2017年05月_yanxiaopan

11月 10月 09月 08月 05月 03月 02月 01月

原创对Fast rcnn论文的一个大致翻译

Fast R-CNN 1.前言最近，深度卷积神经网络已经明显提高了图像分类和目标检测的精度。相比于图像分类，目标检测是一个更具挑战性的任务，因此它需要更复杂的方法去解决。由于这种复杂性，当前的方法训练模型时都是多级流水线，导致速度慢。因目标检测需要对目标精确定位，因此目标检测任务的复杂性随之升高。这样造成了两个最基本的挑战：一是需要处理大量的候选目标位置(proposals)；二是候选区域

2017-05-17 15:47:53 725

原创人生不同的阶段

研究生马上要毕业了，此刻的内心几乎没有任何的情绪和感情的起伏，与大学毕业时相去甚远，可是，不论那时的我，还是现在的我，都是我，只是处于人生不同的阶段罢了。我现在极有感触的只是：非常渴望一件事的时候，没有能力去做，等有能力做了，又不渴望了，长大或是衰老就是欲望的更替和消融。我曾经多想去听一听陈奕迅的演唱会，想去非诚勿扰的现场看一看，那时候没钱，现在有能力去了，又失去了兴致。现在的我，不崇拜不羡慕任

2017-05-15 21:17:02 911

原创对 SPP-net 论文的一个大致翻译

SPP-net 论文翻译：摘要：现存的深度卷积神经网络需要一个固定大小的输入图像。这种要求是人为的，而且可能对任意尺度和大小的图片的识别精度造成影响。在我们的工作中，我们给CNN加入一个空间金字塔池化层(spatial pyramid pooling layer)，为了消除上述那种对图像固定大小的要求。新的网络结构叫做SPP-net,这个网络不管图像的尺度和大小如何，都可以生成一个固定长度的向

2017-05-11 16:37:11 1267

原创对R-CNN的简单理解

基于阅读论文和查找资料对R-CNN具有如下理解：结构： 1. 用selective search 生成2000个左右的region proposal 2. 用CNN对每一个region proposal 提取特定长度的特征向量 3. 对于每一个类别训练一个线性SVM，进行分类训练过程： 1. 首先用辅助数据集(ILSVRC 2012，该数据集是用于训练图像分类的数据集)训练CNN，得

2017-05-11 10:34:51 1310

转载斯坦福大学第七讲-最优间隔分类器

参考： 1. http://blog.csdn.net/stdcoutzyx/article/details/9774135 2. http://blog.csdn.net/fengkuangsake/article/details/45440659 3. http://blog.csdn.net/adeleamily/article/details/47045029

2017-05-08 21:08:23 389

转载 word2010插入参考文献

方法一：交叉引用的方法参考： http://blog.csdn.net/full_speed_turbo/article/details/66970395方法二：插入尾注的方法参考： http://jingyan.baidu.com/article/b24f6c82fd85ee86bfe5dabe.html

2017-05-08 21:04:05 890