Surge

R-FCN: Object Detection via Region-based Fully Convolutional Networks背景介绍   R-CNN 系列的方法，如 SPPnet、Fast R-CNN、Faster R-CNN 等方法在 Object Detection 上取得了很大的成功。这些方法的网络结构被 RoI pooling 层分成两个子网络：共享的全卷积子网，RoI-wis

SSD: Single Shot MultiBox Detector背景介绍   基于“Proposal + Classification” 的 Object Detection 的方法，R-CNN 系列（R-CNN、SPPnet、Fast R-CNN 以及 Faster R-CNN），取得了非常好的结果，但是在速度方面离实时效果还比较远   在提高 mAP 的同时兼顾速度

You Only Look Once: Unified, Real-Time Object Detection背景介绍   在深度神经网络之前，早期的 Object detection 方法是通过提取图像的一些 robust 的特征如（ Haar，SIFT，HOG ）等特征，使用 DPM 模型，用 silding window 的方式来预测具有较高 score 的 boundin

自从 Mac 10.9 将其默认编译工具改成 clang/clang++，相应的C++库改成 libc++后，在 Mac 上编译一些开源代码很容易出现 “undefined symbols for architecture x86_64” 的问题，让初学者很是困惑。但是问题的根源均来源与 对C++标准库的使用有关，只需要在编译选项中添加 "-stdlib=libstdc++" 即可。笔者尝试着在 Mac OS X10.10 下，通过源码编译 OpenCV gflags 等 成功 完成 Caffe 的配置安装

javaMail1.4.7

接触机器学习有一段时间了，但是对于神经网络一直感觉比较“神秘”，再加之深度学习的概念炒得这么热，都不好意思说自己不懂神经网络了。本文主要是为了记录自己对神经网络的理解以及一些心得，由于是一个新手，其中的一些理解不免有些错误，望各位能够指正。本文主要参考 UFLDL Tutorial的同名教程【1】，在理解过程中主要参考了博客，反向传播BP算法【2】。正如【2】所说【1】中变量的上下标比较多，理解起

Selective Search

gcc/g++ 链接库的编译与链接surgewong@gmail.comhttp://blog.csdn.net/surgewong      程序编译一般需要经预处理、编译、汇编和链接几个步骤。在实际应用中，有些公共代码需要反复使用，就把这些代码编译成为“库”文件。在链接步骤中，连接器将从库文件取得所需的代码，复制到生成的可执行文件中，这种库称为静态（链接）库，其特点是可

每次学习新东西或者换新的电脑，最让人头疼的就是环境的

前一段时间在看Selective Search的

1.正则表达式简介正则表达式（Regular expression,简写为Regexes）是一种用来操作和检验字符串数据的强大工具。它相当与一串特殊的字符，用它可以转换成算法，对文本进行匹配等操作。      事实上正则表达式有其自身的一套语法，这种语法对于初学者来说显得有些晦涩难懂。尤其是其构造比较困难，称为很多入门者的障碍。但当掌握后却可以轻易的解决以前不容易解决的很多文本类问题，

重装系统和删除分区之后，启动系统经常容易