- 博客(5)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection
PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection论文地址 github源码Introduction这篇论文是发表在2016nips上的一篇关于目标检测的论文，在这个论文之前，目标检测我个人看到效果最好的是Faster R-CNN+++（R-FCN的对比试验,+++代表添加了迭代边框回归，上下文信息
2016-12-18 11:07:20
2924
1
原创 C++多线程处理数据
C++多线程处理数据运行环境OS:centos 7 编译环境：gcc 4.8 CPU: 2颗 Intel(R) Xeon(R) CPU E5-2670 v3 @ 2.30GHz，24核48线程。背景在服务器处理大规模的数据中，使用单线程处理数据，对多核CPU简直是暴殄天物，除非特定情况如在单核单线程测试算法运行时间。 处理任务：处理将近5000个视频的特征 处理目标：充分利用CPU核，多线程
2016-12-29 15:13:41
4273
原创 Instance-Aware Hashing for Multi-Label Image Retrieval
Instance-Aware Hashing for Multi-Label Image Retrieval出版源：《IEEE Transactions on Image Processing》, 2016, 25(6):1-1 论文下载地址Introduce本篇论文是发表在TIP的工作，主要讲述了深度学习在多目标数据集上生成hash code上的应用。深度学习用到的监督信息主要来源于人工标注，但
2016-12-28 22:17:09
1358
原创 G-CNN: an Iterative Grid Based Object Detector
G-CNN: an Iterative Grid Based Object DetectorIntroduce论文下载地址 G-CNN是CVPR16一篇关于目标检测的文章。从2016CVPR的文章可以看出目标检测的新的方法，去除Region Proposals。之前CNN做目标检测的方法，主要是RCNN，SPPNet，Fast-RCNN，Faster-RCNN等，这些方法基本都沿袭下面的思路：Cr
2016-12-09 11:23:08
2154
原创 Factors in Finetuning Deep Model for Object Detection with Long-tail
Factors in Finetuning Deep Model for Object Detection with Long-tail论文下载地址 第一次看到Long-tail这个字眼是在一本经济学的书本上，由美国经济学家克里斯·安德森提出。最近看CVPR16看到一篇关于Long-tail的文章，看到名字就被吸引了（论文起一个好名字很重要），很想知道长尾理论在深度学习的finetunning中有
2016-12-06 17:23:01
1931
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人