论文笔记
文章平均质量分 79
白鹭飞燕
这个作者很懒,什么都没留下…
展开
-
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文笔记
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks这篇文章讲述了 Faster R-CNN,介绍了 RPN、Translation-Invariant Anchors、loss-function 等概念。实现了 RPN 网络和 Fast-RCNN 网络的融合,即,在提取 OP 的同时进行物体检测。翻译 2016-01-24 20:31:27 · 5853 阅读 · 0 评论 -
ImageNet Classification with Deep Convolutional Neural Networks论文笔记
这篇文章非常经典,NIPS 2012的文章,讲了一些基础知识,介绍了Alex-net网络,使用深度神经网络在ImageNet上进行分类。Abstract本文训练了一个深度卷积神经网络,将ILSVRC-2010中1.2million的高分辨率图像数据分为1000类。测试结果,Top-1和Top-5的错误率分别为37.5%和17%,优于当时最优的水平。翻译 2016-01-24 20:44:53 · 1051 阅读 · 0 评论 -
Visualizing and Understanding Convolutional Networks论文笔记
本文是Matthew D.Zeiler 和Rob Fergus 13年的论文,主要通过Deconvnet(反卷积)来可视化卷积网络,来理解卷积网络,并进行分析和调优;本文通过反卷积,将Alex-net可视化,做了大量的实验,分析了卷积网络的各种性质,提出了在imagenet数据集训练数据之后在其他数据集进行fine-tuning的方法。翻译 2016-01-24 20:51:39 · 1423 阅读 · 0 评论 -
A Large-Scale Car Dataset for Fine-Grained Categorization and Verification论文笔记
摘要:主要工作1 收集了一个很大的数据集并且有丰富的标签信息(compcar)主要工作2 基于以上的数据集做的(car model classification、car model verification、 attribute prediction) 主要围绕细粒度分类和验证,都是基于CNN的方法.翻译 2016-01-24 21:11:26 · 2726 阅读 · 0 评论 -
Rich feature hierarchies for accurate object detection and semantic segmentation论文笔记
Abstract:贡献主要有两点1:可以将卷积神经网络应用region proposal的策略,自底下上训练可以用来定位目标物和图像分割 2:当标注数据是比较稀疏的时候,在有监督的数据集上训练之后到特定任务的数据集上fine-tuning可以得到较好的新能,也就是说用Imagenet上训练好的模型,然后到你自己需要训练的数据上fine-tuning一下,检测效果很好。翻译 2016-01-24 21:32:22 · 1022 阅读 · 0 评论