随笔分类 -  毕设

视频分割
摘要：主要的视频分割算法分为两类： OSVOS（one shot video object segmentation）每一帧单独处理 MaskTrack考虑时序信息 在MaskTrack中，首先使用图像语义分割网络（deeplabv2）得到instance segmentation。但问题是：怎么让网络知 阅读全文
posted @ 2018-01-09 16:36 hahahaf 阅读(1551) 评论(0) 推荐(0)
视频显著性检测-----Predicting Video Saliency using Object-to-Motion CNN and Two-layer Convolutional LSTM
摘要：帧内显著性检测： 将卷积网络的多层特征进行组合通过unsampling 得到粗显著性预测； 帧间显著性检测： （粗检测结果+新卷积网络的特征图，最后+之前卷积网络的卷积特征输入到LSTM中）进行预测。。 视频目标分割： https://www.jiqizhixin.com/articles/2017 阅读全文
posted @ 2017-12-04 16:45 hahahaf 阅读(2017) 评论(3) 推荐(0)
unet 网络接受任意大小的输入
摘要：将网络的输入定义的placeholder 大小设为：[None,None,c]， 不设置固定的大小。 但是出现问题： 前层特征图与后层特征图进行组合时，尺寸大小不一致: [32, 60, 256] 和[33, 60, 512] 主要原因是： pooling 之后upsample ，特征图大小会变化 阅读全文
posted @ 2017-11-20 17:21 hahahaf 阅读(8206) 评论(0) 推荐(2)
视频目标检测
摘要：TCNN 静态图像中目标检测（rcnn,fast rcnn, faster rcnn, yolo, ssd 等） 上下文信息 使用图像检测算法将视频帧当做独立的图像来处理并没有充分利用整个视频的上下文信息。虽然说视频中可能出现任意类别的目标，但对于单个视频片段，只会出现比较少的几个类别，而且这几个类 阅读全文
posted @ 2017-11-14 22:30 hahahaf 阅读(6398) 评论(0) 推荐(0)
视频像素点级的标注
摘要：FBMS ： https://lmb.informatik.uni-freiburg.de/resources/datasets/ DAVIS: Densely Annotated VIdeo Segmentation: http://davischallenge.org/ SegTrackV2 阅读全文
posted @ 2017-11-13 16:26 hahahaf 阅读(255) 评论(0) 推荐(0)
edge box
摘要：先介绍一下matlab与c混合编程 主要步骤： 使用c语言编写函数 利用mexFunction()函数创建C与matlab接口 从Matlab中编译函数 # include <mex.h>: 为了实现matlab与c混合编程的接口 这个代码是算法真正实现的地方。 然后创建接口。mex函数库中的mex 阅读全文
posted @ 2017-07-10 19:57 hahahaf 阅读(2237) 评论(0) 推荐(0)
深度神经网络好的网站
摘要：http://www.ipcv.org/on-object-detection/ introduce come CNN models and their pre-trained model , paper. https://mp.weixin.qq.com/s/ZKMi4gRfDRcTxzKlTQb 阅读全文
posted @ 2017-07-02 20:17 hahahaf 阅读(235) 评论(0) 推荐(0)
目标检测
摘要：传统算法： 1. 基于boosting ：LBP/HOG/ ... 2. 基于SVM： HOG/SIFT+SVM, DPM 基于深度学习的方法： 1. 基于region： faster rcnn 2. 基于回归：YOLO/SSD 3. Mask rcnn 分类，定位，检测三种视觉任务的简单对比 分类 阅读全文
posted @ 2017-07-02 19:59 hahahaf 阅读(560) 评论(0) 推荐(0)
损失函数
摘要：定义： 用来估量模型的预测值f(x)与真实值Y的不一致程度，损失函数越小，模型的鲁棒性越好。损失函数是经验风险函数的核心部分，也是结构风险函数的重要组成部分。 模型的结构风险函数包括了经验风险项和正则项， 表示形式： 公式中前一部分为经验风险函数，L代表的是损失函数，后面的是正则化项（L1，L2 或 阅读全文
posted @ 2017-06-15 18:34 hahahaf 阅读(461) 评论(0) 推荐(0)
DPM 目标检测1
摘要：1. Origin 原始目标检测： HOG梯度模型+目标匹配 为了提过对目标形变的鲁棒性（多视角->多组件）： 目标形态多样性—>多个模型 目标的动态变化多视角—> 子模型 目标形变—> 图结构的组件模型策略 DPM目标检测： HOG特征提取+SVM分类器+滑动窗 2. 改进的HOG特征 1） 原始 阅读全文
posted @ 2017-06-13 17:59 hahahaf 阅读(1431) 评论(0) 推荐(0)