2016年07月_mydear_11000

转载 Tensorflow（一）安装运行

默认安装路径：/usr/local/lib/python2.7/dist-packages/tensorflow=====================================================================================================#install pythonsudo apt-get install python-...

2016-07-25 09:45:44 47575 2

转载算法研究、编程艺术、红黑树、数据挖掘、程序员面试5大系列集锦

2016-07-21 15:05:44 711

转载 Tegra TX1 安装配置 + caffe run

Jetson开箱后的第一步就是登陆。你可以接上一个显示器和键盘，但是我推荐你仅仅将它插入到一个本地的路由器，然后使用ssh登陆（elinux.org/Jetson/Remote_Access有更多的细节），在你的本地网络Jetson会显示为“tegra-ubuntu.local”，用户名是“ubuntu”。ssh [email protected]［此处如无法登录，建

2016-07-20 14:40:47 4443 2

转载 CNN 中， 1X1卷积核到底有什么作用呢？

http://www.caffecn.cn/?/question/136 摘抄于这里从NIN 到Googlenet mrsa net 都是用了这个，为什么呢发现很多网络使用了1X1卷积核，这能起到什么作用呢？另外我一直觉得，1X1卷积核就是对输入的一个比例缩放，因为1X1卷积核只有一个参数，这个核在输入上滑动，就相当于给输入数据乘以一个系数。不知道我理解的是否正确。我来说说

2016-07-19 15:14:53 1461

转载深度 | 为你的深度学习任务挑选最合适GPU：从性能到价格的全方位指南

当你在深度学习中使用 GPU 时,你会一次又一次地为它带来的速度提升而感到惊叹：在一般问题中能获得相对于 CPU 快 5 倍的速度提升，在一些更大的问题中还能获得相对快 10 倍的速度提升。在 GPU 的帮助下，你可以更快地试验新的想法、算法和实验，并迅速得到反馈——哪些是可行的、哪些是不可行的。如果你对深度学习是认真的，那么你一定要使用 GPU。但是，你应该选择哪一种呢？在这篇博客中我将指导你选

2016-07-19 14:06:51 22775 2

转载计算机视觉和模式识别 CVPR2016的代码合集

JamesChuanggg/san-torch: Torch Implementation for Stacked Attention Networks for Image Question Answering(github.com)attentionconference-cvpr-2016cvpr-images-and-languagecvpr-language-and-vision

2016-07-15 10:32:22 16026 1

转载 CVPR 2016 paper

Deep Compositional Captioning: Describing Novel Object Categories Without Paired Training DataLisa Anne Hendricks,Subhashini Venugopalan,Marcus Rohrbach,Raymond Mooney,Kate Saenk

2016-07-15 09:25:42 9526

转载 YUV视频格式到RGB32格式转换的速度优化中篇

YUV视频格式到RGB32格式转换的速度优化中篇 [email protected] 2007.11.05 tag: YUV,YCbCr,YUV到RGB颜色转换,YUV解码,VFW,视频,MMX,SSE,多核优化摘要: 我们得到的很多视频数据(一些解码器的输出或者摄像头的输出等)都使用了一种叫YUV的颜色格式；本文介绍

2016-07-14 10:58:17 583

转载 YUV视频格式到RGB32格式转换的速度优化上篇

YUV视频格式到RGB32格式转换的速度优化上篇 [email protected] 2007.10.30 tag: YUV,YCbCr,YUV到RGB颜色转换,YUV解码,VFW,视频,MMX,SSE,多核优化摘要: 我们得到的很多视频数据(一些解码器的输出或者摄像头的输出等)都使用了一种叫YUV的颜色格式；本文介绍

2016-07-14 10:57:38 1218 1

转载算法优化:rgb向yuv的转化最优算法,快得让你吃惊!

朋友曾经给我推荐了一个有关代码优化的pdf文档《让你的软件飞起来》，看完之后，感受颇深。为了推广其，同时也为了自己加深印象，故将其总结为word文档。下面就是其的详细内容总结，希望能于己于人都有所帮助。速度取决于算法同样的事情，方法不一样，效果也不一样。比如，汽车引擎，可以让你的速度超越马车，却无法超越音速；涡轮引擎，可以轻松超越音障，却无法飞出地球；如果有火箭发动机，就可以到达火

2016-07-14 10:37:34 541

转载 Alex / OverFeat / VGG 中的卷积参数

在imagenet上的图像分类challenge上Alex提出的alexnet网络结构模型赢得了2012届的冠军。要研究CNN类型DL网络模型在图像分类上的应用，就逃不开研究alexnet，这是CNN在图像分类上的经典模型（DL火起来之后）。在DL开源实现caffe的model样例中，它也给出了alexnet的复现，具体网络配置文件如下https://github.com/BVLC/caffe

2016-07-12 09:40:12 980

转载 RCNN学习笔记(8)：Fully Convolutional Networks for Semantic Segmentation(全卷积网络FCN）

【论文信息】《Fully Convolutional Networks for Semantic Segmentation》CVPR 2015 best paperReference link: http://blog.csdn.net/tangwei2014http://blog.csdn.net/u010025211/article/details/512095

2016-07-11 17:55:37 1072 1

转载 RCNN学习笔记(7):Faster R-CNN 英文论文翻译笔记

Shaoqing Ren, Kaiming He, Ross Girshick, Jian Sunreference link：http://blog.csdn.net/liumaolincycle/article/details/48804687摘要目前最先进的目标检测网络需要先用区域建议算法推测目标位置，像SPPnet[7]和Fast R-CNN[5]这些网络已经减少了

2016-07-11 17:55:00 1878

转载 RCNN学习笔记(6)：You Only Look Once(YOLO):Unified, Real-Time Object Detection

Reference link:http://blog.csdn.net/tangwei2014这是继RCNN，fast-RCNN 和 faster-RCNN之后，rbg（Ross Girshick）大神挂名的又一大作，起了一个很娱乐化的名字：YOLO。虽然目前版本还有一些硬伤，但是解决了目前基于DL检测中一个大痛点，就是速度问题。其增强版本GPU中能跑45fps，简化版本1

2016-07-11 17:54:06 1341 1

转载 RCNN学习笔记(5)：faster rcnn

reference link：http://blog.csdn.net/shenxiaolu1984/article/details/51152614http://blog.csdn.net/luopingfeng/article/details/51245694http://blog.csdn.net/xyy19920105/article/details/50817725思

2016-07-11 17:53:28 1512 1

转载 RCNN学习笔记(4)：fast rcnn

reference link:http://zhangliliang.com/2015/05/17/paper-note-fast-rcnn/http://blog.csdn.net/shenxiaolu1984/article/details/51036677http://blog.csdn.net/qq_26898461/article/details/50906926论文

2016-07-11 17:52:56 1808

转载 RCNN学习笔记(3):Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(SPP-net)

CNN网络需要固定尺寸的图像输入，SPPNet将任意大小的图像池化生成固定长度的图像表示，提升R-CNN检测的速度24-102倍。固定图像尺寸输入的问题，截取的区域未涵盖整个目标或者缩放带来图像的扭曲。事实上，CNN的卷积层不需要固定尺寸的图像，全连接层是需要固定大小输入的，因此提出了SPP层放到卷积层的后面，改进后的网络如下图所示：SPP是BOW的扩展，将图像从精细空间划分到粗糙空间

2016-07-11 17:52:14 986

转载 RCNN学习笔记(2):Rich feature hierarchies for accurate object detection and semantic segmentation

基于R-CNN的物体检测参考地址：http://blog.csdn.net/hjimce/article/details/50187029一、相关理论本篇博文主要讲解2014年CVPR上的经典paper：《Rich feature hierarchies for Accurate Object Detection and Segmentation》，这篇文章的算法

2016-07-11 17:51:28 5329 1

转载 RCNN学习笔记(1):Rich feature hierarchies for accurate object detection and semantic segmentation

rcnn主要作用就是用于物体检测，就是首先通过selective search 选择2000个候选区域，这些区域中有我们需要的所对应的物体的bounding-box，然后对于每一个region proposal 都wrap到固定的大小的scale,227*227(AlexNet Input),对于每一个处理之后的图片，把他都放到CNN上去进行特征提取，得到每个region proposal的f

2016-07-11 17:50:49 909

转载 RCNN学习笔记(0):rcnn简介

reference link: http://blog.csdn.net/shenxiaolu1984/article/details/51066975Region CNN(RCNN)可以说是利用深度学习进行目标检测的开山之作。作者Ross Girshick多次在PASCAL VOC的目标检测竞赛中折桂，2010年更带领团队获得终身成就奖，如今供职于Facebook旗下的FAIR。这

2016-07-11 17:50:07 757

转载 Very Deep Convolutional Networks for Large-Scale Image Recognition(VGG模型)

最近在看imagenet ILSVRC2015 比赛结果，除了 msra 的深度残差神经网络外，采用最多的还是 googlenet和VGG这两种网络模型，优化方法上更多的使用了batch nomalization,prelu等，大多团队都是这两个模型上改进，采用新的优化方法，多模型融合等。这里重点总结一下VGG，本文是牛津大学 visual geometry group（V

2016-07-11 09:29:36 806

转载 RCNN--对象检测的又一伟大跨越 2（包括SPPnet、Fast RCNN）（持续更新）

继续上次的学习笔记，在RCNN之后是Fast RCNN，但是在Fast RCNN之前，我们先来看一个叫做SPP-net的网络架构。一，SPP（空间金字塔池化，Spatial Pyramid Pooling）简介：　　有一个事实需要说清楚：CNN的卷积层不需要固定尺寸的图像，全连接层是需要固定大小输入的，因此提出了SPP层放到卷积层的后面。SPPNet将任意大小的图像池化生成固定长度的图像表

2016-07-11 09:26:13 1220 1

转载 RCNN--对象检测的又一伟大跨越

最近在实验室和师兄师姐在做有关RCNN的研究，发现这里面坑很深呀，在网上找了一个大牛的博客，准备下来继追OPENCV同时，再来追一个RCNN的学习笔记的博文，博文地址如下：http://blog.csdn.net/column/details/ym-alanyannick.html，真的很感谢原作者提供这么好的学习资料，我就站在巨人的肩膀上总结学习下。　　-------------------

2016-07-11 09:25:29 856

转载 DPM--对象检测开山之作

本文非原创，原文转载自：http://blog.csdn.net/ttransposition/article/details/12966521DPM(Deformable Parts Model)Reference:Object detection with discriminatively trained partbased models. IEEE Trans. PAMI, 32

2016-07-11 09:24:51 1320

转载矩阵分解（rank decomposition）文章代码汇总

本文收集了现有矩阵分解的几乎所有算法和应用，原文链接：https://sites.google.com/site/igorcarron2/matrixfactorizationsMatrix Decompositions has a long history and generally centers around a set of known factorizations such

2016-07-01 12:43:42 1198

slamer的专栏