摘要： 摘录ECCV2016部分文章，主要有Human pose esimation, Human activiity / actions, Face alignment, Face detection & recognition & .. , Hand tracking, Eye, and Others. 阅读全文

摘要： 前言 好久没用正儿八经地写博客了，csdn居然也有了markdown的编辑器了，最近花了不少时间看RNN以及LSTM的论文，在组内『夜校』分享过了，再在这里总结一下发出来吧，按照我讲解的思路，理解RNN以及LSTM的算法流程并推导一遍应该是没有问题的。 RNN最近做出了很多非常漂亮的成果，比如Ale 阅读全文

摘要： 如何在Caffe中配置每一个层的结构 最近刚在电脑上装好Caffe，由于神经网络中有不同的层结构，不同类型的层又有不同的参数，所有就根据Caffe官网的说明文档做了一个简单的总结。 1. Vision Layers 1.1 卷积层(Convolution) 类型：CONVOLUTION 例子 blo 阅读全文

摘要： 详细对比请查看：http://www.zhihu.com/question/29021768/answer/43517930 . 激活函数的作用：是为了增加神经网络模型的非线性。否则你想想，没有激活函数的每层都相当于矩阵相乘。就算你叠加了若干层之后，无非还是个矩阵相乘罢了。所以你没有非线性结构的话， 阅读全文

摘要： 1.整理得到自己的数据库，并生成自己数据库的列表文件.txt2.将数据库转成lmbp格式3.计算图像均值4.修改网络参数5.得到结果1.整理得到自己的数据库因为前面博文提到的原因，技术水平有限没办法实现主机和虚拟机之间的文件共享，就暂时先用比较麻烦的方法。现在主机上整理好需要的数据集一共四个文件：两 阅读全文

摘要： 提示 make: 没有什么可以做的为 `all'。 make clean 一次，编译过程又有了. 阅读全文

摘要： 在计算机时代的早期，一名极客的满足感很大程度上来源于能DIY一台机器。到了深度学习的时代，前面那句话仍然是对的。缘起在2013年，MIT科技评论将深度学习列为当年十大科技突破之首。其原因在于，模型有其为庞大的网络结构，参数够多，学习能力够强，能配合大数据达到惊人的效果。而且，能自动学习特征，避免了“ 阅读全文

摘要： http://www.cv-foundation.org/openaccess/CVPR2016.py ORAL SESSION Image Captioning and Question Answering Monday, June 27th, 9:00AM - 10:05AM. These pa 阅读全文

摘要： 原文链接：http://blog.csdn.net/tuqu/article/details/5177405 贝塞尔基函数用作权重。B-样条基函数也一样；但更复杂。但是它有两条贝塞尔基函数所没有的特性，即(1)定义域被节点细分（subdivided）； (2) 基函数不是在整个区间非零。实际上，每个 阅读全文

摘要： Caffe是一个清晰而高效的深度学习框架，本文详细介绍了caffe的优势、架构，网络定义、各层定义，Caffe的安装与配置，解读了Caffe实现的图像分类模型AlexNet，并演示了CIFAR-10在caffe上进行训练与学习。Caffe是一个清晰而高效的深度学习框架，其作者是博士毕业于UC Ber... 阅读全文