-12-04 10:48:15 · 779 阅读 · 0 评论 -
ubutu14.04LTS+opencv2.4.9+matlab 2014a+caffe+cuDNN
caffe配置过程: 这份教程,不是自己写的,里面改了些东西参照了很多教程,也做过很多尝试,之前从来没有接触过linux,所以每一步都会碰到问题,然后百度,解决。过程真的痛苦,但是乐在其中。,因为我觉得这是成功的第一步,很多东西需要自己遇到,才会越来越熟。下一步工作就是把rcnn的代码跑通,并且换上自己的数据集跑,再接合spp-net实验效果进行对比。话说spp-net效果比rcnn翻译 2015-04-29 15:29:15 · 1909 阅读 · 0 评论 -
Rich feature hierarchies for accurate object detection and semantic segmentation
一、主要思想 本文的主要思想首先采用Selective Search for Object Recognition论文的方法对每张图像分块得到多个个Region proposals,然后对每个Region proposal提取CNN特征,在采用线性svm进行分类,在VOC2012上面达到了 53.3%的mAP。 二、Object detec转载 2015-04-30 11:27:57 · 908 阅读 · 0 评论 -
Selective Search for Object Recognition
Selective Search for Object Recognition2014-5-27阅读1306 评论10最近被老师弄去做图像方向,完全没相关经验,都是从论文看起。之后会整理我看的一系列论文,可能会有很多错误的地方,如果有发现,欢迎提出!Selective Search for Object Recognition转载 2015-04-30 10:51:45 · 768 阅读 · 0 评论