2016年01月_deep_learninger

原创有关小波的几个术语及常见的小波基介绍

http://blog.csdn.net/jbb0523/article/details/42586749 文章转于这篇博客本篇是这段时间学习小波变换的一个收尾，了解一下常见的小波函数，混个脸熟，知道一下常见的几个术语，有个印象即可，这里就当是先作一个备忘录，以后若有需要再深入研究。一、小波基选择标准小波变换不同于傅里叶变换，根据小波母函数的不同，小波变换的结果也不尽

2016-01-27 09:56:34 7195

原创 Generative Modeling of Convolutional Neural Networks

http://research.microsoft.com/en-us/people/jifdai/ MRSA 大牛博客地址，抽时间好好学习一下他的论文Generative Modeling of Convolutional Neural Networks

2016-01-26 14:31:51 854

原创计算机视觉（ComputerVision, CV）相关领域的网站链接

http://blog.sina.com.cn/s/blog_6bfa03cf0101hqy2.html 转载于以下链接是转载的关于计算机视觉（ComputerVision, CV）相关领域的网站链接，其中有CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站，多了解一些CV的具体应

2016-01-26 14:19:19 5365

原创 PAPER

深度学习引入到脑电领域，首先要解决的就是时间序列问题，脑电是非平稳，非线性，时序信号，如何有效利用脑电的时域信息是本文的重点。 1、 wpt DBN和结合2、 LSTM 型rnn 的引入。未来的方向，增大数据量，增大导联，采用CNN方法，

2016-01-26 10:17:17 830

原创 bci 综述文章

1、Brain-Computer Interface in Stroke Rehabilitation Recent advances in computer science enabled people with severe motor disabilities to use brain-computer interfaces (BCI) for communicati

2016-01-25 09:44:10 1319 1

原创自然场景文字检测和识别

自然场景文字检测和识别总结，推荐一个简易版：Scene Text Detection and Recognition: Recent Advances and Future Trends. Frontier of Computer Science (FCS), 2015http://mclab.eic.hust.edu.cn/UpL ... TextSurvey_201

2016-01-24 16:08:45 7573

原创混淆矩阵

今天训练了一个模型，在我的电脑上测试结果还不错，为什么到部长那边测试并不好，部长说，这次搜集的数据不好，干扰性大，测试结果不好正常。当时特别尴尬部长让我回来做个混淆矩阵，把混淆矩阵发给他，他看看，所以今天整理一下混淆矩阵。混淆矩阵是常用的来验证分类结果情况，模型效果如何，哪些数据被分错的。根据分错的数据去找原因。选择主菜单->Classification

2016-01-22 17:29:16 3373

原创 caffe 调试总结

201601191、今天尝试用alex网络模型做自己的识别任务，提示如下错误 Check failed: error == cudaSuccess (2 vs. 0) out of memory。Google 之后 https://github.com/BVLC/caffe/issues/682 发现是test的batch 设置过大导致，把batch改小就好了。原来设置为5

2016-01-19 16:03:24 9261

原创 vs2010 如何快速查看别人工程代码

最近需要查看一个工程的代码，快速熟悉别人的代码，才能在别人代码的基础上继续开发，方法1、使用vs 的查看类图功能：使用方法：点击--> 项目名---右键----查看类图结果如下边的图所示，点击每一个类，在右下角可以看到每个类的详细情况。改方法能够看到类结构，但是还不是UML，看起属性和方法还是有点费劲。

2016-01-19 15:53:19 5329

原创函数返回类型为指针类型

函数返回指针和返回对象都可以，区别好处：返回指针，这样传递出去的只是一个地址。效率高。如果返回对象，就需要将整个对象拷贝出去，效率低函数指针是指向函数的指针变量。因而“函数指针”本身首先应是指针变量，只不过该指针变量指向函数。这正如用指针变量可指向整型变量、字符型、数组一样，这里是指向函数。C在编译时，每一个函数都有一个入口地址，该入口地址就是函数

2016-01-18 14:10:28 2875

原创 C++中使用指针、引用进行参数传递

一、C++中使用指针、引用进行参数传递如图1中在swap函数里进值交换后传回main函数中还是未交换状态，而使用指针（图2）或引用（图3）就可以成功换值了。2014-09-04 10:09提问者采纳这是经典的C++问题1、常规情况函数参数传递是所谓的“值传递”。啥意思，就是传的只是值，而不是变量自己

2016-01-18 14:03:01 1051

这个问题，其实我也是初学，水平有限，说说自己的感觉吧。在潜意识里，我始终觉得神经网络的东西和中医看病有种隐隐的联系，经验（自己的和别人的）、感觉这些谈不上有什么标准化的东西确是挺重要的东西。基于此，调试一个神经网络，就需要首先熟悉网络的每个层、每个参数的作用是什么，为什么要有这样的设置，通常researcher们都基于什么样的原则来设置？其次，多自己动手设置一下，找找感觉，看看不同的参数设置会产生

2016-01-18 11:48:37 7619 1

原创 shell 文件操作大全 193条命令

1.创建文件夹#!/bin/shmkdir -m 777 "%%1"2.创建文件#!/bin/shtouch "%%1"3.删除文件#!/bin/shrm -if "%%1"4.删除文件夹#!/bin/shrm -rf "%%1"5.删除一个目录下所有的文件夹#!/bin/bashdirec="%%1" #$(pwd)fo

2016-01-15 16:48:52 6986

转载 Deep Residual Learning for Image Recognition 笔记

今天跑了把googlenet1应用到自己的分类任务中，识别率有大约有0.8%的提高。还是看来大网络还是有用的，只要你能很好的解决随着网络层数增多，容易引起过梯度消失或爆炸等问题。https://github.com/ShaoqingRen/faster_rcnn/issues/47 这里有关于这个网络实现的讨论https://github.com/beijbom/beij

2016-01-12 16:51:56 26536 1

原创 caffe 画损失曲线和准确率曲线

1. 为了方便查看模型如何，是否存在过拟合，收敛等情况，最好的方法是把损失曲线和验证集的准确率曲线画出来。直观的查看分析。是否需要降学习率继续训练，通过准确率图来选取最好的模型。代码在caffe/python里面有，这里面很多Python接口，熟练应用这些接口能够方便快捷的很多。2、首先要安装相关的库。. 安装pycaffe必须的一些依赖项：$ sudo

2016-01-12 10:20:30 13156 2

原创 vs release版本的断点调试

有时只有release版本的lib 或dll 。需要在release版本下进行调试。vs 的设置如下，通过如下设置，就可以在release版本下正常的断点调试了。在Project->Properties->c/c++->General->Debug Information Format 选择 /Zi在Project->Properties->Linker->General->Deb

2016-01-08 16:18:45 4006

转载 Caffe学习系列绘制网络模型

转载于 http://www.cnblogs.com/denny402/p/5106764.htmlpython/draw_net.py, 这个文件，就是用来绘制网络模型的。也就是将网络模型由prototxt变成一张图片。在绘制之前，需要先安装两个库１、安装ＧraphViz# sudo apt-get install GraphViz注意，这里用的是ap

2016-01-07 20:24:53 1546

原创 face++ c++接口以及 curl 库的使用，json库在另一个博客介绍

http://blog.csdn.net/leekumbong/article/details/29182299 参考博客[cpp] view plaincopy// FacePlusPlus.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include #inclu

2016-01-06 21:45:27 3392 4

u014114990的专栏