Switchable Deep Network for Pedestrian Detection(泛读)

最新推荐文章于 2020-10-23 12:09:57 发布
最新推荐文章于 2020-10-23 12:09:57 发布
阅读量2.1k 收藏
点赞数
分类专栏： Machine_Learning Deep_Learning 文献阅读 Something_Interesting DL文献阅读与感悟 文章标签： CVPR 文献阅读 DeepLeaning
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/sheng_ai/article/details/39755927
版权

一.文献名字和作者

    Switchable Deep Network for Pedestrian Detection， CVPR2014
   

二.阅读时间

    2014年10月3日



三.文献的贡献点

   1.提出了一个统一的深度模型，将整个人体和人体的不同部分的将特征学习、显著性映射和混合特征表示通过层级结合起来；
    2.在传统的CNN上面引入了一个可切换的RBM层；
    3.提出了一种类似于EM算法的预训练算法，用于可切换层；
    这个方法虽然也是将不同部分的特征进行结合，但是，结合的方式有点不同，每一部分都是通过一个选择层进行了选择之后，才进行的结合，同时，也使用了卷积层作为低层和中层的特征提取，后面才使用了SDN进行融合，相比起原来的方法，使用到了自动学习的特征，也是一个比较好的创新点。
    





版权所有，欢迎转载，转载请注明出处，谢谢微笑










shengno1
关注
专栏目录
【深度学习】---行人检测应用二
zbwustc的博客
05-06 4335
深度学习行人检测应用二涉及论文主要围绕王晓刚的几篇关于深度学习在行人检测的应用。 *Luo, P., et al. (2014). Switchable deep network for pedestrian detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.” 摘要
2019_A Swichchable Deep Learning Approach for In-Loop Filtering in Video Coding
YouLan999的博客
09-19 160
Abstract: 深度学习在编码效率和主观质量上为视频编码的环路滤波提供了巨大的潜力。最先进的工作致力于网络结构设计并且利用单一强大的网络解决所有问题。相反，本文提出了一种基于深度学习的系统方法，包括有效的卷积神经网络结构，分层训练策略和面向视频编码器的切换机制。首先，我们提出了一种新颖的CNN结构，也就是压缩和激励滤波CNN(Squeeze-and-Excitation Filering CNN,SEFCNN)作为可选的环路滤波，为了捕获通道之间的非线性交互，SEFCNN由两个子网络组成，也就是特征提
Real-Time Pedestrian Detection With Deep Network Cascades
cv_family_z的博客
11-25 2597
BMVC 2015 实时行人检测 Cascades + CNN本文主要是参考文献【4】中采用 soft-cascade ，并结合不同复杂度的CNN网络得到即快又准的行人检测系统。在 Cascades 前面我们使用下面的小网络： 在 Cascades 后面我们使用下面的大网络： we employ the soft-cascade from Benenson et al. [4]
对Pedestrian Detection aided by Deep Learning Semantic Tasks的小结
brooksong的专栏
10-16 617
一种基于CNN的新的行人检测模型
论文提要“Pedestrian Detection aided by Deep Learning Semantic Tasks”
cv_family_z的博客
08-03 2758
对于行人检测，以往的深度学习将其作为二值分类问题，这样易与困难的负样本混淆。本文将行人检测细分为行人属性（背部，性别和视角）和场景属性（车辆，树木等），目标是在高层特征空间分离或聚合相似的属性结构，如图2（c）所示。 为了避免大量负样本的标记，作者使用了数据库背景场景分割的结果。提出TACNN使用多种数据库学习多类问题。不同数据的背景B数据分布不同，作者transfer了两类场景属性，包括共享的属
Learning Complexity-Aware Cascades for Deep Pedestrian Detection
cv_family_z的博客
11-23 2046
ICCV 2015本文主要介绍了一种考虑计算复杂度的级联器用于检测行人，将CNN特征嵌入级联器中。3 Complexity-Aware Cascade Training 3.1. AdaBoost AdaBoost 由若干若分类器组成一个强分类器。3.2. Complexity-Aware Learning 将误差函数定义为两部分，classification accur
Reading Paper for Pedestrian detection 3.22-3.27
Sling8219的博客
03-27 657
Reading Paper for Pedestrian detection 3.22-3.27 1.Pedestrian Detection：An Evaluation of the State of the Art 2.Taking a Deeper Look at Pedestrians 3.The Fastest Pedestrian Detector in the West 4.How Far are We from Solving Pedestrian Detection
ECCV2020 AABO: Adaptive Anchor Box Optimization for Object Detection via Bayesian Sub-sampling论文翻译
Q1u1NG的博客
10-23 1255
ECCV2020 AABO论文翻译摘要1.介绍2.相关工作3.提出的方法3.1 初步分析3.2 anchors的搜索空间优化3.3 通过子抽样的贝叶斯锚优化4.实验4.1数据集，指标和实现细节4.2 anchor优化的结果4.3 在SOTA方法上的最佳锚定设置的好处4.4 与其他优化方法的比较4.5消融研究5.结论参考 论文地址：AABO: Adaptive Anchor Box Optimization for Object Detection via Bayesian Sub-sampling 摘要 大
Switchable
05-28
标题“Switchable”很可能指的是一个软件工具或编程概念，它涉及到可切换或具有不同状态的功能。根据提供的描述，虽然没有具体信息，但我们可以从标签“源码”和“工具”来推测这可能与一个开源项目或者一个编程工具...
Ferroelectric liquid crystals for fast switchable circular Dammann grating [Invited]
01-26
Diffractive optical elements attract a considerable amount of attention, mainly due to their potential applications in imaging coding, optical sensing, etc. Application of ferroelectric liquid ...
jQuery[1].Switchable-1.0.rar_Trigger Effect_switchable
09-20
jQuery.Switchable是一款整合了Tabs、Slide、Scrollable等常见UI组件的jQuery插件。它有简单易用的API、可灵活配置的Configuration，支持自定义Effect，支持自主开发Plugin。 　几个亮点： 　在当前 trigger 中 ...
Learning Cross-Modal Deep Representations for Robust Pedestrian Detection
xiaofei0801的博客
06-01 3175
Abstract        本文提出了一种在不利照明条件下检测行人的新方法。 我们的方法依赖于一种新型的跨模态学习框架，它基于两个主要阶段。 首先，给出一个多模态数据集，采用深度卷积网络学习非线性映射，对RGB和热图之间的关系进行建模。 然后，所学习的特征表示被迁移到第二个深度网络，其接收RGB图像作为输入，并输出检测结果。 以这种方式，学习到了对不良照明条件具有判别性和鲁棒性的特征。
Network In Network(精读)
热门推荐
小胜爱捣鼓
11-20 1万+
一.文献名字和作者      Network In Network.Min Lin, Qiang Chen, Shuicheng Yan     二.阅读时间     2014年11月19日 三.文献的目的     文章主要是对于CNN结构进行改进，使得CNN能够学习到更加抽象和有效的非线性特征。 四.文献的贡献点 4.1 卷积层的改进--多
DBN和DNN的区别(未完待续)
小胜爱捣鼓
10-16 1万+
一.模型框架    DBN最后的两层是一个RBM，并且除了最后两层，其他的层都是top-down结构的有向图；    DNN是一个bottom-up的结构，同时，在一般的文献中，将DNN作为一个DBN进行训练得到的模型还是称为DBN(这就是为什么我一直分不清这两种结构的原因)。 二.训练算法     DBN在训练的时候，当做一个stack RBMs进行训
DeepPose: Human Pose Estimation via Deep Neural Networks(精读)
小胜爱捣鼓
08-29 1万+
一.文献名字和作者 DeepPose: Human Pose Estimation via Deep Neural Networks， CVPR2014     二.阅读时间 2014-08-29 三.文献的目的     文献为了解决当前对于姿态估计中只是使用局部的观点来估计关节点的坐标，这样虽然高效，但是，在实际应用中却无法使用。 四.文献的
激活函数实现--3 Tanh函数实现
小胜爱捣鼓
07-18 1万+
1.TANH函数的定义 2. TANH函数的导数   3.TANH函数的实现 Tanh主要是通过类Tanh来实现的，该类继承自AbstrcactActivation类，主要实现Activating接口和Derivating接口。 Tanh类的定义如下： #ifndef TANH_H #define TANH_H #include
Deeplearning Toolbox中CNN代码学习
小胜爱捣鼓
04-19 1万+
最近在研究CNN的实现，在还没自己动手写之前，先看看现在比较常用的Matlab的Deeplearning Toolbox中的CNN实现。     在Toolbox中，CNN的实现过程主要包括下面几个文件     cnntrain.m           //用于训练CNN的m文件     cnntest.m            //用于预测的m文件     cnnsetup.m    
使用C++和OpenCV读取MNIST文件
小胜爱捣鼓
04-09 9752
一.MNIST手写字体文件说明     MNIST手写字体数据库下载地址http://yann.lecun.com/exdb/mnist/ 。     MNIST手写字体的数据库说明在下载网站的下面也有，为了便于写程序，数据库文件说明如下：     从上面的数据库说明可以看出来，MNIST手写字体数据库包含了是个文件，每个文件都是单纯的普通文件格式，因此，可以采用C+
switchable
最新发布
11-09
据提供的引用内容，switchable是一个泛型类，它的实现方式是通过继承泛型确定类型，然后在子类中延迟实现。SwitchableGeneric<T>中包含了承担平滑插值逻辑的函数接口，而SwitchObject则是SwitchableGeneric<T>的子类之一。在SwitchObject中，有一个switchableObjectList列表，用于存储SwitchObject对象。在测试中，如果switchableObjectList为null，则会导致InitSwitchableList()方法中的switchableObjectList.AddRange(switchableList)出错。因此，需要在测试前确保switchableObjectList不为null。
评论
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