上一页 1 2 3 4 5 6 ··· 10 下一页
摘要:前面对R CNN系的目标检测方法进行了个总结,其中对目标的定位使用了 边框回归 ,当时对这部分内容不是很理解,这里单独学习下。 R CNN中最后的边框回归层,以候选区域(Region proposal)为输入,来对Region proposal中包含的目标进行准将的定位。但是,这个输入的候选区域通常 阅读全文
posted @ 2019-02-18 09:50 Brook_icv 阅读 (2217) 评论 (0) 编辑
摘要:Object Detection,在给定的图像中,找到目标图像的位置,并标注出来。 或者是,图像中有那些目标,目标的位置在那。这个目标,是限定在数据集中包含的目标种类,比如数据集中有两种目标:狗,猫。 就在图像找出来猫,狗的位置,并标注出来 是狗还是猫。 这就涉及到两个问题: 1. 目标识别,识别出 阅读全文
posted @ 2019-02-15 15:48 Brook_icv 阅读 (1650) 评论 (4) 编辑
摘要:2014年,牛津大学计算机视觉组(Visual Geometry Group)和Google DeepMind公司的研究员一起研发出了新的深度卷积神经网络:VGGNet,并取得了ILSVRC2014比赛分类项目的第二名(第一名是GoogLeNet,也是同年提出的).论文下载 "Very Deep C 阅读全文
posted @ 2019-01-30 16:13 Brook_icv 阅读 (3015) 评论 (1) 编辑
摘要:由于受到计算机性能的影响,虽然LeNet在图像分类中取得了较好的成绩,但是并没有引起很多的关注。 知道2012年,Alex等人提出的 AlexNet 网络在ImageNet大赛上以远超第二名的成绩夺冠,卷积神经网络乃至深度学习重新引起了广泛的关注。 AlexNet特点 AlexNet是在LeNet的 阅读全文
posted @ 2019-01-29 11:44 Brook_icv 阅读 (16455) 评论 (4) 编辑
摘要:开局一张图,内容全靠编。 上图引用自 "【卷积神经网络 进化史】从LeNet到AlexNet" . 目前常用的卷积神经网络 深度学习现在是百花齐放,各种网络结构层出不穷,计划梳理下各个常用的卷积神经网络结构。 目前先梳理下用于图像分类的卷积神经网络 LeNet AlexNet VGG GoogLeN 阅读全文
posted @ 2019-01-28 11:15 Brook_icv 阅读 (981) 评论 (0) 编辑
摘要:在前面两篇文章介绍了深度学习的一些基本概念,本文则使用Python实现一个简单的深度神经网络,并使用MNIST数据库进行测试。 神经网络的实现,包括以下内容: 神经网络权值的初始化 正向传播 误差评估 反向传播 更新权值 主要是根据反向传播的4个基本方程,利用Python实现神经网络的反向传播。 初 阅读全文
posted @ 2019-01-07 11:29 Brook_icv 阅读 (1322) 评论 (1) 编辑
摘要:BP算法,在深度神经网络的发展中有着举足轻重的地位,对于反向传播算法的推导过程,各种资料介绍可谓是多不胜数。但,由于深度神经网络的复杂性,要比较深刻的理解反向传播算法还是需要自己手动的推导一遍。 本文以前篇 "深度学习与计算机视觉: 深度学习必知基本概念以及链式求导" 介绍了神经网络的反向传播中的链 阅读全文
posted @ 2018-12-29 09:45 Brook_icv 阅读 (1200) 评论 (2) 编辑
摘要:深度学习与计算机视觉,开篇。 深度学习的几个基本概念 反向传播算法中的链式求导法则。 关于反向传播四个基本方程的推导过程,放在下一篇。 深度学习基础 深度学习的几度沉浮的历史就不多说了,这里梳理下深度学习的一些基本概念,做个总结记录,内容多来源于网络。 神经元 神经网络的基本组成单元 神经系统的基本 阅读全文
posted @ 2018-12-28 16:19 Brook_icv 阅读 (1696) 评论 (1) 编辑
摘要:标准库的 std::set_difference std::set_intersection std::set_union`用来求两个集合的差集,交集和并集。 正好有个需求,需要求在实体类集合A中,但是不再实体类集合B中的元素,可以使用上述方法来实现。 首先,来看下上述几个方法的简单使用。 std: 阅读全文
posted @ 2018-12-25 11:12 Brook_icv 阅读 (4225) 评论 (0) 编辑
摘要:Sift特征应该是使用最多的局部特征了,但是相比其他的一些特征描述符,计算sift特征描述符的时间较长。Changchang Wu使用GPU加速,实现了GPU版的sift特征提取SiftGPU。 SiftGPU应该是在Windows环境下完成的,其在Windows下的配置较为简单。 本文首先解释了, 阅读全文
posted @ 2018-12-18 09:30 Brook_icv 阅读 (910) 评论 (1) 编辑
上一页 1 2 3 4 5 6 ··· 10 下一页