随笔分类 - deep learning
摘要：知乎上的讨论：https://www.zhihu.com/question/27982282 从0开始山寨caffe系列：http://www.cnblogs.com/neopenx/archive/2016/02.html caffe源码阅读系列：http://blog.csdn.net/xize
阅读全文
摘要：如何在Caffe中增加一层新的Layer呢？主要分为四步： （1）在./src/caffe/proto/caffe.proto 中增加对应layer的paramter message； （2）在./include/caffe/***layers.hpp中增加该layer的类的声明，***表示有com
阅读全文
摘要：在某社区看到的回答，觉得不错就转过来了：http://caffecn.cn/?/question/123 Caffe从四个层次来理解：Blob，Layer,Net,Solver。 1、Blob Caffe的基本数据结构，用四维矩阵Batch*Channel*Height*Width表示，存储了包括神
阅读全文
摘要：把r-cnn系列总结下，让整个流程更清晰。 整个系列是从r-cnn至spp-net到fast r-cnn再到faster r-cnn。 RCNN 输入图像，使用selective search来构造proposals（大小不一，需归一化），输入到CNN网络来提取特征， 并根据特征来判断是什么物体（分
阅读全文
摘要：在学习r-cnn系列时，一直看到SPP-net的身影，许多有疑问的地方在这篇论文里找到了答案。 论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 转自：http://blog.csdn.n
阅读全文
摘要：faster r-cnn 1、问题 在fast r-cnn中，proposals已经成为速度提高的瓶颈。在本文中，使用深度网络来计算proposals， 使得与检测网络的计算量相比，proposals的计算量可忽略不计。为此，本文提出了RPN网络（Region Proposal Network），
阅读全文
摘要：http://closure11.com/rcnn-fast-rcnn-faster-rcnn%E7%9A%84%E4%B8%80%E4%BA%9B%E4%BA%8B/ 首先看fast r-cnn这篇论文，中间加入了有些博友的想法。 问题 目标检测主要面临两个问题：过多的候选位置（proposals
阅读全文
摘要：原文链接：https://www.52ml.net/20287.html 这篇博文主要讲了深度学习在目标检测中的发展。 博文首先介绍了传统的目标检测算法过程： 传统的目标检测一般使用滑动窗口的框架，主要包括三个步骤： 基于深度学习的目标检测分为两派： 目前来说，基于区域提名的方法依然占据上风，但端到
阅读全文
摘要：BP理论部分参考：http://blog.csdn.net/itplus/article/details/11022243 参考http://www.cnblogs.com/ronny/p/ann_02.html#!comments，结合BP算法的理论部分，可以真正理解了ANN。 代码部分我加了部分
阅读全文
摘要：参考：http://blog.csdn.net/itplus/article/details/11022243 http://www.offconvex.org/2016/12/20/backprop/
阅读全文
摘要：这篇论文主要讲了CNN的很多技巧，参考这位博主的笔记：http://blog.csdn.net/whiteinblue/article/details/43202399 https://blog.acolyer.org/2016/04/20/imagenet-classification-with-
阅读全文
摘要：卷积网络 卷积网络用三种结构来确保移位、尺度和旋转不变：局部感知野、权值共享和时间或空间降采样。典型的leNet-5如下图所示： C1中每个特征图的每个单元和输入的25个点相连，这个5*5的区域被称为感知野。特征图的每个单元共享25个权值和一个偏置。其他特征图使用不同的权值（卷积枋），因 此可以得到
阅读全文
摘要：这篇博客对论文进行了部分翻译http://blog.csdn.net/vintage_1/article/details/19546953，不过个人觉得博主有些理解有误。 这篇博客简单分析了代码http://www.cnblogs.com/zeadoit/p/4161427.html 本文的DLT算
阅读全文
摘要：自编码器通过学习隐含特征来表达原始数据，那什么是denoise autoencoder呢？ 关于Autoencoder参考：http://blog.csdn.net/on2way/article/details/5009508 http://blog.csdn.net/on2way/article/
阅读全文
摘要：跟着这位博主来学习C++的卷积网络实例，因为作者一直在更新代码，所以新的代码和这位博主的分析有所不同；这位博主写的东西太泛了，没有讲到实质， 可以参考下他分析的类与类之间的关系图。。 前四节：http://blog.csdn.net/u013088062/article/details/508390
阅读全文
摘要：转自知乎：https://www.zhihu.com/question/34681168
阅读全文
摘要：当训练样本比较少时，为了防止过拟合，可以丢掉一些节点的连接，让某些隐含层结点不工作（即停止更新权值），采用部分连接的方式。 参考：http://blog.csdn.net/on2way/article/details/50525548 和http://www.cnblogs.com/tornadom
阅读全文
摘要：CNN是深度学习的一个框架，是深度学习在图像领域的应用。主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。 刚开始接触，把学习过程记录下来。 首先得知道CNN中的convolution体现在哪,CNN与一般滤波的区别在哪，CNN的一般过程。 UFLDL中讲到了卷积特征提取和池化：http://d
阅读全文
摘要：不定时更新。。。。。 首先是吴老爷子在优酷的视频，可惜外音太大了：http://list.youku.com/albumlist/show?id=21508721&ascending=1&page=1 这位博主的博文，写的很全：http://www.cnblogs.com/tornadomeet/t
阅读全文
摘要：教程：http://ufldl.stanford.edu/tutorial/supervised/MultiLayerNeuralNetworks/ 以及这篇博文，写的很清楚：http://blog.csdn.net/itplus/article/details/11451327 PCA是对数据实现
阅读全文
浙公网安备 33010602011771号