![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 95
夏洛的网
这个作者很懒,什么都没留下…
展开
-
论文学习1----理解深度学习需要重新思考泛化Understanding deep learning requires rethinking generalization
——论文地址:Understanding deep learning requires rethinking generalization1、有关新闻1.1 新闻一:参考1:机器之心尽管深度人工神经网络规模庞大,但它们的训练表现和测试表现之间可以表现出非常小的差异。传统的思考是将小的泛化误差要么归结为模型族的特性,要么就认为与训练过程中的正则化技术有关。通过广泛的系统性实验,我们表明这些传统的方法并原创 2017-06-14 11:13:59 · 2475 阅读 · 0 评论 -
生成对抗网络学习笔记5----DCGAN(unsupervised representation learning with deep convolutional generative adv)的实现
首先是各种参考博客、链接等,表示感谢。1、参考博客1:地址——以下,开始正文。2017/12/12 更新 解决训练不收敛的问题。更新在最后面部分。1、DCGAN的简单总结稳定的深度卷积GAN 架构指南:所有的pooling层使用步幅卷积(判别网络)和微步幅度卷积(生成网络)进行替换。在生成网络和判别网络上使用批处理规范化。对于更深的架构移除全连接隐藏层。在生成网络的所有层上使用RelU激活函原创 2017-07-05 21:49:19 · 51487 阅读 · 181 评论 -
基于深度学习的目标检测综述
一、综述二、演进三、总结四、参考文献原创 2018-05-29 21:54:02 · 4740 阅读 · 1 评论 -
Faster RCNN 学习与研究
Faster RCNN一些术语翻译:region proposal:候选框region:proposal:bounding box:理解Faster rcnn第一次完成了目标检测的端到端训练,将region proposal 和 object detection结合到一起。在这以前,rcnn通过selective search等计算出region propo...原创 2018-07-01 16:40:12 · 4936 阅读 · 1 评论 -
yolo v1 学习与研究
Yolo:you only look once: unified and real-time object detection理解原文部分翻译摘要作者提出一个新的目标检测方法,yolo。先前的目标检测都是转化为分类问题来做,作者将目标检测重新使用回归,在空间上分割bounding box和类别预测概率。一个简单的神经网络预测的目标框和类别预测值可以在一次验证中直...原创 2018-07-03 08:52:56 · 925 阅读 · 1 评论 -
SSD 学习与研究
目标检测–SSD论文地址:https://arxiv.org/abs/1512.02325project:https://github.com/apache/incubator-mxnet/tree/master/example/ssd其他参考链接:一、对比二 、核心思想三、论文效果四、总结...原创 2018-08-08 22:50:32 · 1242 阅读 · 0 评论 -
轻量化神经网络模型总结:SqueezeNet、Xception、MobileNet、ShuffleNet
总结今年来的几个轻量化模型:SqueezeNet、Xception、MobileNet、ShuffleNet下面给出时间轴:2016.02 伯克利&斯坦福提出 SqueezeNet2016.10 google提出 Xception2017.04 google提出 MobileNet2017.07 face++提出 Shuffle...原创 2018-08-20 20:58:31 · 13623 阅读 · 1 评论 -
经典卷积神经网络总结:Inception v1\v2\v3\v4、ResNet、ResNext、DenseNet、SENet等
本文为总结今年来的卷积神经网络,主要按照时间线和方法类似程度的顺序总结。开篇先前说下概要,然后展开详细介绍,主要是在densenet、resnext、senet这三个网络上介绍,前面的一系列网络大概讲一下思想。1、时间轴 时间 团队 论文 2014.09 google Inception v1 2015.02 google Ince...原创 2018-08-21 22:35:29 · 17275 阅读 · 3 评论 -
基于深度学习的人脸识别综述
本文转载自https://xraft.github.io/2018/03/21/FaceRecognition/(作者:Caleb Ge (葛政)),如有侵权请告知删除。(下文中的“我”均为原文作者)另附有查找的其他参考链接:论文介绍方面链接:1、https://blog.csdn.net/fengbingchun/article/details/809046882、https://...转载 2018-10-18 21:05:33 · 11812 阅读 · 3 评论 -
YOLO v2 学习与研究
论文:YOLO9000:Better, Faster, Stronger论文链接:https://arxiv.org/abs/1612.08242工程链接:https://pjreddie.com/一、对比1、二、核心思想三、论文翻译原创 2018-10-16 22:56:52 · 397 阅读 · 0 评论 -
【人脸识别】A Discriminative Feature Learning Approach for Deep Face Recognition
一、理解1、核心思想2、论文效果3、总结二、原文翻译1、abstract卷积神经网络目前广泛应用于计算机视觉领域,明显地提高了state-of-the-art。在大多数可用的CNNs中,softmax损失函数被用作监督信号以训练深度模型。为了提高深度学习特征的判别能力,这篇论文为人脸识别任务提出一个新的监督信号,成为center loss。特别的,center loss同时学习每个类...原创 2018-10-24 20:55:33 · 769 阅读 · 0 评论 -
【论文学习】Two-Stream总结
最近研究two stream网络,顺便整理一下, 未完待续 2017/12/081、14年Two-stream convolutional networks for action recognition in videos首次提出two stream网络,主要分为两个流,空间流处理静止图像帧,得到形状信息,时间流处理连续多帧稠密光流,得到运动信息。两个流最后经过softmax后,做分类分数的融合原创 2017-12-08 11:27:25 · 16207 阅读 · 1 评论 -
【论文学习】Abnormal behavior recognition for intelligent video surveillance systems: A review
Abnormal behavior recognition for intelligent video surveillance systems: A review原文地址Mabrouk A B, Zagrouba E. Abnormal behavior recognition for intelligent video surveillance systems : a review[J]. Ex翻译 2017-11-29 20:04:42 · 2458 阅读 · 0 评论 -
生成对抗网络学习笔记1----论文Generative Adversarial Nets
1、阅读论文:Goodfellow I J, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets[C]// International Conference on Neural Information Processing Systems. MIT Press, 2014:2672-2680.论文地址:GANs2、翻译论文摘要我们原创 2017-05-26 10:28:03 · 16447 阅读 · 7 评论 -
生成对抗网络学习笔记3----论文unsupervised representation learning with deep convolutional generative adversarial
论文原文:地址论文译文:地址1、阅读论文Radford A, Metz L, Chintala S. Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks[J]. Computer Science, 2015.2、翻译论文摘要近年来,使用卷积神经网络的监督学习被大量应用原创 2017-06-20 16:45:16 · 33007 阅读 · 7 评论 -
生成对抗网络学习笔记2----GANs(Generative Adversarial Nets)总结
原文地址:GANs翻译地址:生成对抗网络此文是对论文Generative Adversarial Nets读后的一个总结。参考博客1:地址 参考博客2:地址 参考新闻3:地址 参考Twitter4:地址1、简单总结GAN是一个极大极小博弈问题,网络中分为两个模型,一个生成模型G,作为生成器,用来生成与真实数据x极为相似的含有噪音z的数据;一个判别模型D,作为判别器,用来判别数据中哪些是真实数据原创 2017-06-20 11:43:47 · 8110 阅读 · 0 评论 -
生成对抗网络学习笔记4----GAN(Generative Adversarial Nets)的实现
首先是各种参考博客、链接等,表示感谢。1、参考博客1:地址 2、参考博客2:地址——以下,开始正文。1、GAN的简单总结见上一篇博客。2、利用GAN生成1维正态分布首先,我们创建“真实”数据分布,一个简单的高斯分布,均值为4,标准差为0.5,。还有一个样本函数,返回分布中给定数量的样本(按值排序过)。class DataDistribution(object): def __init__(原创 2017-06-30 11:38:37 · 2706 阅读 · 8 评论 -
【论文学习】3D Convolutional Neural Networks for Human Action Recognition
3D Convolutional Neural Networks for Human Action Recognition原文链接摘要我们考虑的是在不受控制的环境下全自动动作识别。大多数现存的工作依赖于其专业知识从输入中构建复杂的人工特征。而且环境通常假定为可控的。卷积神经网络是一种深度模型,它可以直接作用在原始输入上,因此其特征构建是自动的。然而,这种模型目前仅限制于处理2D模型。在这篇文章中,我翻译 2017-09-22 19:31:14 · 12272 阅读 · 4 评论 -
【论文学习】Large-scale Video Classification with Convolutional Neural Networks
Large-scale Video Classification with Convolutional Neural Networks原文地址粗略翻译摘要:卷积神经网络(CNN)是图像识别问题上一个非常强大的模型。受到这些结果的鼓舞,我们在大范围的视频分类中提供了广泛的实例评估,我们使用的数据集是100万个、属于487的类别的YouTube视频。为了利用局部时空信息,我们学习了多种方法来扩展CNN在翻译 2017-09-29 15:29:34 · 5150 阅读 · 0 评论 -
异常行为检测论文学习综述
近来找了几篇异常行为检测的论文,先大概浏览了一下摘要,记录主要内容,以便后续查看。1、Abnormal behavior detection using hybrid agents in crowded scenesKeywords: Visual surveillance Abnormal behavior detection Event detection Behavior recogn原创 2017-10-19 10:17:29 · 16864 阅读 · 2 评论 -
【论文学习】Two-Stream Convolutional Networks for Action Recognition in Videos
Two-Stream Convolutional Networks for Action Recognition in Videos原文地址粗略翻译摘要:我们研究了视频中用于训练动作识别的深度卷积网络的架构。这个挑战是捕捉静止帧中的外表和连续帧间中的运动之间的互补信息。我们也志在推广在数据驱动的学习框架中表现最好的手工特征。一共做出了3个贡献:首先,提出了一个two-stream卷积网络架构,这个架翻译 2017-10-28 17:50:30 · 7393 阅读 · 0 评论 -
【人体行为识别】Reversing Two-Stream Networks with Decoding Discrepancy Penalty for Robust Action Recogniton
论文链接:https://arxiv.org/pdf/1811.08362.pdf这篇论文讨论的是行为识别中的鲁棒性和泛化能力。论文简要0、摘要作者认为,对乱序的帧序列和多变的视频环境,目前的动作识别方法不够鲁棒性和泛化。造成这种问题的原因,作者认为,一是由于传统方法中有着不同输入的多流网络的决策差异问题,二是在交叉数据实验中,作者发现光流特征很难被迁移,这影响了two-stream网路...原创 2018-12-31 20:29:10 · 1236 阅读 · 4 评论