- 博客(26)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 论文阅读 - ExFuse: Enhancing Feature Fusion for Semantic Segmentation
论文阅读 - ExFuse: Enhancing Feature Fusion for Semantic Segmentation(ECCV 2018 Fudan University, Megvii Inc.)这篇文章研究语义分割网络中高低层特征融合的效率问题。在很多工作中，融合不同尺度的特征是提高分割性能的一个重要手段。低层特征分辨率更高，包含更多位置、细节信息，但是由于经过的卷积...
2019-05-22 20:55:15
733
转载 基于深度学习的分割资料
Awesome Semantic SegmentationNetworks by architectureSemantic segmentationU-Net [https://arxiv.org/pdf/1505.04597.pdf] https://github.com/zhixuhao/unet [Keras] https://lmb.informatik.uni-fr...
2018-11-09 18:55:48
645
原创 【论文分析笔记】 GoogLeNet --- Going deeper with convolutions
Going deeper with convolutions 目录1. 摘要2. 引言3. 相关工作4. 动机与高层次考虑5. 框架细节6. GoogLeNet 学习总结：卷积神经网络的问题有哪些？ 通常神经网络要效果好，最简单的做法是加深网络层或者加宽网络层。这种做法简单暴力，易于实现。但是该方法存在以下几个缺点：a. 较大模型意...
2018-07-24 15:29:23
480
原创 Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks（CycleGAN）
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks 目录摘要1.引言2.相关工作3.Formulation3.1. Adversarial Loss3.2. Cycle Consistency Loss3.3. Full Objective4.impl...
2018-07-22 19:42:12
10240
4
原创 GANerated Hands for Real-Time 3D Hand Tracking from Monocular RGB
GANerated Hands for Real-Time 3D Hand Tracking from Monocular RGB（适用于单目RGB的实时三维手部跟踪）Franziska Mueller1,2 Florian Bernard1,2 Oleksandr Sotnychenko1,2 Dushyant Mehta1,2Srinath Sridhar3 Dan Casa...
2018-07-11 18:11:04
3116
3
原创 深度学习之蒸馏法训练网络
《Distilling the Knowledge in a Neural Network》Geoffrey Hintion摘要在ML领域中有一种最为简单的提升模型效果的方式，在同一训练集上训练多个不同的模型，在预测阶段采用综合均值作为预测值。但是，运用这样的组合模型需要太多的计算资源，特别是当单个模型都非常浮渣的时候。已经有相关的研究表明，复杂模型或者组合模型的中“知识”通过合适的方式是可以迁移...
2018-04-26 14:51:30
11603
1
原创 深度学习loss函数理解
监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”，也就是在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们的训练数据，而规则化参数是防止我们的模型过分拟合我们的训练数据。多么简约的哲学啊！因为参数太多，会导致我们的
2017-09-29 19:11:38
43466
1
原创 Deep Compression：Pruning （剪枝模型压缩）
caffe 实现剪枝模型压缩 根据“没有免费的午餐定律”,想要好机器学习效果，就要设计很深的网络结构，导致model很大，这篇博客讲述是如何在不降低模型识别率的情况下压缩模型。其实 network pruning 技术已经被广泛应用到CNN模型的压缩中了。 早期的一些工作中，LeCun 用它来减少网络复杂度，从而达到避免 over-fitting 的效果； 近期，其实也就是作者的第一篇网络压缩论文
2017-08-23 19:37:16
3385
12
原创 openpose vs2015 cuda8.0 cudnn5.0 TiTan xp 环境配置
win10 caffe openpose cuda8.0 cudnn5.0 titan-xp
2017-08-18 16:00:35
896
原创 Fine-tuning 深度学习操作指南
fine-tuning:利用已有模型训练其他数据集Deep Learning或者说CNN在图像识别这一领域取得了巨大的进步，那么自然我们就想将CNN应用到我们自己的数据集上，但这时通常就会面临一个问题：通常我们的dataset都不会特别大，一般不会超过1万张，甚至更少，每一类图片只有几十或者十几张。这时候，直接应用这些数据训练一个网络的想法就不可行了，因为深度学习成功的一个关键性因素就是大量带标签数
2017-07-30 11:33:47
2542
2
转载 Active Learning: 一个降低深度学习时间，空间，经济成本的解决方案｜CVPR 2017
Active Learning下面要介绍的工作发表于 CVPR 2017，题为「Fine-tuning Convolutional Neural Networks for Biomedical Image Analysis: Actively and Incrementally」。它主要解决了一个深度学习中的重要问题：如何使用尽可能少的标签数据来训练一个效果 promising 的分类器。根
2017-07-30 10:53:15
2452
转载 神经网络之激活函数(Activation Function)（附maxout）
神经网络之激活函数(Activation Function)（附maxout）
2017-04-25 11:18:01
1430
原创 Network in Network 笔记
network in network 学习笔记 -lenet等传统cnn网络中的卷积层其实就是用线性滤波器对图像进行内积运算，在每个局部输出后面跟着一个非线性的激活函数，最终得到的叫作特征图。而这种卷积滤波器是一种广义线性模型。所以用CNN进行特征提取时，其实就隐含地假设了特征是线性可分的，可实际问题往往是难以线性可分的。
2017-04-22 11:19:08
673
原创 深度学习网络Lenet Alexnet VGG GoogleNet 总结笔记
-深度学习网络学习总结卷积神经网络，是深度学习方向的主流方向，目前具有代表的网络如下：lenet alexnet vgg googlenet, 大部分卷积神经网络都由conv层、pool层、rule层、LRN层、fc层、softmax、dropout等层组成。本文对以上网络依次介绍。1. Lenet，1986年2. Alexnet，2012年3. GoogleNet，2014年4. VGG，
2017-04-20 21:13:48
5064
原创 Win10 VS2015 caffe CUDA8.0 GTX1070安装指南
Win10 VS2015 caffe CUDA8.0 GTX1070安装指南
2017-03-24 14:51:28
2086
原创 YOLO VS2015 windows
配置环境visual studio 2015 显卡 GTX 960M CUDA 7.5 Opencv 2.4.9 pthread 下载地址YOLO官网[http://pjreddie.com/darknet/yolo/]步骤CUDA 版本安装教程：参考地址CPU版本安装步骤：第一步：建立vs2015 x86（x64）位项目程序第二步：按照Makefile文件，将YOLO官网中下载的以
2016-08-30 15:59:28
8138
12
原创 深度学习 VGG 网络 实现 face landmark 与 head pose
深度学习实现 人脸特征点（68点）标注及人脸3D姿态估计
2016-08-09 14:26:08
5740
16
原创 Prisma 算法实现
**Prisma 算法实现**最近有一款流行的APP， 叫（Prisma）,用户选择一张需要处理的图片，再选择一张艺术风格照， 就可以在线生成一张美图啦！ 效果如下： 该功能的实现算法：斯坦福大学李飞飞组，基于感知损失函数的图像实时分割转换和超分辨率重建：Perceptual Losses for Real-Time Style Transfer and Super-Resolution Pap
2016-07-20 16:59:39
3162
1
原创 android中libs目录下armeabi和armeabi-v7a的区别
android中libs目录下armeabi和armeabi-v7a的区别armeabi默认选项， 支持基于 ARM* v5TE 的设备 支持软浮点运算（不支持硬件辅助的浮点计算） 支持所有 ARM* 设备armeabi-v7a 支持基于 ARM* v7 的设备 支持硬件 FPU 指令 支持硬件浮点运算不同手机由于cpu的不同，使用不同的驱动。在android.mk里可配置以下宏： T
2016-07-20 15:52:01
1005
原创 OCR识别的开源分析
OCR识别的开源分析OCR软件主要是由下面几个部分组成。 1. 图像输入、预处理： 2. 图像输入：对于不同的图像格式，有着不同的存储格式，不同的压缩方式。预处理：主要包括二值化，噪声去除，倾斜较正等 3. 二值化： 对摄像头拍摄的图片，大多数是彩色图像，彩色图像所含信息量巨大，对于图片的内容，我们可以简单的分为前景与背景，为了让计算机更快的，更好的识别文字，我们需要先对彩色图进
2016-06-08 16:36:45
17055
1
原创 深度学习与模式识别之项目整理
深度学习与模式识别之项目整理[email protected]://blog.csdn.net/luojun2007作者：Luogz声明：1）2）3）4）5） 目录：一、二、三、四、五、 一、二、三、3.13.23.3四、
2014-10-26 12:29:03
6037
7
转载 彩色图对比度增强
一般地，图像对比度都是在灰度图上进行增强，这在我的一篇文章中已经给出了实现方法（http://blog.csdn.net/abcjennifer/article/details/7401921），最通常的办法就是直方图均衡化，而彩色图像的对比度增强其实道理相同。这里给出我的实现方法：首先将RGB图像转到YCbCr分量，然后对Y分量上的图像进行直方图均衡化，最后进行图像合成。详见代码~(*^
2014-08-28 20:16:07
1215
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人