摘要: 先介绍一下 Caffe 和 TensorFlow 中 weight decay 的设置: 在 Caffe 中, SolverParameter.weight_decay 可以作用于所有的可训练参数, 不妨称为 global weight decay, 另外还可以为各层中的每个可训练参数设置独立的 d 阅读全文
posted @ 2020-10-21 23:28 quarryman 阅读(10882) 评论(2) 推荐(0) 编辑
摘要: 计算两个矩阵的成对平方欧氏距离 (pairwise squared Euclidean distance) 在度量学习, 图像检索, 行人重识别等算法的性能评估中有着广泛的应用, 本文讲的是如何在 NumPy 对其进行高效的实现. 阅读全文
posted @ 2020-06-05 14:27 quarryman 阅读(3631) 评论(0) 推荐(0) 编辑
摘要: 在 C/C++ 中, 直接利用 `(x + y) >> 1` 来计算两个整数的平均值并向下取整以及直接利用 `(x + y + 1) >> 1` 来计算两个整数的平均值并向上取整的结果可能有误, 因为 `(x + y) >> 1` 和 `(x + y + 1) >> 1` 中的 `x+y` 可能会发生数值溢出. 而两个整数的平均值并取值的结果是不可能数值溢出的, 这就引发我们思考可不可能通过某种方式来规避平均值计算中的数值溢出. 阅读全文
posted @ 2020-05-29 20:58 quarryman 阅读(1913) 评论(0) 推荐(1) 编辑
摘要: 这份博文总结了 SSE 系列内置函数中与 shuffle 有关的宏和函数。分析验证了 _mm_shuffle_epi16 存在的可能性,并利用 _mm_shuffle_epi8 实现了该函数。 阅读全文
posted @ 2017-04-18 16:07 quarryman 阅读(6658) 评论(3) 推荐(1) 编辑
摘要: 本文推导了几种经典的光流算法,分别来自文献[Lucas and Kanade, 1981],[Farneback, 2003] ,[Horn and Schunk, 1981]和[Brox et al. 2004]。为了公式符号的统一,没有采用原始文献的符号标记,为了简化推导,推导步骤与原始文献也不一样。此外,本文还给出了LK光流算法的实现。 阅读全文
posted @ 2016-01-21 13:03 quarryman 阅读(4836) 评论(0) 推荐(2) 编辑
摘要: 本文是Image Smoothing via L0 Gradient Minimization一文的笔记。L0 Gradient Smoothing的formulation与TV和WLS等基于变分的模型很相似,所以本文重在推导。读者需注意,本文采用的符号标记与原论文不同,笔者觉得本文采用的符号标记表达力更强些,且不容易产生歧义。本文重写了原论文中的问题描述,推导了原论文中的公式(8),笔者还推导了一个新的向量形式的Solver,并编码验证了该Solver的正确性(遗憾的是,效率不及原作者用FFT实现的代码)。 阅读全文
posted @ 2016-01-12 12:07 quarryman 阅读(6792) 评论(16) 推荐(0) 编辑
摘要: 本文叙述了几种实现图像锐化的方式,包括拉普拉斯滤波,加权均值滤波,形态学梯度和顶帽底帽变换。本文的特色在于,大致证明了这几种方式可以实现图像锐化的原因。 阅读全文
posted @ 2016-01-08 15:25 quarryman 阅读(3295) 评论(0) 推荐(1) 编辑
摘要: 本文介绍了Bregman迭代算法,Linearized Bregman算法(及在求解Basis Pursuit问题中的应用)和Split Bregman算法(及在求解图像TV滤波问题中的应用)。 阅读全文
posted @ 2015-12-29 23:03 quarryman 阅读(5885) 评论(0) 推荐(0) 编辑
摘要: 最近加了一个QQ群,接触了点新的东西,包括稀疏近似,低秩近似和压缩感知等。Robust PCA中既包含了低秩,又包含了稀疏,于是以其为切入点,做了如下笔记。笔记中有的公式有比较详细的推导,希望对读者有用;有的公式则直接列写出了,待以后有新的理解再更新。由于初学,加之水平有限,文中会有疏漏错误之处,希望大家批评指正赐教。 阅读全文
posted @ 2015-12-25 12:23 quarryman 阅读(10562) 评论(7) 推荐(4) 编辑
摘要: 本文从最优化角度引入了加权众数滤波(Weighted Mode Filtering),加权中值滤波(Weighted Median Filtering)和加权均值滤波(Weighted Mean Filtering);根据权重函数(核函数?)的形式对加权均值滤波进行分类,主要分为线性滤波(包括线性移不变滤波,算术均值滤波),值域滤波和双边滤波等;推广了加权均值滤波,联合双边滤波,几何均值滤波,最值滤波和非局域均值滤波都可纳入其中。 阅读全文
posted @ 2015-12-21 00:35 quarryman 阅读(602) 评论(0) 推荐(1) 编辑