摘要：参考这篇博文《深度学习最全优化方法总结比较（SGD，Adagrad，Adadelta，Adam，Adamax，Nadam）》 阅读全文

摘要：这个网页对卷积和反卷积操作讲解的很清楚《Convolution arithmetic tutorial》 反卷积，转置卷积 阅读全文

摘要：参考博文《论文笔记（一）》、《CVPR阅读》、《Rich feature hierarchies for accurate object detection and semantic segmentation（阅读翻译）》 摘要 目标检测方法中最好的方法是结合多个低层次的图片特征和高层的上下文。该论 阅读全文

摘要：借用图像金字塔(image pyramid)的思想,通过将原图中指定位置对应CNN 各个层次的输出特征图,组合成hypercolumn 向量描述图像中统计结构特征,提升了图像分割的精细度,该方法也可用于物体检测和特征点预测等任务.该方法在PASCAL VOC 2012 竞赛中显示出的分割准确度为62 阅读全文

摘要：借用图像金字塔(image pyramid)的思想,通过将原图中指定位置对应CNN 各个层次的输出特征图,组合成hypercolumn 向量描述图像中统计结构特征,提升了图像分割的精细度,该方法也可用于物体检测和特征点预测等任务.该方法在PASCAL VOC 2012 竞赛中显示出的分割准确度为62 阅读全文

摘要：参考博文《基于深度学习的目标检测研究进展》 博文简单介绍了传统的目标检测方法 重点介绍了RCNN系列方法的思想及优缺点 介绍了针对RCNN系列方法的缺点进行改进的方法，结合使用YOLO和SSD方法 最后提出了进一步提高目标检测的方法 阅读全文

摘要：参考博文《 MTCNN（Multi-task convolutional neural networks）人脸对齐》、《Face Detection paper 1st season》 该论文有如下几个亮点 （1）深度卷积神经网络 （2）层叠网络多任务框架 （3）以一种从粗到细的方式逐步定位物体 建 阅读全文

摘要：论文将图像分割算法分为：基于图论的方法、基于像素聚类的方法和语义分割方法。 （1）图像的低级语义：包括图像像素的颜色、纹理和形状等信息。 （2）图像的中级语义：是指将具有相似特征的相邻像素构成的图像块所具有的像素以外的附加信息,如图像块的粗糙度、对比度、方向度、紧凑度等。 （3）图像的高级语义：是指 阅读全文

摘要：论文结合显著性和对象性组成图模型，利用该模型把超像素合并成物体和背景的分割。 该论文主要是定义了物体显著性、对象性及交互的能量函数，构建了图模型。实际上是解决凸优化问题，通过最小化能量值解决显著性和对象性的估计问题。 以前大量论文是从底向上构建检测物体，从像素级在到图片分割区块，通过分类器来判断这些 阅读全文

摘要：该论文提出了不针对某一特定类来搜索目标物体，论文的方法是独立于类的（independent of its class ）。搜索策略不是采用枚举法而是随机搜索法。 论文认为图片中的物体至少有3种唯一的特性 （1）定义很好的封闭边界 （2）与周围环境不同的外观 （3）有时在图片中物体是唯一的 论文主要贡 阅读全文

摘要：参考这篇博文《 目标检测的图像特征提取之（二）LBP特征》《目标检测的图像特征提取之（三）Haar特征》 阅读全文

摘要：该论文首次提出了HOG特征描述符。 可以参考如下博客《目标检测的图像特征提取之（一）HOG特征》、《方向梯度直方图-Hog算法介绍》和 《梯度方向直方图HOG(Histogram of Gradient)特征总结》 论文中主要思想：在一副图像中，局部目标的表象和形状（appearance and s 阅读全文

摘要：一个分类器的分类准确率在60%-80%，即：比随机预测略好，但准确率却不太高，我们可以称之为“弱分类器”，比如CART（classification and regression tree）。 反之，如果分类精度90%以上，则是强分类器 弱分类器在adaptive boosting（Adaboost 阅读全文