![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
DL
梦之泪殇
自动化所2016级研究生,方向human pose estimation
展开
-
Dropout:A Simple Way to Prevent Neural Networks from Overfitting
这是一篇深度学习领域引用量目前达到1779的文章,在学习深度学习必读文章之列,下面理解下作者们的主要思想原创 2017-08-21 11:44:34 · 2136 阅读 · 0 评论 -
CNN学习笔记
CNN学习笔记原创 2017-08-22 10:37:35 · 382 阅读 · 0 评论 -
BN - Batch normalization
BN大法无敌,这博客从效果上分析为何如此牛逼,原理请移步其它blog,这里就不再赘述了论文 : Ioffe, S., & Szegedy, C. (2015). Batch normalization: Accelerating deep network training by reducing internal covariate shift. arXiv preprint arXi...原创 2018-11-29 21:45:56 · 157 阅读 · 0 评论 -
理解深度学习各种优化策略-SGD,Adagrad,Momentum...
https://blog.csdn.net/huplion/article/details/79184338原创 2018-11-29 22:37:32 · 367 阅读 · 0 评论 -
mxnet - 安装
在服务器上装mxnet 先把环境调到合适的python版本: exportexport PATH=~/miniconda3/bin:$PATH 然后 python下,显示确认下python版本hjj@user711:~$ pythonPython 3.6.5 |Anaconda, Inc.| (default, Apr 29 2018, 16:14:56)[GCC 7....原创 2018-11-27 09:25:21 · 1361 阅读 · 0 评论 -
PoseTrack-Dataset
和以往数据集之间的对比:数据来源:基于MPII 的 raw video data 选择41-298相邻帧的视频片段选择拥挤的场景,场景中包含多人,人与人之间互相铰接,在参与多种动态活动选择的目的包括:让视频包含大量的肢体运动和姿态,以及外观变化 包含高度的相互遮挡和截断,目标会出现部分或者全部消失和重现等情况 人的大小会在视频中发生变化,因为人的运动或者场景的...翻译 2018-11-30 16:39:40 · 8720 阅读 · 11 评论 -
Unsupervised Generation of Optical Flow Datasets from Videos in the Wild
摘要真实世界,非固定相机情况下,图像的稠密光流GroundTruths是不可得的,这是因为注释是非直观的,即标注是float类型的向量摘要针对光流深度网络的训练,提出了一种无监督的光流地面真实感生成算法该算法从视频中的图像对中提取并匹配感兴趣的对象,寻找初始约束条件,在感兴趣的物体上施加as-rigid-as-possible的变形以获得稠密的流场。通过使用流场对第一帧中的对象进行...翻译 2018-12-12 10:24:08 · 377 阅读 · 1 评论