![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习论文学习笔记
文章平均质量分 67
梨落琴川
图像视频处理,深度学习,记录学习生活点滴,与君共勉!
展开
-
VGG19结构图
自己整理的VGG19层结构图原创 2017-08-16 09:32:30 · 40644 阅读 · 0 评论 -
Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning翻译
摘要本文提出一种由顺序性跟踪动作控制的新颖跟踪器,该控制方法是从深度强化学习中学习到的。跟现有的使用深度网络的跟踪器相比,我们提出的跟踪器的设计思想是在实现令人满意的跟踪位置精度和跟踪尺度精度的同时,也得到一种轻量级计算。控制动作的深度网络,是在各种各样的训练序列上预训练过的,并且会在跟踪过程中微调,在线自适应目标和背景的变化。预训练是通过深度强化学习进行的,这同时也是一种有监督学习。强化学习原创 2017-09-13 17:23:10 · 4736 阅读 · 0 评论 -
Hierarchical Convolutional Features for Visual Tracking(CF2)论文翻译
一、摘要因为变形、快速运动、背景杂乱、遮挡等会引起目标物体的外观模型发生重大变化,因而视觉跟踪便成了一项具有挑战性的工作。在本文中,我们利用已经在目标识别数据库中训练好的深度卷积网络中提取出来的深度特征,来提高我们跟踪的精度和鲁棒性。原创 2017-08-25 09:33:29 · 4626 阅读 · 0 评论 -
卷积与转置卷积
当正向卷积步长不为1时(常常可能为2),转置卷积步长为: 转置卷积填充由正向卷积的卷积核和填充决定: 转置卷积的核和正向卷积一样:转置卷积的输出公式: 转置卷积又称微步卷积(“微步”的含义指:新的步长为1,而之前的步长为2,使得转置卷积的滑窗处理相比较卷积的“小”。),可以视作传统卷积操作的一种“逆向”传递过程;并且,转置卷积受“正向”卷积的参数约束,即步长stride和零填充...原创 2017-08-29 11:50:26 · 3019 阅读 · 0 评论 -
(CF2,包含尺度变化)tracker_ensemble程序简介
%tracker_ensemble: Correlation filter tracking with convolutional features% Input:% - video_path: path to the image sequence% - img_files: list of image names% - pos:原创 2017-08-28 10:59:28 · 1392 阅读 · 4 评论 -
A neural algorithm for a fundamental computing problem(求解基本计算问题的神经算法)
A neural algorithm for a fundamental computing problem作者1:达斯古普塔(印度),加州大学圣地亚哥分校,计算机科学与工程学院教授,拉霍亚大学。研究的是多维数据的统计分析,代表作《算法概论》,1993年哈佛大学学士学位,2000年UCB计算机科学博士学位,然后美国电话电报公司实验室技术人员的高级成员,他的工作重点是数据挖掘的算法,并应用于语音识别和翻译 2017-12-04 14:58:51 · 1753 阅读 · 0 评论