Image_Processing
文章平均质量分 67
shengno1
年轻就是朝阳,容不得片刻怠慢
展开
-
Deeplearning Toolbox中CNN代码学习
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原创 2014-04-19 21:43:27 · 10719 阅读 · 28 评论 -
OpenCV学习(2)--cv::Mat转化为QImage
OpenCV学习(2)--cv::Mat转化为QImage原创 2015-03-31 01:02:37 · 4307 阅读 · 0 评论 -
Capsule Endoscopy Video Boundary Detection(精读)
《Capsule Endoscopy Video Boundary Detection》阅读笔记原创 2015-03-13 20:52:23 · 1116 阅读 · 0 评论 -
使用C++和OpenCV读取MNIST文件
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+原创 2014-04-09 14:37:45 · 9754 阅读 · 7 评论 -
Unsupervised Template Learning for Fine-Grained Object Recognition(精读)
这篇博客是文献《Unsupervised Template Learning for Fine-Grained Object Recognition》的阅读笔记。原创 2014-12-10 17:43:13 · 2072 阅读 · 0 评论 -
Rich feature hierarchies for accurate object detection and semantic segmentation(泛读)
《 Rich feature hierarchies for accurate object detection and semantic segmentation》文献阅读笔记。原创 2014-12-09 00:45:17 · 2461 阅读 · 0 评论 -
Part-based R-CNNs for Fine-grained Category Detection(精读)
一.文献名字和作者 Part-based R-CNNs for Fine-grained Category Detection, ECCV2014 二.阅读时间 2014年12月8日三.文献的目的 文献的目的是解决在进行细粒度识别的测试过程中,关于物体边框注解的依赖问题。四.文献的贡献点 作者提出原创 2014-12-08 17:53:41 · 6989 阅读 · 1 评论 -
Selective Search for Object Recognition(泛读)
这篇博客是《Selective Search for Object Recognition》文献的阅读笔记。原创 2014-12-09 23:28:00 · 3390 阅读 · 1 评论 -
An Analysis of Single-Layer Networks in Unsupervised Feature Learning(精读)
《An Analysis of Single-Layer Networks in Unsupervised Feature Learning》文献阅读笔记原创 2014-12-04 23:21:25 · 3225 阅读 · 0 评论 -
A Codebook-Free and Annotation-Free Approach for Fine-Grained Image Categorization(精读)
《A Codebook-Free and Annotation-Free Approach for Fine-Grained Image Categorization》文献阅读笔记原创 2014-12-04 11:12:07 · 1503 阅读 · 0 评论 -
神经网络训练参数
对于神经网络的训练过程而言,除了需要输入训练集之外,还需要输入的就是学习速率和每次训练过程中batch的大小,因此,可以将这两个参数都放在同一个结构体中,相对于神经网络的结构参数,训练参数的实现就比较简单了。 具体代码如下: /*M////////////////////////////////////////////////////////////////////////原创 2014-09-11 14:55:59 · 2346 阅读 · 0 评论 -
神经网络结构参数
在使用神经网络的时候,都需要输入每一个网络层的输入和输出,以及每个网络层的激活函数,为了方便后续根据不同的需要,选择合适的输入输出神经元个数和每一层的激活函数,因此,考虑将神经网络的结构参数单独写成一个类的形式,这样也方便以后进行拓展。 根据神经网络的结构特点,每一个神经网络层只要知道输入神经元个数,输出神经元个数,以及激活函数即可,因此,神经网络结构参数上面的几个参数。原创 2014-09-11 09:13:16 · 1988 阅读 · 0 评论 -
DeepFace: Closing the Gap to Human-Level Performance in Face Verification(精读)
一.文献名字和作者 Deepface: Closing the gap to human-level performance in face verification, Yaniv Taigman, Ming Yang, Marc’Aurelio Ranzato,Lior Wolf, CVPR2014 二.阅读时间 2014年9月4日三.文原创 2014-09-04 16:03:48 · 4864 阅读 · 1 评论 -
使用OpenCV自带的神经网络对MNIST手写字体进行识别
在学习了斯坦福机器学习公开课中关于神经网络的章节之后,一直想自己实现一个神经网络,但是在没有对照的情况下,实在是无法验证自己写的程序对不对,因此,必须先找一个已经写好的神经网络来进行对比实验,刚好OpenCV中就有神经网络,于是,先使用OpenCV自带的神经网络对MNIST手写字体进行识别。 在OpenCV中,使用神经网络需要先设置一些关于神经网络的参数。 OpenCV中的神经原创 2014-04-17 20:26:07 · 6989 阅读 · 11 评论 -
OpenCV学习(1)--在一个窗口同时显示多张图像
OpenCV学习(1)--在一个窗口同时显示多张图像原创 2015-03-24 20:51:47 · 8960 阅读 · 0 评论