文章阅读
文章平均质量分 72
sherry_gp
追寻自己想要的,仅此而已。
展开
-
cvpr相关文章01
CVPR2014文章学习笔记 45篇action的文章1. Multi-view Super Vector for Action RecognitionZhuowei Cai; Limin Wang; Xiaojiang Peng; Yu Qiao有code 已经打印摘要:解决多个局部描述怎么融合的问题。早期方法主要是特征堆积和核平均的方法。本文提出以Multi转载 2016-01-18 15:07:52 · 787 阅读 · 0 评论 -
文献阅读笔记——Action Recognition with Stacked Fisher Vectors
转自:http://blog.csdn.net/breeze5428/article/details/39202887 本文由Xiaojiang Peng发表在计算机视觉顶级国际会议ECCV2014。由标题可以看出作者是利用分层的Fisher Vectors做行为识别。作者的动机是想将特征的维度做高。这种分层的做法近几年比较常见,如 ICRA 2014关于3d点云无监督特征的论文Unsup转载 2016-05-12 16:29:15 · 639 阅读 · 0 评论 -
识别算法 学习链接
1.reading papers(人体行为识别特征点提取小综述) 与human activity recognition特征提取相关,ing...) (Learning hierarchical invariant spatio-temporal features for action recognition with independent subspace analysis)转载 2016-05-12 16:27:46 · 623 阅读 · 0 评论 -
Finding Action Tubes - cvpr - 2015
转自:http://www.cnblogs.com/xuanyoumeng/p/4993408.htmlFinding Action Tubes - cvpr - 2015论文题目Finding Action Tubes, 论文链接该篇论文是CVPR 2015的, 主要讲述了action tube的localization.直接看图说话,转载 2016-03-22 17:46:54 · 1161 阅读 · 0 评论 -
基于高层表示的action recognition
转自:http://blog.csdn.net/abcjennifer/article/details/79761451. 层次结构表示: 底层part 重用每个object都是一个由有向和无向边连接起来的混合图底层通过非线性学习让原子节点形成时空线、平面和区域 人的活动呢,就是这些object在中层和高层连接的混合图recognition" sty转载 2016-03-08 16:15:58 · 512 阅读 · 0 评论 -
Two-Stream Convolutional Networks for Action Recognition in Video
Two-Stream Convolutional Networks for Action Recognition in Video我们提出了一种有区分训练的卷积网络来识别视频中的动作。挑战是从视频帧中获取外观和运动的互补的信息。我们的三个贡献:第一,提出了时间和空间分离的两路卷积网络结构。第二,证明了在多帧密集光流上训练,能够实现很好的性能。第三,多任务学习,应用在两个不同的动作分转载 2016-03-06 18:54:19 · 1960 阅读 · 1 评论 -
论文选读Range-Sample Depth Feature for Action Recognition
作者及本文框架作者Cewu Lu, Jiaya Jia, Chi-Keung Tang \qquad其中一作、三作来自香港科技大学,二作来自港中文。一作在2013年从港中文phd毕业,现在是香港科技大学的reasearch fellow。二作在图像去模糊方面颇有研究,其个人主页上也有丰富的代码,基本上由他作为一作或者是他的组里发的论文都有代码可供下载。不过比较可惜的是,虽然本文转载 2016-03-06 14:51:12 · 485 阅读 · 0 评论 -
action recognition 特征表达- Cuboid,stip
Reading papers_7(与human activity recognition特征提取相关,ing...)1.读Dollár, P., V. Rabaud, et al. (2005). Behavior recognition via sparse spatio-temporal features, IEEE. 本文作者提出了检测视频数据特征点,即spatio转载 2016-01-14 09:44:23 · 930 阅读 · 0 评论 -
Reading papers_16(Learning hierarchical invariant spatio-temporal features for action recognition wi
文章转自:http://www.cnblogs.com/tornadomeet/archive/2013/01/04/2844975.htmlReading papers_16(Learning hierarchical invariant spatio-temporal features for action recognition with independent subspa转载 2016-01-07 13:53:29 · 781 阅读 · 0 评论 -
图像识别中的深度学习
来源:《中国计算机学会通讯》第8期《专题》作者:王晓刚深度学习发展历史深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大成功。现有的深度学习模型属于神经网络。神经网络的起源可追溯到20世纪40年代,曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理解决各种机器学习问题。1986年,鲁梅转载 2016-03-01 15:05:23 · 3164 阅读 · 0 评论 -
CVPR2015
目录(?)[+] Part 1 - AlexNet 和 VGG-Net 摘要-今年的 CVPR 非常的火爆,总共有2800多人参与,相比去年增加了700多人,这与deep learning的异军突起是不无关系的。CVPR 2015 基本是 “the year of deep learning”,有大概70%的文章是关于deep learning的。今年的 CVPR转载 2016-01-25 15:06:39 · 1682 阅读 · 0 评论 -
cvpr相关文章02
26. Posebits for Monocular Human Pose EstimationPons-Moll, G. ; Fleet, D.J. ; Rosenhahn, B.Publication Year: 2014 , Page(s): 2345 - 2352posebits 做单目人的姿势估计。其中qualitative information转载 2016-01-18 15:14:52 · 808 阅读 · 0 评论 -
图像处理中的全局优化技术(Global optimization techniques in image processing and computer vision) (二)
原文:http://blog.csdn.net/mulinb/article/details/9079645MulinB按:最近打算好好学习一下几种图像处理和计算机视觉中常用的 global optimization (或 energy minimization) 方法,这里总结一下学习心得。分为以下几篇:1. Discrete Optimization: Graph C转载 2016-12-04 11:06:00 · 4227 阅读 · 0 评论