DL：CDBN 及 CDBN的应用3D ShapeNets 学习笔记

最新推荐文章于 2022-04-26 11:06:16 发布
最新推荐文章于 2022-04-26 11:06:16 发布
阅读量9.2k 收藏 11
点赞数 4
分类专栏： Deep learning Matlab notes 文章标签： 机器学习 CRBM Deep Learning 3D object detection
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/oMengLiShuiXiang1234/article/details/50894308
版权


最近看了论文CDBN  3D ShapeNets: A Deep Representation for Volumetric Shapes 将所学到的东西稍作整理。

有关论文的一些网址：

[1] CRBM http://qipeng.me/software/convolutional-rbm.html 

[2] CRBM 论文笔记 http://www.cnblogs.com/lijingcong/p/4113143.html

[3] CDBN paper http://ai.stanford.edu/~ang/papers/icml09-ConvolutionalDeepBeliefNetworks.pdf

[4] CDBN matlab 代码 http://www.adv-ci.com/blog/source/cdbn/

[5] CDBN PyCUDA 相关介绍网址 http://www.cse.msu.edu/~solgi/index.php?p=software

 


有关论文3D ShapeNets


Abstract


解决用3D data进行object detection 和从2.5Dmaps中恢复出整个3Dshapes问题，根据CDBN

最低0.47元/天 解锁文章
happy_XYY
关注
  • 4
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Audio-Features-CDBN
05-13
音频功能CDBN 我们打算获得更高级别的音频功能，并将性能与MFCC之类的音频标准功能进行比较。 这项工作很大程度上受到[1]的启发。 该应用程序将用于音频，音乐和语音。 有关更多详细信息，请联系：Ashwin Kalyan电子邮件：asaavashwin [at] gmail [dot] com或Deepu Vijayasenan电子邮件：deepu [dot] senan [at] gmail [dot] com [1] Lee，Honglak等。 “使用卷积深度置信网络进行音频​​分类的无监督特征学习。” 神经信息处理系统的进步。 2009年。
硅谷实战：对抗样例及DL模型弱点.zip
08-05
《硅谷实战：对抗样例及DL模型弱点》这个资源主要探讨了深度学习（Deep Learning, DL）模型在处理数据时面临的一个重要问题——对抗样例（Adversarial Examples）。对抗样例是特意设计来误导机器学习模型，尤其是...
3D ShapeNets
weixin_41036461的博客
12-05 381
源链接： https://blog.csdn.net/cv_family_z/article/details/49797409 主页:http://vision.princeton.edu/projects/2014/3DShapeNets/ 提要：使用CAD数据作为训练数据，使用卷积DBN网络构建了一个3D ShapeNets，对Kinect传感器获取的2.5D深度图进行目标识别和复原全3...
CDBN卷积深度信念网
wulimmya的博客
08-03 3754
斯坦福大学的Honglak Lee，Andrew Y. Ng的学生的论文。
最近研究卷积深度信念网络 CDBN matlab工具箱 修复了一些bug总结
fyzmzw的博客
11-10 339
先分享一篇慕课手记： https://www.imooc.com/article/44257 这篇博客写的特别棒！！！初始调试的基本问题都说清楚了。 后面有问题继续补充。。。
DL：Convolutional Deep Belief Networks（CDBN） 代码（matlab）理解
人工智能
04-23 7116
最近看了论文CDBN 的论文和代码，现将对代码的理解稍作整理。 有关论文的一些网址： [1] CRBM http://qipeng.me/software/convolutional-rbm.html  [2] CRBM 论文笔记 http://www.cnblogs.com/lijingcong/p/4113143.html [3] CDBN paper http:/
MLDL:李宏毅2020深度学习笔记（自用）
04-09
MLDL 研究生预备知识学习笔记，包含李宏毅深度学习与数字图像处理。 深度学习笔记在基础上添加自己的理解，纯自用。 MLDnotes 深度学习笔记 papernotes 论文笔记与相关知识 plans 每日计划
【DL学习笔记】打卡02：Task03-05
01-07
Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer Task05：卷积神经网络基础；leNet；卷积神经网络进阶 过拟合、欠拟合及其解决方案 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合...
Applied_DL：应用深度学习项目
02-14
Applied_DL Python 主要软件包：tensorflow，keras，matplotlib，pandas，numpy，scikit-learn 2a。 使用Web浏览器进行数据增强的图像分类 2b。 将图像分类模型转换为TF.js格式并在浏览器中运行
matlab精度检验代码-CDBN:具有'MATLAB'，'MEX'，'CUDA'版本的卷积深度信念网络
05-21
matlab精度检验代码具有'MATLAB'，'MEX'，'CUDA'版本的卷积深度信念网络 该程序是卷积深度信任网络的实现。 在此代码中，均支持二进制和高斯可见类型。 此外，CUDA加速也包括在内。 我们提供了一些演示程序来演示代码的用法。 要求 操作系统：Ubuntu 10.04（64位）（仅在此平台上进行测试） GNU C / C ++编译器 Matlab的 CUDA 5.0或以上 建造 将路径更改为“ CDBN /工具箱/ CDBNLIB / mex” 编辑“ Makefile”，将“ MATLAB_DIR”和“ CUDA_DIR”修改为正确的路径。 make 运行程序 运行'setup_toolbox.m'; 运行“ DemoCDBN_Binary_2D.m”或“ DemoCDBN_Gaussian_2D.m” 实验 我们对mnist数据（2000个火车数据和2000个测试数据）中的“卷积深度信任网络”，“深度信任网络”和“定向Softmax”进行了分类实验。 这三种方式的详细参数可以在代码中找到。 比较结果（准确性）如下： 测试数据中未添加任何噪声：CDBN：95.1％DB
shape viewer 小巧的shapefile查看软件
12-21
shapefile查看器，shapeviwer，小巧，简单，快速。
深度学习网络（deep learning）matlab工具箱
01-24
深度学习网络matlab工具包，包含深度信度网络dbn，卷积网络cnn，sae（stacked auto-encoders）,cae(Convolutional auto-encoders)等实现。 ================================================================ Directories included in the toolbox ----------------------------------- `NN/` - A library for Feedforward Backpropagation Neural Networks `CNN/` - A library for Convolutional Neural Networks `DBN/` - A library for Deep Belief Networks `SAE/` - A library for Stacked Auto-Encoders `CAE/` - A library for Convolutional Auto-Encoders `util/` - Utility functions used by the libraries `data/` - Data used by the examples `tests/` - unit tests to verify toolbox is working For references on each library check REFS.md =========================================================== ps：在某些matlab中，可能没有rng函数，从而导致测试脚本中报错。该函数作用只是初始化随机函数种子，可以直接把rng(0)这句注释掉，或者用rand函数去设置随机种子。
3DShapeNets:用于cvpr2015项目3DShapeNets
05-19
3D ShapeNets：体积形状的深层表示 介绍 该代码在3D中实现了卷积深度信任网络，并将其应用于2.5D深度对象识别，3D形状完成，NBV选择等。 要运行代码，应安装支持CUDA的GPU。 用户应确保深度渲染功能RenderMex正常工作。 这取决于openGL。 我们建议将$ MATLAB_HOME / sys / opengl / lib / glnxa64 / libGL.so.1添加到LD_LIBRARY_PATH。 我们已经在Ubuntu 12.04和14.04，Matlab R2013a及更高版本上测试了我们的代码。 代码 训练3D ShapeNets涉及一个预训练阶段（run_pretrainin.m）和一个微调阶段（run_finetuning.m）。 生成式微调非常耗时，有时只能稍微提高性能。 您可能会忽略它。 这是代码的组织方式： 1. The roo
聚类数据集shapeset
12-29
聚类数据集shapeset
卷积神经网络（CNN）
weixin_39910711的博客
03-27 1万+
卷积神经网络百度百科：https://baike.baidu.com/item/%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/17541100?fr=aladdin 机器之心，从入门到精通：卷积神经网络初学者指南：https://www.jiqizhixin.com/articles/2016-08-01-3 您需要了解的9篇深度学习论文（CNN理解第3部分）：https://adeshpande3.github.i...
常用的深度学习模型
热门推荐
羞羞滴小朋友
09-20 1万+
目录 １ 自动编码器 ２ 受限玻尔兹曼机 3.深信度网络 １ 自动编码器 如果事先不知道输入数据的标签，那么可以使用自动编码器。 自动编码器训练示意图标题 自动编码器让输入数据经过一个编码器得到一个编码输出，在将该输出导入一个解码器得到最终的输出，由于输入数据是无标签数据，此时的误差来自于输出和原输入之间的比较。通过调整编码器和解码器的参数，使得误差达到最小，就能得到输入信号的另...
【点云处理之狂读论文经典篇1】——3D ShapeNets: A Deep Representation for Volumetric Shapes
yuanmiyu6522的博客
04-26 5202
3D ShapeNet：一种体素形状的深度表示方法1.摘要2.引言3.相关工作4.3D ShapeNets4. 2.5D Recognition and Reconstruction4.1 View-based Sampling4.2 Next-Best-View Prediction5.ModelNet: A Large-scale 3D CAD Dataset6.实验6.1Classification and Retrieval6.2 View-based 2.5D Recognition6.2Next
3D ShapeNets: A Deep Representation for Volumetric Shapes翻译
weixin_42037651的博客
09-16 2018
3D ShapeNets：体积形状的深度表示 摘要   在当今的计算机视觉系统中，3D 形状是一个关键但未充分利用的线索，主要是由于缺乏良好的通用形状表示。随着最近廉价 2.5D 深度传感器（例如 Microsoft Kinect）的出现，在循环中拥有强大的 3D 形状表示变得越来越重要。除了类别识别，从基于视图的 2.5D 深度图中恢复完整的 3D 形状也是视觉理解的关键部分。为此，我们建议使用卷积深度信念网络将几何 3D 形状表示为 3D 体素网格上二元变量的概率分布。我们的模型 3D ShapeNet
Java深度学习框架DL4J：开源生态与实战应用
6. **Examples**: dl4j-examples包含了一系列示例项目，涵盖了各种深度学习应用场景，有助于初学者快速上手和进阶开发者深入学习。 7. **Model Zoo**: dl4j-model-zoo收集了预先训练好的模型，可以直接应用于特定...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值