DeepLearning
文章平均质量分 84
Gerwels_JI
Little is more!
展开
-
【Faster R-CNN论文精度系列】原文精析
本文凝练了CSDN和知乎大佬的思想,并加入自己的理解和思考,仅做总结和参考。经过R-CNN和Fast RCNN的积淀,Ross B. Girshick在2016年提出了新的Faster RCNN,在结构上,Faster RCNN已经将特征抽取feature extraction、 proposal,bounding box regression(rect refine)和classificati...原创 2018-11-28 21:29:44 · 3408 阅读 · 0 评论 -
【深度学习】什么是局部特征?什么是全局特征
Global Feature全局特征是指图像的整体属性,常见的全局特征包括颜色特征、纹理特征和形状特征,比如强度直方图等。由于是像素级的低层可视特征,因此,全局特征具有良好的不变性、计算简单、表示直观等特点,但特征维数高、计算量大是其致命弱点。此外,全局特征描述不适用于图像混叠和有遮挡的情况。局部特征则是从图像局部区域中抽取的特征,包括边缘、角点、线、曲线和特别属性的区域等。常见的局部特征包括角...原创 2019-03-11 15:52:46 · 17488 阅读 · 0 评论 -
【深度学习】过拟合与欠拟合
从模型方面考虑,举例说明,本身问题是二次的,用线性模型处理问题就是欠拟合,用三次及更高次处理问题就是过拟合。但是这里未考虑数据量的多少,只是针对本身模型阶次的考虑。而且现实问题,特别是深度模型处理的问题,并不是简单的就能确定模型复杂度的。我认为可以这么理解,处理相同的问题时,在数据量多的情况,可以用相对复杂的模型处理问题,在数据量少的情况下,可以用相对简单的模型处理问题。 在这个基础上理解论文中...原创 2019-03-11 10:35:00 · 232 阅读 · 0 评论 -
【Discriminative Representation Combinations for Accurate Face Spoofing Detection】人脸防伪阅读过程中的疑惑
图片高频信息和低频信息CSDN Reference图像的低频是指物体的大致概貌和轮廓,而高频是图像中的噪声和物体的细节人脸识别经典算法经典人脸识别算法小结——EigenFace, FisherFace & LBPH(上)经典人脸识别算法小结——EigenFace, FisherFace & LBPH(下)LBPLBP特征原理及代码实现LBP局部二值特征MSLBP...原创 2019-03-13 22:39:47 · 926 阅读 · 0 评论 -
【Faster R-CNN论文精度系列】代码解读并深入理解Region Proposal Network
1 train.prototxt文件解读找到在目录 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_end2end 下有一个train.prototxt文件,这是整个论文的框架理解,本文选取经典模型进行解读,ZF的框架可以在源码中找到必看!这部分我在【Faster R-CNN论文精度系列】从Faster R-CNN源码中,我们“学习”到了什么...转载 2018-11-28 20:10:51 · 1069 阅读 · 0 评论 -
【深度学习利器之NVIDIA Jetson TX2】Jetson-TX2入门——开箱刷机跑
因实验室项目需要,最近开始学习Jetson TX2开发板的使用和进阶,会一步步记录下流程,仅供参考,转载请注明出处。1 准备工作必备材料:Jetson TX2、原装数据线和电源线(电源公头需要自备)、搭载Ubuntu 64位系统的PC(仅支持Ubuntu14.04/16.04,我找了一台18.04的机器也是各种报错,报错内容就是18.04版本不是官方支持的版本,所以建议直接用推荐的版本)、...原创 2018-11-28 16:09:34 · 4178 阅读 · 0 评论 -
【深度学习利器之NVIDIA Jetson TX2】Jetson-TX2入门——参数性能介绍
0 参数一览1 Jetson TX2 OverviewThe Jetson TX2 is a new iteration of the Jetson Development Kit which doubles the computing power and power efficiency of the earlier Jetson TX1.The Jetson TX1 Dev Kit i...翻译 2018-11-28 00:50:15 · 11768 阅读 · 0 评论 -
【Faster R-CNN论文精度系列】代码解读并深入理解Anchor和Anchor Box
为了更方便理解,我列出了实际情况中一个图片的输入对应的过程中的各个输出结果的size,而实际情况中,输入的size是不确定的,resize之后的大小也不确定,这里只是为了方便理解和说明。可以看到,anchorbox实际上是基于feature map的,而anchorbox的数量为:75 x 100 x 9 = 67500,这里的9就是论文中的k,后面会说道,也就是说,anchorbox的数量是依...原创 2018-11-26 21:22:53 · 1708 阅读 · 0 评论 -
【可视化CNN】《Visualizing and Understanding Convolutional Networks》深入解析
0 为什么选择这篇Paper?2014年ECCV上的一篇经典文献:《Visualizing and Understanding Convolutional Networks》,可以说是可视化理解CNN领域的开山之作。让炼丹师在调参或改动网络结构并提高最终的目标精度的时候,明白自己设计的CNN网络的每一层到底学习到了什么特征。自2014年发表至今有2000多的引用量,学习这篇文章,可以很好的...原创 2018-12-04 19:54:01 · 1693 阅读 · 0 评论 -
【组会问题总结】2018.11.23 实验室组会问题总结
Q1:Terminal unavailable in Jupyter Notebook解决方案1:https://github.com/jupyter/notebook/issues/172解决方案2:https://www.zhihu.com/question/29941327/answer/71945052问题概述:This is because Windows does not ...原创 2018-11-27 00:35:05 · 766 阅读 · 0 评论 -
【Faster R-CNN论文精度系列】从Faster R-CNN源码中,我们“学习”到了什么?
1 Github代码从Github上搜索faster rcnn代码,可以看到很多版本,star数最多的版本都是论文的作者,对源码框架文件的分析很有必要的,可以弄清楚很多我们无法从论文中读懂的点。RBG大神写的Python版本code:https://github.com/rbgirshick/py-faster-rcnnShaoqingRen大神写的Matlab版本code:http...原创 2018-11-26 19:23:37 · 910 阅读 · 0 评论 -
【深度学习】LSTM(长短期记忆网络结构)
1 个人理解MOTIVATION:解决传统RNN网络中先验信息利用率不足的问题(长期依赖问题,Long-term Dependencies Problem)DESIGN:引入了cell(细胞状态)的概念,通过控制对先前信息的控制(像门电路一样),来fusion当前输入信息和先前信息2 推荐博客Understanding LSTM Networks (GOOD!)详解 LSTM (必...原创 2019-03-23 20:41:37 · 1566 阅读 · 0 评论