2015年12月_hjimce

12月 11月 10月 09月 08月 07月 06月 05月 04月

原创深度学习（二十五）基于Mutil-Scale CNN的图片语义分割、法向量估计

以为作者要采用mutil-task多任务特征学习的方法，用于估计单幅图像的深度、法向量、语义分割三个任务。还以为paper即将采用跟文献《Facial Landmark Detection by Deep Multi-task Learning》一样的思想，进行提高精度，最后仔细通读全文才知道，其实这三个任务是独立的，不是传说中的“多任务特征学习”，终于松了一口气（因为之前看《机器学习及其应用2015》这本书的第一章的时候，讲到了“鲁邦多任务特征学习”，觉得好难，看不懂，所以就对多任务特征学习有点害怕）。这

2015-12-31 23:04:30 19098 3

原创深度学习（二十四）矩阵分解之基于k-means的特征表达学习

本篇博文主要讲解2012年大神吴恩达所发表的一篇paper:《Learning Feature Representations with K-means》。可能大家对于k均值聚类，这个算法之前已经非常熟悉了，觉得这个算法是一个很简单的算法。但是其实很多人，学了k均值以后，开始前先要讲一下spherical K-means算法，这个算法与我们平时学到的k-means算法稍微有点不同，是k—means算法的一个进化版。所以需要先熟悉一下这个算法。spherical K-means故名思议，意思应该是我们的数据

2015-12-29 21:04:35 12126 2

原创深度学习（二十三）Maxout网络学习

Maxout网络学习Maxout是深度学习网络中的一层网络，就像什么激活函数层、池化层、卷积层一样。我们假设网络某一层的输入特征向量为：X=（x1,x2,……xd），也就是我们输入是d个神经元。Maxout隐藏层每个神经元的计算公式如下：上面的公式就是maxout隐藏层神经元i的计算公式。其中k就是maxout层所需要的参数了，由我们人为设定大小。就像dropout一样，也有自己的参数p(每个神经元dropout概率)，maxout的参数是k。公式中Z的计算公式为：

2015-12-27 22:45:16 59956 14

原创深度学习（二十二）Dropout浅层理解与实现

Dropout是2012年深度学习视觉领域的开山之作paper：《ImageNet Classification with Deep Convolutional》所提到的算法，用于防止过拟合。在我刚入门深度学习，搞视觉的时候，就有所耳闻，当时只知道它是为了防止过拟合，网上都说它是让某些神经元以一定的概率不工作，但是具体代码怎么实现？原理又是什么，还是有点迷糊，所以就大体扫描了文献：《Improving neural networks by preventing co-adaptation of featur

2015-12-27 17:30:41 86377 22

原创深度学习（二十一）基于FCN的图像语义分割

本篇博文主要讲解2015年的一篇图像语义分割的paper：《Fully Convolutional Networks for Semantic Segmentation》，这篇文献可以说是利用深度学习搞图像分割的开山之作，貌似获得了2015 年CVPR的best paper 奖，具体不是很清楚，只知道很牛逼的一篇文章，搞图像分割必学的文章。仅仅一年的时间，引用量非常高。感觉这篇文献的算法，比较难，如果你以前没有学过反卷网络，也没有接触过Fully Convolutional Networks这个概念，更没有

2015-12-11 20:59:15 25724 4

原创深度学习（二十）基于Overfeat的图片分类、定位、检测

本篇博文主要讲解来自2014年ICLR的经典图片分类、定位物体检测overfeat算法：《OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks》，至今为止这篇paper，已然被引用了几百次，把图片分类、定位、检测一起搞，可见算法牛逼之处非同一般啊。开始前，先解释一下文献的OverFeat是什么意思，只有知道了这个单词，我们才能知道这篇文献想要干嘛，OverFeat说的简单一点就是特征

2015-12-05 18:01:53 49359 29

原创深度学习（十九）基于空间金字塔池化的卷积神经网络物体检测

空间金字塔池化，又称之为“SPP-Net”，记住这个名字，因为在以后的外文文献中，你会经常遇到，特别是物体检测方面的paper。这个就像什么：OverFeat、GoogleNet、R-CNN、AlexNet……为了方便，学完这篇paper之后，你就需要记住SPP-Net是什么东西了。空间金子塔以前在特征学习、特征表达的相关文献中，看到过几次这个算法。既然之前的CNN要求输入固定大小的图片，那么我们首先需要知道为什么CNN需要输入固定大小的图片？CNN大体包含3部分，卷积、池化、全连接。

2015-12-05 17:40:41 32603 13

原创深度学习（十八）基于R-CNN的物体检测

本篇博文主要讲解2014年CVPR上的经典paper：《Region-based Convolutional Networks for Accurate Object Detection and Segmentation》，这篇文章的算法又被称之为：R-CNN，是物体检测领域曾经获得state-of-art的精度的经典文献，引用率非常高。所以如果你搞物体检测方面，肯定会接触到这个算法。这篇paper的思想，改变了物体检测的总思路，现在好多文献关于深度学习的物体检测的算法，基本上都是采用了同样的思想，

2015-12-05 16:58:12 98065 44

递归双边滤波（图像处理）

图像保边缘去噪算法，速度远高于传统双边滤波

2014-11-20

B样条曲线的绘制（c++语言MFC）

运行后，用鼠标输入控制顶点，然后点击菜单栏的生成B样条曲线，即可生成B样条曲线。可生成多条B样条曲线

2013-07-05

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人