odyssey

首先，通过git下载cuda-convnet2的代码，在build.sh中调整一下路径，就可以成功build了。 装好后想进行一下测试，就取网上找数据，发现imagenet实在太大，就准备用cifar-10。只有10类，50000 train batches， 10000 test batches。下载地址为http://www.cs.toronto.edu/~kriz/cifar-10-py-

object localisation的几种方式，Exhaustive search, segmentation. Sliding window, part-based object localisation. 论文中的算法先对image在不同的表达下做over segmentation, 然后不断 hierarchical，在这个过程中不停产生box.算法描述非常明确。 关于两个r

这是一篇2011ICCV的文章，重点是Selective Search. 其中Exhaustive中还包括sliding window,part-based等等。 而这篇用改进的segmentation, a hierachical grouping algorithm来做Selective Search 使用part-based object segmentation作为起点，然后

这篇是经典的RCNN，用来处理object detection的。 先采用selective search的算法，找出2K左右的bounding box,经过一步warp,然后丢进CNN中，提取出4096的feature vector，再用200个SVM分别分类。 其中selective search使用fast mode，训练CNN采用了Supervised pre-training

这篇论文的工作在ImageNet 的detection task 中rank2,但是组合了一大堆东西，非常麻烦。 这篇论文的框架是基于RCNN的，使用了selective search来寻找bounding box，然后还用了RCNN作一个简单的过滤，将SVM score太低的box reject掉了。 然后用作者训练的10个不同的DeepID-Net来detection，将结果ave