深度学习Deep Learning
文章平均质量分 81
眼观
入坑机器视觉,主要研究目标跟踪,欢迎共同探讨。
展开
-
深度学习笔记一:生成对抗网络(Generative Adversarial Nets)
文章链接:http://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf已经有段时间没看过Deep learning的东西了,最近要重新捡起来了。从生成对抗网络(GAN)开始。这是Goodfellow的scholar主页,没看过的可以去膜拜一下。与GAN相关的最新的推荐文章:Unsupervised and Semi原创 2016-11-22 13:03:15 · 14166 阅读 · 1 评论 -
图像检索系列一:Deep Learning of Binary Hash Codes for Fast Image Retrieval
这篇文章的想法很巧妙,在一个深层CNN的最后一个全连接层(fc8)和倒数第二个全连接层(fc7)之间加了一层全连接隐层,就是图一中绿色的latent layer (H)。这样一来,既可以得到深层的CNN特征,文中主要用的是fc7的特征,还可以得到二分的哈希编码,即来自H。这个隐层H不仅是对fc7的一个特征概括,而且是一个连接CNN网络的中层特征与高层特征的桥梁。原创 2016-11-23 14:44:06 · 9785 阅读 · 6 评论 -
目标跟踪系列三:ECO: Efficient Convolution Operators for Tracking(2016年11月)
Visual Tracking领域大牛(至少我认为是这个领域的大牛)Martin Danelljan又出新作。继C-COT之后又一刷新纪录的作品。不管是从结果还是速度上都有提升,尤其是速度提升明显。用传统特征HOG+CN的版本速度有60+FPS,用CNN+HOG+CN的速度有8FPS,从跟踪效果来看,个人认为可以算一个出色的作品。C-COT是2016年ECCV的文章,下次有空再讲。ECO文原创 2017-01-12 15:25:14 · 35468 阅读 · 11 评论 -
目标跟踪系列四:Modeling and Propagating CNNs in a Tree Structure for Visual Tracking (2016年8月)
文章是2016年8月放到arvix上的,看格式应该是投到CVPR2017了,Korea的POSTECH这个团队做的,之前比较有名的还有MDNet和CNN-SVM,相信大家应该不陌生哈。这篇文章的简称是TCNN(树结构的CNN),是VOT2016的冠军,效果很棒,想法也蛮有新意,下面听我一一道来。原创 2017-01-12 17:51:34 · 3657 阅读 · 2 评论