Wenhui Liu-CSDN博客

翻译第四天：

深度学习模型的成功，特别是卷积神经网络（CNN），使它们成为可见光和红外领域中物体识别系统的有利解决方案。然而，由于过度拟合的问题，在海上船舶研究的情况下缺乏训练数据导致性能差。此外，用于训练CNN的反向传播算法非常慢并且需要调整许多超参数。为了克服这些缺点，我们引入了一种完全基于极限学习机（ELM）的新方法，以学习有用的CNN特征并执行快速准确的分类，适用于基于红外的识别系统。所提出的方法结合基...

2018-11-28 21:45:23 595

翻译第三天：

对于数据集中的每个唯一船舶，我们在其出现的图像中手动绘制边界框，标记为船型，并为其指定使用单眼或AIS数据记录的名称。在极少数情况下，当我们无法识别船舶名称时，我们会根据其外观为其分配一个简短描述。因为图像被捕获为每秒一帧的图像序列，所以连续帧几乎是重复的，这不适合用于分类任务。为了避免重复相同的船舶实例，我们不会标记船舶出现的每个框架。每个船舶只有三到五个框架面向每个离散的45度方向。 45度的...

2018-11-20 19:26:25 642

转载第二天

MSDNet:https://blog.csdn.net/u014380165/article/details/78006893?reloadFCN和CRF:https://blog.csdn.net/u012759136/article/details/52434826

2018-10-24 19:30:38 254

转载第一天笔记

学习笔记第一天@[TOC]DeepLabv3–Rethinking Atrous Convolution for Semantic Image Segmentation：https://blog.csdn.net/zhangjunhit/article/details/73614317DeepLab系列:https://blog.csdn.net/Victor__2015/article/d...

2018-10-17 22:51:24 248