眼观-CSDN博客

原创目标跟踪系列四：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。

2017-01-12 17:51:34 3622 2

原创目标跟踪系列三：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

2017-01-12 15:25:14 35368 11

原创林轩田机器学习基石——Non-Separable Data

回顾一下PLA(PerceptronLearning Algorithm)是线性分类器，每次发现一个错误分类的样本，就对超平面进行更新。上一课主要证明了PLA算法在数据为线性可分的情况下，是能够终止，找到最终能够准确分类数据的超平面的。在证明中是用到了理想的超平面Wf，实际上它是未知的，如果已知的话我们也就不用花力气去计算PLA了。还有一个问题是我们的训练数据D是否是线性可

2016-12-28 10:44:06 1493

原创林轩田机器学习基石——Guarantee of PLA

PLA: PerceptronLearning Algorithm这节课介绍了什么情况下PLA算法能够终止，终止条件是什么？1. 线性可分性PLA能够终止的条件，即 no more mistakes，所有的点都被找到的超平面正确的分类，无一例外。那么首先，我们的数据集就需要是线性可分的(Linear Separability)，只有所有的数据点是线性可分的，才有可能找到一个能够将它

2016-12-27 11:01:23 2220 1

原创 xrandr: Failed to get size of gamma for output default

新装的Ubuntu14.04分辨率只有两种1024x768和800x600，没有我想要的1920x1080,之前一直没弄清楚是什么问题，就按照网上的各种教程弄，按照这个系列的命令：xrandr --newmode。。。但是一直不成功，报错：xrandr: Failed to get size of gamma for output defaultX Error of fai

2016-12-21 10:42:43 46642 4

原创 ros与vrep通信：ROS Indigo+ubuntu14.04.4+V-REP_PRO_EDU_V3_3_1_64_Linux

如何完整地安装vrep，以及与ros的通讯模块

2016-12-08 19:21:43 3714

原创 ros vrep bridge遇到的奇怪问题

VREP版本：V-REP_PRO_EDU_V3_3_1_64_LinuxROS：indigo要使得两者能够互相通信，需要装ros vrep bridge。在装的时候遇到了两个奇怪的问题。

2016-11-30 17:21:39 2160

原创 LeetCode记录二：Find the Difference

原题：Given two strings s and t which consist of only lowercase letters.String t is generated by random shuffling string s and then add one more letter at a random position.Find the letter

2016-11-29 20:50:50 284

原创 LeetCode记录一： Island Perimeter

Island Perimeter：You are given a map in form of a two-dimensional integer grid where 1 represents land and 0 represents water. Grid cells are connected horizontally/vertically (not diagonally). The grid is comp

2016-11-29 20:06:27 372

原创图像检索系列一：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。

2016-11-23 14:44:06 9715 6

原创目标跟踪系列二：Staple: Complementary Learners for Real-Time Tracking（2016CVPR）

文章链接：http://arxiv.org/pdf/1512.013551. 考虑了两种方法的结合。Learning the template score（相关滤波）+ Learning the histogram score（简单的颜色直方图）2. 相关滤波对运动模糊和照度很鲁棒，showing great robustness to challenging

2016-11-23 13:03:09 7191 5

原创深度学习笔记一：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

2016-11-22 13:03:15 14125 1

原创目标跟踪系列一：压缩跟踪（compressive tracking）

入坑满两年，决定开始写关于目标跟踪的博客了，欢迎批评指正。主要关注的是single-object, short-term, model-free visual tracking problem. 即单目标，短时，无模型目标跟踪问题。一开始是因为要做本科毕设，那时候毫无头绪，也不知道该用什么方法，对这个领域一无所知。就在网上随便看，看到了当时很有名的一篇文章，叫压缩跟踪（CT）：

2016-11-17 14:20:35 3997

原创关于ImportError: xxxx.so: undefined symbol: PyFPE_jbuf的解决方案

最近在学着用caffe，总是遇到各种各样奇怪的问题。有时候搜遍整个google也找不到解决方案。所以一个问题都能耗上好几天。闲话少说，下面说一下这两天遇到的一个问题。就是在caffe中需要用到Python的一些的库，比如说pandas,Cython等的时候，明明安装成功了这个库，却无法import报这样的错：这个问题昨天也遇到，是import pandas的时候报的错，当时是hasht

2016-01-12 18:06:21 12913 3

眼观