- 博客(8)
- 资源 (2)
- 收藏
- 关注
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
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人