cnn
文章平均质量分 68
zhwli
学习笔记
展开
-
[paper]End-to-End Training of Hybrid CNN-CRF Models for Stereo
Pre-learning隐马尔科夫模型 Y={y1,y2,...,yn}Y = \{y_1, y_2,...,y_n\} 是一组随机变量,X={x1,x2,...,xn}X = \{x_1, x_2,...,x_n\} 是其观测变量,我们假设Y具有马尔科夫性,则X,Y的联合概率为 P(x1,x2,...,xn,y1,y2,...,yn)=P(y1)P(x1|y1)∏i=2nP(yi|yi−1)原创 2017-11-25 22:26:20 · 298 阅读 · 0 评论 -
【论文笔记-Stereo】ICCV2017 Cascade Residual Learning: Stereo Matching
这篇文章介绍了一种新的双目视差计算框架,Cascade Residual Learning。近年来,在MC-CNN的启发下,视差计算算法成为了一种可以用学习解决的问题。文章总结了近年来基于CNN的视差算法,主要可以分为一下三种: 1. Matching cost Learning:这种方法主要将CNN用于匹配代价计算,辅之以一些经典的后处理方法,以得到比较好的视差图。主要代表有:Han ...原创 2017-12-09 11:09:13 · 1226 阅读 · 0 评论 -
[Stereo_cnn][cvpr16]Efficient Deep Learning for Stereo Matching(未完成)
[Paper note](Efficient Deep Learning for Stereo Matching)这篇文章介绍一种更加快速但是只损失少量精确度的双目视差计算方法。其使用的主要框架与MC-CNN类似,尤其是Fast 框架,直接对两个由Siamese network得到feature vectors进行inner product计算。然后对结果的预测采用多类分类的模型,类别即不同大...原创 2017-11-17 09:55:48 · 2521 阅读 · 1 评论 -
【论文笔记-Stereo】Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture
目录简介摘要论文主要内容A: 匹配代价计算特征提取(ResNet18)特征Volume构建相似度计算B: 匹配代价聚合C:视差计算实验简介Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture AAAI2018 ,KITTI2015目前(20180320...原创 2018-03-21 17:38:48 · 1205 阅读 · 0 评论 -
【物体检测】R-CNN家族
目标检测评测指标mAp(Mean Average Precision) true prediction: IoU>thresholdIoU>threshold IoU > threshold & ypred=yypred=y y_{pred} = y 而且,多个类似的预测,只取一个,其他认为是false。即对一张图的同一个物体,假设有5个预测的IoU > thres...原创 2018-03-27 22:09:41 · 357 阅读 · 0 评论 -
【论文笔记-Stereo】Pyramid Stereo Matching Network
论文思想笔记结构论文思想使用ResNet提取特征用dilated convolution增大感受野用Pyramid pooling module,提取各个scale的特征,使之包含global的context信息用feature volume shift构建volume用stacked hourglass 3D CNN(encoder-deco...原创 2018-04-13 15:41:39 · 2230 阅读 · 0 评论 -
ResNet 理解
ShortcutCase如果输入和输出的维度一样,y=(x,{Wi})+xy=F(x,{Wi})+x y = \mathcal F(x, \{W_i\}) + x 如果输入和输出的维度不一样: A: 通过zero-padded 填充outputB: 用projection shortcut增大dimension size,只有输入和输出维度不一致时使用 y=(x,{Wi})+W...原创 2018-04-21 21:55:54 · 302 阅读 · 0 评论