- 博客(5)
- 收藏
- 关注
RSS订阅原创 车型识别“Hyper-class Augmented and Regularized Deep Learning for Fine-grained Image Classification”
两个贡献，一是使用hyper-class来增强数据，从网络上搜索hyper-class-labeled的数据，形成多类学习任务。二是公式化精细识别模型和hyper-class识别模型，通过挖掘二者的关系提升识别率。hyper-class 数据增强 数据增强的方法有裁切，镜像，增加随机噪声。但他们的效果有限，主要是信息类似。作者根据图像处理精细类别信息，还有内在的“属性”信息，而且这样的属性标记的图
2016-02-29 16:59:06
3344
原创 跟踪“Visual Tracking with Fully Convolutional Networks”
源代码：http://scott89.github.io/FCNT/ICCV15的跟踪文章，matlab版本，在TIAN GPU上3fps。方法：不同卷积层的特征描述物体的角度不同，高层的特征捕获的是语义信息，更像是一个类别检测器，低层的特征能把目标与相似的物体分开。另外，作者进行了特征图选择，将噪声及不相干的特组图去除。VGG16特征分析： 作者选取的是conv4-3和conv5-3，每层的特征
2016-02-26 11:06:55
5346
4
原创 目标检测“Object Detection Using Generalization and Efficiency Balanced Co-occurrence Features”
ICCV15的文章，内容比较简单，但是boosting的方法，文章使用了Haar,HOG,LPB的共生特征，训练boosting时考虑了泛化和检测率平衡，让强特征在有高检测率的同时有好的推广性能。特征的描述比较简单，这里使用了灰度共生矩阵的描述方法，将特征用共生的方法描述，即： 形式如下图所示： 泛化和检测平衡 好的特征对应低的分类错误率，即： 使用共生特征，离得远的图像对有可能带来噪声，使
2016-02-24 11:17:17
2153
1
原创 检索问题“Where to Buy It: Matching Street Clothing Photos in Online Shops”
将街拍衣物与网络在售衣物匹配，满足购物者的好奇心，作者构建了一个匹配数据库，街拍图像2w张左右，网络在售图像40w张左右，给一个输入衣物，找出其匹配的确定型号。作者使用了几种检索方法： 1.全图检索:AlexNet的FC6特征，进行余弦距离计算。 2.proposal检索，网络在售的图片没有标记框，提取100个proposal，再用余弦距离计算相似度。 3.相似度学习 使用三层全连接网，正负
2016-02-20 15:01:53
2684
原创 An End-to-End System for Unconstrained Face Verification with Deep Convolutional Neural Networks
本文提出的系统是一个完整的自动人脸验证系统。我们首先从图片和视频帧中检测人脸。然后人脸跟踪，人脸特征检测，最后人脸匹配即相似度计算。 整个系统流程图如下： 3.1. Face Detection 我们使用文献【27】的算法进行人脸检测，DeepPyramidDeformable Parts Model for Face Detection (DP2MFD)，一种基于深度学习的人脸检测器。
2016-02-03 14:38:04
1675
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