随笔分类 - 深度学习
摘要：摘要从少数样本学习并泛化至截然不同的情况是人类视觉智能所拥有的能力，这种能力尚未被先进的机器学习模型所学习到。通过系统神经科学的启示，我们引入了视觉的概率生成模型，其中基于消息传送（message-passing）的推断以统一的方式处理识别、分割和推理（Reasoning）。该模型表现出优秀的泛化和
阅读全文
摘要：Video Analysis 相关领域介绍之Video Captioning(视频to文字描述)http://blog.csdn.net/wzmsltw/article/details/71192385 基于视频图像的信息：包括简单的用CNN（VGGNet, ResNet等）提取图像(spatial
阅读全文
摘要：视频结构化是一种视频内容信息提取的技术，它对视频内容按照语义关系，采用时空分割、特征提取、对象识别等处理手段，组织成可供计算机和人理解的文本信息的技术。 深度学习为视觉和语言之间搭建了一座桥梁https://weibo.com/ttarticle/p/show?id=2309404128390117
阅读全文
摘要：论文地址：Video2GIF: Automatic Generation of Animated GIFs from Video 视频的结构化分析是视频理解相关工作的关键。虽然本文是生成gif图，但是其中对场景RankNet思想值得研究。 文中的视频特征表示也是一个视频处理值得学习的点。以前做的视频
阅读全文
摘要：接下来几天，将把自己最近读的关于图片分类的经典网络模型论文整理一遍。大概做个摘要。这些论文都是在imagenet上1.2 million数据训练出来的。 由于从这些预训练的网络训练的deep feature有良好的泛化能力，可以应用到其他不同的CV问题，而且比传统的hand-craft featur
阅读全文
摘要：VGG:VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION 牛津大学 visual geometry group（VGG）Karen Simonyan 和Andrew Zisserman 于14年发表的论文。论文地址：
阅读全文
摘要：Rethinking the Inception Architecture for Computer Vision 论文地址：https://arxiv.org/abs/1512.00567 Abstract 介绍了卷积网络在计算机视觉任务中state-of-the-art。分析现在现状，本文通过适
阅读全文
摘要：ImageNet Classification with Deep Convolutional Neural Networks 论文理解 在ImageNet LSVRC-2010上首次使用大型深度卷积神经网络，并获得很好的成果。 数据集：ILSVRC使用ImageNet的一个子集，1000个类别每个
阅读全文
摘要：Deep Residual Learning for Image Recognition 微软亚洲研究院的何凯明等人 论文地址 https://arxiv.org/pdf/1512.03385v1.pdf Abstract 更深层次的神经网络训练更加困难。我们提出一个 Residual的学习框架来缓
阅读全文
浙公网安备 33010602011771号