qq_29133371的博客

warp-ctc: https://github.com/baidu-research/warp-ctcAnaconda 安装tensorflow参照官网即可。环境：Ubuntu 14.04，tf 1.5, GPU1：找一个位置，clone warp-ctcgit clone https://github.com/baidu-research/warp-ctc.gitcd warp-ctc2:创...

由于公式上传不上去，没办法。文档地址：http://download.csdn.net/download/qq_29133371/9998046，为什么现在没有0分值了？

由于公式上传不上去，没办法。文档地址：http://download.csdn.net/download/qq_29133371/9998064，为什么现在没有0分值了？

基于region proposal方法R-CNN是针对区域提取特征的目标检测模型检测流程：通过selective search的方式从图片中提取可能的目标的候选窗口，将窗口warp到同一个尺寸，通过卷积网络从warp之后的候选窗口提取特征，将特征送给分类器进行分类，最后再加上bounding box regression等操作得到更准确的目标位置。总结起来就是先训练SVM分类器，后进行

不支持复制粘贴公式，很无奈。

出处：https://zhuanlan.zhihu.com/p/25167153分析的比较细致，直接看原文，图不完整本文是对 YOLO9000: Better, Faster, Stronger （项目主页） 的翻译。加了个人理解和配图。内容参考了 YOLOv2 论文笔记 - Jesse_Mx 。水平有限，错误之处欢迎指正。1. 概述YOLO2主要有两个大方面的

转自：点击打开链接上一篇我们介绍了：深度学习方法（十二）：卷积神经网络结构变化——Spatial Transformer Networks，STN创造性地在CNN结构中装入了一个可学习的仿射变换，目的是增加CNN的旋转、平移、缩放、剪裁性。为什么要做这个很奇怪的结构呢？原因还是因为CNN不够鲁棒，比如把一张图片颠倒一下，可能就不认识了（这里mark一下，提高CNN的泛化能力，值得继续花很大

Batch_Size（批尺寸）是机器学习中一个重要参数，涉及诸多矛盾，下面逐一展开。首先，为什么需要有 Batch_Size 这个参数？Batch 的选择，首先决定的是下降的方向。如果数据集比较小，完全可以采用全数据集 （ Full Batch Learning ）的形式，这样做至少有 2 个好处：其一，由全数据集确定的方向能够更好地代表样本总体，从而更准确地朝向极值所在的方向。其

图像卷积及Caffe中的卷积实现　　原创内容，转载请注明出处。 　　本文简单介绍了图像卷积相关的知识以及Caffe中的卷积实现方法，写作过程中参考了很多很赞的资料，有兴趣的读者可以从【参考资料】查看。 　　博文中的错误和不足之处还望各位读者指正。什么是卷积？　　专业不是信工方面，也没学过信号与系统这门课。所以我也就不给出很专业的卷积定义和公式表达，引用一个例

feature map计算方法：在CNN网络中roi从原图映射到feature map中的计算方法INPUT为32*32，filter的大小即kernel size为5*5，stride = 1，pading=0,卷积后得到的feature maps边长的计算公式是：output_h =（originalSize_h+padding*2-kernelSize_h）/stride

Speed/accuracytrade-offs for modern convolutional object detectors 1：Accurancy VS time从上图可以看出SSD，R-FCN在速度上要远远超过Faster R-CNN，但是在精度上Faster R-CNN领先，R-FCN紧随其后。但是Faster R-CNN可以通过设置region propos

一：数据集制作，参考我的上一篇文章http://blog.csdn.net/qq_29133371/article/details/54408165数据集制作完成后将这三个文件夹复制至一个文件夹（命名为VOC2007）当中，再移动至$pva-faster-rcnn/data/VOCdevkit2007中，替换原来的VOC2007二：训练阶段类别设置：（有几类设置几类，我的这

前言：数据样式参照PASCALVOC一：搜集图片，或者视频数据等，利用标注工具，形成图片信息以及注释信息。标注工具，自己编写的，可以拿去使用：二：通过xml文件以及图片信息形成ImageSets/Main/trainval.txt，test.txt，val.txt，trainval.txt文件地址：链接：http://pan.baidu.com/s/1cxNnrg 密码：j

Beyond Skip Connections: Top-Down Modulation for Object Detection   此图是整个文章的框架图。1：Top-Down Modulation (TDM)      TDM模块由两部分组成，T模块与L模块（侧面模块），下面详细介绍下这个模块。 1.1 L模块（lateral module