- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 SSD目标检测
目录作者文章的选择原因方法概括方法细节相关背景补充实验结果与相关文章的对比总结 作者文章的选择原因性能好，single stage方法概括文章的方法介绍SSD主要用来解决目标检测的问题（定位+分类），即输入一张待测图像，输出多个box的位置信息和类别信息测试时，输入一张
2017-04-20 16:15:02
5532
转载 迁移学习
迁移学习(Transfer Learning)TL2009年11月20日 ⁄ 科研 ⁄ 共 18762字 ⁄ 评论数 7 ⁄ 被围观 12,283+在机器学习领域，迁移学习(Transfer learning)是一个比较新的名词。目前国内做这个方面的很少，我目前只知道香港科技大学杨强教授及上海交大的机器学习小组在从事这方面的研究，近几年他们已经取得大量的成果，发
2016-05-27 15:06:17
1997
转载 图像识别中的深度学习
图像识别中的深度学习来源：《中国计算机学会通讯》第8期《专题》作者：王晓刚深度学习发展历史深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大成功。现有的深度学习模型属于神经网络。神经网络的起源可追溯到20世纪40年代，曾经在八九十年代流行。神经网络试图
2016-05-11 15:46:21
96035
转载 机器学习—逻辑回归理论简介
逻辑回归（LogisticRegression） Logistic regression （逻辑回归）是当前业界比较常用的机器学习方法，用于估计某种事物的可能性。之前在经典之作《数学之美》中也看到了它用于广告预测，也就是根据某广告被用户点击的可能性，把最可能被用户点击的广告摆在用户能看到的地方，然后叫他“你点我啊！”用户点了，你就有钱收了。这就是为什么我们的电脑现在广告泛滥的原
2016-05-11 15:28:09
1664
原创 深度学习与meanshift结合实现跟踪
深度学习一个重要的作用是实现目标的特征实现自动提取过程，传统的meanshift跟踪常用的有颜色直方图，HOG等边缘特征提取目标实现跟踪，则meanshift跟踪可实现的则是用深度学习自动学习的特征来完成跟踪。好处是对于复杂的情况也能很好的提取目标的特征，使得跟踪的鲁棒性和精度更高。很多人担心的是实时性的问题，其实来说，深度学习完成的过程主要分成两部，预训练预测，预训练完全可以通过离线训练来完
2016-05-06 09:26:31
2503
原创 关于深度学习自编码器理解
深度学习的发展应该来说很有前途，目前来看随着GPU和大数据的发展，估计应用到工业上已经不远了，这样的话传统的检测分类和跟踪之类所需要的选取目标特征均可以被替代。好处主要体现在可以自动学习目标特征，并非手动标定，另一方面，体现在可以构建一个超完备空间，可以区分目标背景。其中主要的过程是在调参数。目前的深度学习有三种架构：SDA，RBM,CNN.其中我们学习的是自编码器。自编码训练遵循
2016-05-05 11:11:39
10915
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人