- 博客(5)
- 资源 (44)
- 收藏
- 关注
原创 文章Super-Convergence记录
Super-Convergence: Very Fast Training of Residual Networks Using Large Learning Rates 在这篇文章中,作者针对现在训练较慢,超参数学习率比较难找,给出了自己的解决方案,周期学习率: 将学习率设置一个最大值,和最小值,在给出一个参数stepsize,两个stepsize为一个周期,在前半个stepsize内,学习率
2017-08-31 11:26:02 1578
原创 Joint Cascade Face Detection and Alignment流程
论文Joint Cascade Face Detection and Alignment记录前言 现在人脸检测用深度学习甩传统方法一大截,但是记录下这篇文章,主要是看看思想(看文章时间较短,只有一天,有些地方可能有误): 这篇文章,使用级联树,将分类与回归都完成,使用的是局部二值特征,local binary feature,计算简单,高效,最后得到结果也还可以,但是也存在一定的问题: 参数难
2017-08-24 17:40:07 1752
原创 SVM公式推导
时间有限,markdown编辑公式不熟悉,全当是自己理理svm的公式了 支持向量机 SVM出发点: 1 对于二维平面,给定平面上的任何一个直线: 直线1 (1)对于平面上的任何一点,与直线的关系为:要么在直线上,要么在直线外,在直线上就是y(x)= 0 对于不在直线上,代入直线要么y(x) > 0,要么y(x) < 0 svm:对于平面上要分类的两类点(A类和B类
2017-08-08 15:59:05 1286
原创 softmaxwithloss入门及88.3365解决之道
softmax with loss:softmax从名字上看就是软最大,其做法其实很简单:前提:最后输出向量长度为N,与要区分的类别个数一致1 第一步,取向量的最大值,将每个值减去最大值,这样就会将所有的数都变成非正数2 求softmax:3 经过第二步就会将向量变成全部小于1,大于0,累加为1的向量,这样就比较符合我们输出每个类别的概率的判断:在那个类别下的值
2017-08-03 15:06:15 1491
Multiple_View_Geometry_in_Computer_Vision__2nd_Edition
2016-05-31
A Practical Introduction to Computer Vision with OpenCV
2016-05-31
speex降噪文献
2016-05-31
基于OpenCV的计算机视觉技术实现
2016-05-31
Algorithms_for_Image_Processing_and_Computer_Vision
2016-05-31
OpenCV 2 Computer Vision Application Programming Cookbook
2016-05-31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人