- 博客(4)
- 收藏
- 关注
原创 R-FCN:基于区域的全卷积网络来检测物体
CVPR 2016 阅读~ 原文标题为“R-FCN: Object Detection via Region-based Fully Convolutional Networks ”。
2016-06-29 14:07:07 44018 20
原创 CRAFT:级联的区域建议网络与快速RCNN结合
Benchmark上采用卷积神经网络提取特征的物体检测,通过改变卷积网络每层的参数似乎已羞于灌水~ 不过依然有人在指标上有一点改进,以国内李子青组的Bin Yang在 CVPR 2016 上发表的文章“CRAFT: Objects from Images”为例,看看基于卷积神经网络的物体检测问题还能怎么展开工作。
2016-06-27 09:53:15 5180 1
原创 FPGA视觉从入门到放弃——稀疏编码的原理与简单应用
先试一下它的效果。根据MNIST公开的分类器,误分类率小于0.6%的与卷积网络相关的方法主要有两种:2008年的“无监督稀疏特征 + 支持向量机”和起始于1998年的“卷积网络”。两者的特征提取分别基于稀疏编码和卷积神经网络。
2016-06-23 22:35:30 2107
原创 FPGA视觉从入门到放弃——小波矩与支持向量机刷MNIST
小波矩是FPGA板已有的模块,而深度学习框架下的MNIST的测试准确率可轻松地到99%以上。这里得到的效果不足以超越后者,由于内部影响依然做了该实验。所以,这些时间只够买个教训~
2016-06-21 16:12:00 1862
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