![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读
文章平均质量分 88
langb2014
这个作者很懒,什么都没留下…
展开
-
Aggregating local descriptors into a compact image representation(阅读)
这一篇论文是有关图像检索的,解决在在规模图像的搜索问题(比如搜索准确率,效率,和图像特征表示的使用内存)。首先使用一种简单有效的方法,原创 2016-07-04 14:39:17 · 2437 阅读 · 0 评论 -
Fast R-CNN: Fast Region-based Convolutional Networks for object detection(阅读)
论文出处见:http://arxiv.org/abs/1504.08083项目见:https://github.com/rbgirshick/fast-rcnn看名字就知道速度比R-CNN快。论文整体实验流程如下图以AlexNet(5个卷积和3个全连接)为例,大致的训练过程可以理解为:selective search在一张图片中得到约2000个objec原创 2016-10-11 10:53:20 · 2848 阅读 · 0 评论 -
Selective Search for Object Recognition(阅读)
文章的题目就是Selective Search for Object Recognition。code:here.看图说话:1、问题:如何判别哪些region属于同一个物体?这个问题似乎没有答案:对于图a,说明了物体之间可能具有的层级关系,比如碗里有个勺子等。对于图b,我们可以根据颜色来分开两只猫,但是不能根据纹理来分开。对于图c,我们可以根据纹理来找到变色龙,原创 2016-09-19 10:05:11 · 5916 阅读 · 1 评论 -
OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks(阅读)
1、Abstract:本文展示一种ConvNets框架,整合了classification, localization, detection。利用multi-scale和sliding window与ConvNets结合达到了很好的效果。本文介绍了一种通过积累predicted bounding boxes而不是通过限制predicted bounding boxes来detectio原创 2016-08-27 13:17:32 · 3945 阅读 · 0 评论 -
R-CNN:Rich feature hierarchies for accurate object detection and semantic segmentation(阅读)
终于有闲暇梳理一下检测这个系列,R-CNN大家应该都很熟悉,看流程图就知道内容不是很多,主要是一个开创性的检测工作。在阅读论文中会有一些概念简称1)CNN:Convolutional Neural Networks 2)FC:Fully Connected3)IoU:Intersection over Union (IoU的值定义:Region Proposal与Ground原创 2016-10-06 16:40:14 · 1944 阅读 · 0 评论 -
SPP:Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(阅读)
SPP-Net已经是很早之前读过的,没有记录,现在整理检测系列的这几篇,这里简单在过一遍。论文中最重要的部分是SPM,SPM的详细阅读见博客。先看一下整体sppnet_poster原创 2016-10-07 12:01:48 · 2776 阅读 · 0 评论 -
FractalNet: Ultra-Deep Neural Networks without Residuals
来自新智元的一个博文。http://www.toutiao.com/i6290496834213249537/【题目】分形网络:无残差的极深神经网络(FractalNet: Ultra-Deep Neural Networks without Residuals)【作者】芝加哥大学 Gustav Larsson,丰田工大学芝加哥分校 Michael Maire 及转载 2017-03-29 18:29:47 · 3803 阅读 · 0 评论 -
语义分割 - Semantic Segmentation Papers
版权归作者所有,仅供学习,我是一名搬运工。作者收集不错,存起来http://www.aiuai.cn/aifarm62.htmlSemantic SegmentationAdaptive Affinity Field for Semantic Segmentation – ECCV2018 [Paper] [HomePage] Pyramid Attention Network fo...转载 2018-09-05 09:54:30 · 4076 阅读 · 0 评论 -
Deep Residual Learning for Image Recognition(阅读)
好久没整理论文了,感觉有点耗时间,总结总结还是不错的,便于记忆和细节学习。废话少说,何恺明:地址PPT讲解:地址代码:地址1、Residual networks赢了 ImageNet的detection, localization, 以及COCO数据集上的detection和segmentation2、问题:立文idea,网络越深,网络性能出现瓶颈,准确率下降,文中原创 2016-07-01 21:38:09 · 5623 阅读 · 0 评论 -
深度学习2015年文章整理(CVPR2015)
国内外从事计算机视觉和图像处理相关领域的著名学者都以在三大顶级会议(ICCV,CVPR和ECCV)上发表论文为荣,其影响力远胜于一般SCI期刊论文,这三大顶级学术会议论文也引领着未来的研究趋势。CVPR是主要的计算机视觉会议,可以把它看作是计算机视觉研究的奥林匹克。博主今天先来整理CVPR2015年的精彩文章(这个就够很长一段时间消化的了)顶级会议CVPR2015参会paper网址转载 2016-01-24 11:16:33 · 3358 阅读 · 0 评论 -
Going deeper with convolutions-GoogLeNet(阅读)
Abstract网络结构称为Inception,就是一个分类和检测的网络。该网络最大的特点就是提升了计算资源的利用率。在网络需要的计算不变的前提下,通过工艺改进来提升网络的宽度和深度。最后基于Hebbian Principle和多尺寸处理的直觉来提高性能。在ILSVRC-2014中提交了这种网络,叫GoogLeNet有22层。原创 2015-12-29 15:32:38 · 4411 阅读 · 1 评论 -
Deep Sparse Rectifier Neural Networks(阅读)
1、脑神经元接受信号更精确的激活模型(红框里前端状态完全没有激活):传统神经网络中最常用的两个激活函数,Sigmoid系(Logistic-Sigmoid、Tanh-Sigmoid)Rectifier and softplus激活函数:Softplus函数是Logistic-Sigmoid函数原函数, Softplus(x)=log(1+e x ) ,Softp原创 2015-09-01 13:39:27 · 6603 阅读 · 2 评论 -
ImageNet Classification with Deep Convolutional Neural Networks(阅读)
相信大家都看过CNN的网络框架,我就先从这篇文章框架说起,下面是Alexnet的网络结构:这个流程图的制作参考:http://blog.csdn.net/sunbaigui/article/details/399380971. conv1阶段DFD(data flow diagram):2. conv2阶段DFD(data flow diagram):3. conv原创 2015-09-08 12:11:18 · 17295 阅读 · 1 评论 -
Notes on Convolutional Neural Networks(阅读)
这篇文章是大家熟悉的CNN,这是被埋没了很久的一篇,是金子总会发光。=====================================================================使用的代码:DeepLearnToolbox ,下载地址:点击打开,感谢该toolbox的作者=========================================原创 2015-09-15 18:08:44 · 7609 阅读 · 0 评论 -
Spatial Pyramid Matching for Recognizing Natural Scene Categorie(阅读)
这篇文章要弄清楚需要先对sift,k-means,libsvm有很好了解,才能够很快的理清这篇论文,主要部分:一、Spatial Pyramid Matching 1. Pyramid Match Kernels 1)假设存在两个特征集合X、Y,其中每个特征x的维度为d。将特征空间划分为不同的尺度,在尺度下把特征空间的每一维划出个bins,那么d维的特征空间就能划出个原创 2015-09-17 19:39:31 · 1491 阅读 · 0 评论 -
Linear Spatial Pyramid Matching using Sparse Coding for Image Classification (阅读)
论文和源码地址:http://www.ifp.illinois.edu/~jyang29/ScSPM.htm原创 2015-10-06 18:54:35 · 2244 阅读 · 0 评论 -
Locality-constrained Linear Coding for Image Classification(阅读)
通熟易懂的图片,来自余凯。经过前面的BoW、BoF、SPM、ScSPM的学习,终于可以大概把CNN网络的结构稍微理解一下了:VQ啊,SC啊相当于CNN中的coding部分,SPM相当于pooling部分。 BoW+SPM的图下面是CNN等效对比图:然后接下来就是Spare Coding取代,它能很好模拟人大脑的信号处理过程,也求解问题能够用LASSO解决。原创 2015-10-07 18:59:30 · 3406 阅读 · 0 评论 -
期望最大化注意力网络 EMANet 详解
先占个坑,有空复现一下,效果看着不错。由于公式图片无法转过来,所以就直接页面转PDF搬砖过来了。转载 2019-08-27 14:41:23 · 2730 阅读 · 0 评论