xufengchi-CSDN博客

转载 caffe添加自己的层

http://blog.csdn.net/zb1165048017/article/details/59112034

2017-04-10 23:08:50 350

转载将自己的图像数据转换成caffe需要的db(leveldb/lmdb)文件

将自己的图像数据转换成caffe需要的db(leveldb/lmdb)文件http://blog.csdn.net/u010193446/article/details/53406754

2017-04-07 21:23:29 513

转载理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器

http://blog.csdn.net/tianrolin/article/details/44084317

2017-04-02 22:53:57 2707

原创 Image Pre-compensation: Balancing Contrast and Ringing

在文章中，作者展示了全局色调映射函数如何在图像预补偿中影响Contrast （期望）和Ringing（避免）。线性色调映射函数有消除Ringing 的效果，但会产生严重的Contrast 损失，而非线性色调映射函数，如伽玛曲线略有增强Contrast ，但会引入Ringing 。如图（1）给定一个sharp 参考图像 I 和模糊核或点扩散函数（PSF）K，目标是找到一种“补偿”,使得图像与K卷积后，

2017-04-01 22:32:19 490

原创 SIFT

SIFT有尺度不变性，这个是由尺度金字塔的构造造成的。 SIFT有旋转不变性，这个是因为会计算描述子的主方向，然后匹配时检查匹配点的主方向。 SIFT有光照不变性，这个是由于描述的是梯度特征，梯度只是看对比，因此和其他的不同。这个容易理解一点：http://blog.sina.com.cn/s/blog_4e24d9c50100wzsn.html 这个偏理论一点http://blog.cs

2017-03-31 21:45:16 376

原创阿里的实习电面（一面）总结

我怕自己忘了，所以要做到，面试一次，总结一次，在哪里跌倒就在哪里爬起来（不是多趴一会儿） 2017.3.6 下午 4:00-4:30 自我介绍编程语言（我说刷题用C、C++，熟悉JAVA）C++面向对象的特点：如果要说四个特点的话，应当是：抽象、封装、继承、多态。 “抽象”对具体问题（对象）进行概括，抽出一类对象的公共性质并加以描述的过程。 “封装”就是将抽象得到的数据和行为（或功能）

2017-03-06 19:12:38 753

转载插值

http://blog.csdn.net/majinlei121/article/details/46742339

2017-02-22 20:25:30 249

转载 GDBT XGBoost

http://blog.csdn.net/a819825294/article/details/51206410

2017-02-17 21:42:44 295

转载 Generative Adversarial Nets

http://blog.csdn.net/shenxiaolu1984/article/details/52215983#fn:2

2016-12-21 11:36:47 871

原创 caffe_SCIR--预测函数改为对称性

改进预测函数，使其具有对称性原来的预测函数是：其不满足对称性，下面将其改进为具有对称性的预测函数：二元组和三元组模型的损失函数与原来类似：方案一：二元组修改doublet_loss bottom: “flat_fc1” #f(xi) bottom: “flat_fc2” #f(xj) bottom: “fc3b” #Wg(xi,xj) bottom

2016-12-19 19:40:07 407

原创 Deep Joint Image Filtering

AbstractIn this paper, we propose a learning-based approach to construct a joint filter based on Convolutional Neural Networks. In contrast to existing methods that consider only the guidance image, th

2016-12-07 19:06:38 2248

转载残差学习

http://blog.csdn.net/solomonlangrui/article/details/52455638

2016-12-07 11:12:50 786

原创 Caffe-SCIR

一、改进预测函数，使其具有对称性（已经修改成功）原来的预测函数是：其不满足对称性，下面将其改进为具有对称性的预测函数二元组和三元组模型的损失函数与原来类似实际修改，train阶段修改SCIR_pairwise_net.prototxt 增加与concat22层功能相同层，输入将f(xi),f(xj)反过来，即将pool2-2,pool2-1作为concat22b(新增加的层）的

2016-11-15 21:03:02 405

原创 Caffe 整理

1.完成Caffe 的安装和一些依赖包的解析。 a)环境：ubuntu b)依赖包单独安装失败，使用apt-get成功2.通过运行Mnist例子，了解caffe 调用过程，了解LeNet-5模型。首先在运行之前，需要简单配置，由于我们采用在CPU上运行，所以修改如下：（1）更改makefile.config中将DEBUG：=1那一行取消注释（2）lenet_sover.prototx

2016-10-29 09:16:27 356

原创 Joint Learning of Single-image and Cross-image Representations for Person Re-identification

人物识别可以用两种方法解决：（1）在单个图片上做识别，给出一个阈值，计算距离相似性，判断两张图片是否匹配。（2）在多张图片上做分类，可以考虑为二分类的问题。由于两种方法各有优点，在这篇文章中，作者采用两种方法的结合，并特出一种基于卷积神经网络的联合学习模型统一SIR和CIR。在学习SIR与CIR的关系是，我们发现在CIR上的分类是基于SIR的一些常见的相似性度量的泛化。我们的网络包含3个子网

2016-10-29 09:06:04 867

原创 Caffe--xavier初始化方法

xavier是从[-scale, +scale]中进行均匀采样，对卷积层或全连接层中参数进行初始化的方法。其中scale = \sqrt(3 / n), n根据不同实现可设置为n=(num_in + num_out) / 2 (Understanding the difficulty of training deep feedforward neural networks )，或n=num_ou

2016-10-28 22:39:25 1773

原创 ImageStyle Transfer Using Convolutional Neural Networks

论文里可不光给了转换的样例例，还给了实现原理图：左边这个是对大师的作品进行采样处理（学习），用了一个VGG-19的经典图形识别的卷积网络。右边这个和左边极为类似，只不不过它是按步骤学习了了输入图片的⻛风格，也对应生成了了池化层，我们叫它照片矩阵吧。中间这个网络是对各层的大师矩阵和照片矩阵进行比对，把这个比对的“差异”进行了量化，定义为损失函数Ltotal，显然Ltotal越大说明差距越大

2016-10-26 22:23:57 1139

原创 GMM

什么是混合高斯模型？可以参见这篇博文，它同时给出了matlab实现代码，编者将数学表达式转化为矩阵运算的代码技巧很值得我们学习和借鉴，以下是个人对代码的剖析与理解。 function varargout = gmm(X, K_or_centroids) % ============================================================ % Expec

2016-10-26 19:02:00 346

转载 Caffe代码阅读集锦

http://dirtysalt.github.io/caffe.html

2016-10-23 12:17:12 296

转载 Spoken Attributes: Mixing Binary and Relative Attributes to Say the Right Thing 论文笔记

这里写链接内容

2016-10-18 18:21:51 489

转载 Decorrelating Semantic Visual Attributes by Resisting the Urge to Share 论文笔记

visual attribute

2016-10-18 18:20:35 428

原创 Deep Relative Attributes

Relative Attributes 用于学习ranking function 来描述strength of the attribute. 多数当前的学习方法都是通过利用hand-crafted visual features对每个attribute学习到线性的ranking function.这篇论文我们提出 deep relative attributes (DRA)算法去学习 visual

2016-10-18 18:09:58 1215

转载 Relative Attributes

文章提出了一个新的Idea, 不再是用传统的二值去标记一幅图像含不含attribute,而是用对比的关系去描述图像，对于某个attribute，一幅图像呈现的比另一幅图像多。例如“A is smiling more than B” or “A is crowded more than B”。从而获得更多的supervision，使得算法在预测类别时更加稳健，准确率也更高。作者将其做了两个

2016-09-27 21:57:54 1924 1

xufengchi的博客