- 博客(6)
- 资源 (7)
- 收藏
- 关注
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 15:47:53 727
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 1268
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 21:08:23 390
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
AXI4_master_slave源码对应分析
2018-06-08
AXI4_Lite_master源码分析
2018-06-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人