论文阅读
andeyeluguo
这个作者很懒,什么都没留下…
展开
-
mtcnn分析
0.adboost1.Violajones方法在论文[1]里面使用级联的adboost变成比较强分类器,提高了人脸准确率2.cascadecnn笔记使用了adboost级联的思想。3.Bootstrapping算法假设抽样的样本大小为n,在原样本中有放回地抽样吗,抽取n次,每抽取一次形成一个新的新的样本,重复操作,形成很多新样本。通过这些样本就可以计算出样本的一个分原创 2017-03-15 10:05:10 · 4037 阅读 · 1 评论 -
yolo9000论文笔记
1.19.7 mAP imagenet detection2. 67 FPS 76.8 mAP VOC 20073. 40 FPS 78.6 mAP 4.物体识别目的: 更快,更准,识别更多的物体5.数据集: Our method uses a hierarchical view of object classification that allows us tocombine原创 2017-03-26 17:48:01 · 1072 阅读 · 0 评论 -
mobilenet
mobilenet事实上是借鉴了squeeznet的思想squeezenet将3*3的卷积替换为1*1,还把最后的几个全连接层用avg pool 层替换而mobilenet和squeezenet的网络结构基本相同[1]Mobilenet论文笔记原创 2017-10-17 15:24:32 · 437 阅读 · 0 评论 -
mask-rcnn
2018年了,mask-rcnn的代码已经放出来了。可以在github上查到#-*-coding:utf-8-*-'''author:dezan zhaodate :2018-01-26paper :Mask R-CNNnote :just for study,not comercial''''''传承: R-CNN ->Fast-rcnn -> Faster-rcn原创 2018-01-26 16:30:27 · 259 阅读 · 0 评论 -
centorloss论文阅读
在对人脸centorloss论文的阅读做的笔记如下目的:enhance the discriminative power of the deeply learned features增强特征的判别能力思想: 聚类,联合损失函数方法论: 图示显示数据的分布原理: 将softmaxloss和centorloss两个损失函数联合起来就行监督相关原创 2018-01-26 15:05:21 · 348 阅读 · 0 评论 -
《Towards Accurate Binary Convolutional Neural Network》解读
近似输入:。。。 二值 A = 2*I -1指示函数 I =h>0.5?1:0; clip函数 h = max(0,min(1,x+v)),x为R的一个值Beta线性回归,v? 近似权重: 但是 在imagenet只是bwn结合就掉了4个点,计算量反而没有降低多少了。不太实用,看看就好。...原创 2018-03-06 13:03:57 · 1030 阅读 · 5 评论