2017年09月_Shwan_Ma

12月 11月 10月 09月 08月 07月 02月

原创【Caffe】Matlab接口（make编译通过，make mattest出错）

之前一直在用pycaffe，很少接触MatCaffe，然而几个论文上的demo需要用到Matcaffe，最近在编译的时候，出现不少错误，记录一下。环境配置：Ubuntu16.04 + TitanX + Cuda7.5 + Cudnn V4错误如下：# make mattestcd matlab; /usr/local/MATLAB/R2015b/bin/matlab -nodisplay -r '

2017-09-25 14:36:01 2633

原创【图像语义分割】Large Kernel Maters--Improved Semantic Segmentation by Global ConvNet

摘要：目前流行的网络架构往往通过堆积小的卷积核（stack small filters），因为在相同计算量下，stack small filters往往比large kernel更加有效。然而在图像语义分割这块，我们需要做一个dense per-pixle prediction，我们发现大内核在同时实现localization和classification的时候能够起到重要的作用。在这个设计原则下

2017-09-23 21:46:28 813

原创【caffe】标准数据层输入

caffe在构造TrainNet时，首先要做的便是data和label的输入。数据层在Caffe的Data Layer中位于最底层，数据可以在高效的数据库中读取，也可以直接在内存中读取，或者从硬盘中直接读取 1. 数据层 LevedB 和 LMDB 层类型为data，主要分为LevedB 和 LMDB 其在*.prototxt文件中如下所示：layer { name: "mnist"

2017-09-22 19:08:51 1930

原创【图像语义分割】DeepLab V2: CNN + Atrous Convolution + Fully Connected CRF

本博客主要是针对DeepLab v2《DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs》做的记录，其中还略微涉及DeepLab v1 《Semantic Image Segmentation with Deep Convol

2017-09-16 21:20:22 2493

原创【图像目标检测】Faster-RCNN

有了Fast-RCNN后，Faster-RCNN表示为什么还在用selective search呢？这样会出现一种很尴尬的处境，region proposal的速度比后面检测+回归的速度要慢。所以Faster-RCNN表示做Vision的话，CNN应该要一统江湖，于是把Selective Search也集成到网络中，提出RPN。从而把速度拉升到real-time。 FasterRCNN架构：F

2017-09-13 20:35:27 747

原创【图像目标检测】Fast-RCNN

RCNN应该是深度学习在目标检测detection上的开山之作。然而RCNN需要分成四部分实现：1）Selective Search 提取proposal, 2）CNN提取特征，3）SCM分类，4）box regression。实在是不够优雅，开山之作毕竟是开山之作，有他的时代意义。本文介绍的Fast-RCNN是RBG大神（Ross B. Girshick）继RCNN之后的又一力作。Fast-R

2017-09-11 21:14:42 667

原创【图像语义分割】Fully Convolutional Networks for Semantic Segmentation

FCN这篇文章是第一次用CNN的方式端对端（end-to-end）的解决了图像语义分割问题，在Semantic Segment这个领域中也算划时代的论文了不同于常规的classification network, Sementic Segment侧重于像素级的分类。本文通过对常规classification network（Alexnet, VGG, GoogLeNet）进行fine-tuning,

2017-09-05 21:20:22 1315 2

原创【图像语义分割】Label data的标注--Labelme（python）

图像语义分割是一种pixel-wise级的一种图像分类操作，其目的是在图像中上的同一个类别上打上相同的label，以表示这个类别是同一类。在训练自己的数据集中，语义分割最重要且最基础的一步便是对图像进行标注，以训练得到自己的模型。在标注图像中，MIT开源了一款标注软件，Labelme. http://labelme2.csail.mit.edu/Release3.0/index.php?mess

2017-09-03 16:25:30 63979 131

原创【超分辨率】Deeply-Recursive Convolutional Network for Image Super-Resolution

这篇文章在超分辨率中应该算是一种标杆类的算法，虽然Recursive-Convolution Network在图像上的应用并不是由这篇文章率先提出，但在超分辨率处理中应该是第一篇。首先简单介绍下网络模型，作者将该网络分成3个subnet，Embedding network， Inference Network和Reconstruction Network。 Embeding NetEmbedin

2017-09-02 14:56:07 6572 5

2018携程技术报告

2018携程技术报告，包含人工智能篇，架构篇，无限大前端篇，大数据篇，质量篇，运维篇，数据库篇，风险控制篇

2019-02-08

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人