一动不动的葱头

深度学习——历史及意义

摘要：参考文献：深度学习历史：2006年，Hinton给出了突破的一步。2013年，李彦宏高调宣布成立深度学习研究院。目前，很多领域的state-of-the-art被深度学习占领。意义：通常，传统的方法需要手动提取特征：虽然，现在有许多牛逼的特征，如sift、hog特征，但是，手动提取特征很不方面，也不... 阅读全文

posted @ 2015-10-17 16:38 一动不动的葱头阅读(816) 评论(0) 推荐(0)

Struck: Structured Output Tracking with Kernels

摘要： reference:Struck: Structured Output Tracking with Kernelshot topic:tracking-by-detection methods, treated as a classifiction task, use online learning... 阅读全文

posted @ 2015-10-15 11:12 一动不动的葱头阅读(835) 评论(0) 推荐(0)

Hign-Speed Tracking with Kernelzied Correlation Filters

摘要： reference:Hign-Speed Tracking with Kernelzied Correlation Filtersquestions:The core componet of most modern trackers is a discriminative classifier, t... 阅读全文

posted @ 2015-10-15 10:30 一动不动的葱头阅读(360) 评论(0) 推荐(0)

论文快速读懂的方法总结1

摘要： 1、先读Abstract，掌握文章的目标，效果，方法。2、看看实验效果。3、看看有没有算法步骤。4、introduction5、related work6、model derived 阅读全文

posted @ 2015-10-15 09:41 一动不动的葱头阅读(390) 评论(0) 推荐(0)

什么叫做VC维

摘要：参考《机器学习导论》假设我们有一个数据集，包含N个点。这N个点可以用2N种方法标记为正例和负例。因此，N个数据点可以定义2N种不同的学习问题。如果对于这些问题中的任何一个，我们都能够找到一个假设h属于H，将正例和负例分开，那么我们就称H散列N个点。也就是说，可以用N个点定义的任何学习问题都能够用一个... 阅读全文

posted @ 2015-10-14 21:54 一动不动的葱头阅读(426) 评论(0) 推荐(0)

SVM核技巧之终极分析

摘要：参考文献： http://www.blogjava.net/zhenandaci/archive/2009/03/01/257237.html http://www.cnblogs.com/jerrylead/archive/2011/03/18/1988406.html NG的SVM课件台湾大学阅读全文

posted @ 2015-10-14 19:57 一动不动的葱头阅读(2719) 评论(0) 推荐(0)

Robust Tracking via Weakly Supervised Ranking SVM

摘要：参考文献：Yancheng Bai and Ming Tang.Robust Tracking via Weakly Supervised Ranking SVMAbstract通常的算法：utilize the object information contained in the current... 阅读全文

posted @ 2015-10-11 20:31 一动不动的葱头阅读(494) 评论(0) 推荐(0)

Object Tracking Benchmark

摘要： Abstract问题：1)evaluation is often not suffcient2)biased for certain types of algorthms3)datasets do not have common ground-truth object positions or ex... 阅读全文

posted @ 2015-10-11 11:18 一动不动的葱头阅读(1432) 评论(0) 推荐(0)

Convolutional Networks for Images, Speech, and Time-Series

摘要：参考：Convolutional Networks for Images, Speech, and Time-Series传统的特征提取：gathers relevant information from the input and eliminates irrelevant variablilit... 阅读全文

posted @ 2015-10-08 21:26 一动不动的葱头阅读(954) 评论(0) 推荐(0)

Adaboost新理解

摘要： Adaboost有几个难点： 1、弱分类器的权重怎么理解？误差大的弱分类器权重小，误差小的弱分类器权重大。这很好理解。在台湾大学林轩田老师的视频中，推导说，这个权值实际上貌似梯度下降，权值定义成1/2ln((1-ε)/ε)，实际上是有梯度下降，求梯度取最陡得到。 2、弱分类器怎么通常选啥可以选树阅读全文

posted @ 2015-10-07 15:15 一动不动的葱头阅读(309) 评论(0) 推荐(1)

一动不动的葱头

公告

导航