- 博客(13)
- 收藏
- 关注
RSS订阅
翻译 Why Does Unsupervised Pre-training Help Deep Learning?
很多最近的研究都致力于学习深层结构的算法，例如深度置信网络(DBN)和堆叠自动编码器的变形，他们在不同的领域成果斐然，大部分建立在视觉和语言数据集。监督学习任务获得的最好的结果均包括无监督学习成分，通常是在无监督预训练阶段。即使这些算法已经应用于训练深度模型，但是对于原始的学习依旧存在许多问题。最主要的问题如下：无监督预训练是怎么工作的？对于深层结构学习的提高，这个问题的答案是很重要的。我们提出了几种假设，并通过大量的仿真进行测试。我们展示了预训练对于结构的深度、模型的能力和训练样本数量的影响。实验结果证实
2017-02-26 20:07:31
2828
1
原创 2个有序数组，找出相同元素
#include<iostream>#include<vector>using namespace std;//2个有序数组，a1,a2,...an，b1,b2,...bm，都是从小到大的顺序排列。要求在最短时间内，找出其中相同元素。void FindCommon(const vector<int>& a, const vector<int>& b, vector<int>& c){
2017-03-06 20:45:22
2852
原创 2. 字符串的包含
暴力轮询bool StringContain(string &a, string &b){ for (int i=0;i<b.length();i++) { int j; for(j=0;j<a.length() ;j++) { if (a[j]==b[i]) //注意都是== bre
2017-02-28 17:47:50
293
原创 1.2 单词翻转
//输入I am a student.输出student a am I.#include <iostream>using namespace std;void reverse (char *s, int m, int n)//m,n 起点，终点{ //前后翻转 for(int i=m-1,j=n-1;i<j;i++,j--) { char t= s[i]
2017-02-28 10:48:38
273
原创 1.1 字符串的旋转
“abcdef”->“defabc”#include <iostream>using namespace std;void swap (char* s, int n){ char t= s[0]; for(int i=1;i<n;i++) s[i-1]=s[i]; s[n-1]=t;}void rorate (char*s,int n,int m)
2017-02-27 21:05:16
271
翻译 Faster R-CNN 英文论文翻译
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检测网络的运行时间，这时计算区域建议就成了瓶颈问题。本文中，我们介绍一种区域建议网络（Region Proposal Network, RPN），它和检测网络共享全图的卷积特征，使得区域建议几乎不花时间。RPN是一个全卷积网络，在每个位置同时预测目标边界和objectness得分。RPN是端到端
2017-02-27 10:11:44
371
转载 RCNN系列学习笔记(6):SSD: Single Shot MultiBox Detector
这是今年 ECCV 2016 的一篇文章，是 UNC Chapel Hill（北卡罗来纳大学教堂山分校） 的 Wei Liu 大神的新作，论文代码：https://github.com/weiliu89/caffe/tree/ssd
2017-02-26 19:51:00
1069
转载 RCNN系列学习笔记(5):You Only Look Once(YOLO):Unified, Real-Time Object Detection
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。
2017-02-26 19:40:00
374
转载 RCNN系列学习笔记(4):Faster R-CNN
本文是继RCNN[1]，fast RCNN[2]之后，目标检测界的领军人物Ross Girshick团队在2015年的又一力作。简单网络目标检测速度达到17fps，在PASCAL VOC上准确率为59.9%；复杂网络达到5fps，准确率78.8%。
2017-02-26 19:30:44
496
转载 RCNN系列学习笔记(3):Fast R-CNN
继2014年的RCNN之后，Ross Girshick在15年推出Fast RCNN，构思精巧，流程更为紧凑，大幅提升了目标检测的速度。在Github上提供了源码。同样使用最大规模的网络，Fast RCNN和RCNN相比，训练时间从84小时减少为9.5小时，测试时间从47秒减少为0.32秒。在PASCAL VOC 2007上的准确率相差无几，约在66%-67%之间.
2017-02-26 19:23:30
515
转载 RCNN系列学习笔记(2):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。
2017-02-26 16:50:52
368
转载 RCNN系列学习笔记(1):Rich feature hierarchies for accurate object detection and semantic segmentation
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》，这篇文章的算法思想又被称之为：R-CNN（Regions with Convolutional Neural Network Features），是物体检测领域曾经获得state-of-art精度的经典文献。
2017-02-26 16:22:27
1011
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人