AUTO1993-CSDN博客

原创 MNC代码运行错误记录集锦

MNC代码运行错误记录集锦上一篇博客介绍了MNC的理论知识，这篇主要介绍我在跑作者提供的源码时出现的一些错误，以及错误的解决方案。上一篇博客介绍了MNC的理论知识，这篇博客主要介绍我在跑作者提供的源码时出现的一些错误，以及错误的解决方案MNC工程地址：https://github.com/daijifeng001/MNC按照github上地址的installation guide 安装MNC。我...

2018-03-24 15:49:04 799

原创阅读笔记：Instance-aware semantic segmentation via Multi-task Network Cascades

论文阅读：Instance-aware semantic segmentation via Multi-task Network Cascades论文信息：CVPR2016, PASCAL VOC in VGG 63.5% mAP. COCO2015 in resnet101 won first prize整体框架：对于传统的多任务方法，都是在共享特征的基础上，每个任务同时进行各不干扰，互相独立。...

2018-03-24 15:31:53 1727

转载从传统方法到深度学习，人脸特征点定位方法综述

人脸关键点检测是人脸识别和分析领域中的关键一步，它是诸如自动人脸识别、表情分析、三维人脸重建及三维动画等其它人脸相关问题的前提和突破口。近些年来，深度学习方法由于其自动学习及持续学习能力，已被成功应用到了图像识别与分析、语音识别和自然语言处理等很多领域，且在这些方面都带来了很显著的改善。因此，本文针对深度学习方法进行了人脸关键点检测的研究。2.1 ASM (Active Shape M

2018-01-15 11:11:47 1073

原创 caffe添加python数据层（ImageData）

caffe 添加python数据层本文主要是详细介绍如何在caffe中添加自定义python数据层（imagedata类型）。我之所以要实现这个python数据层是因为最近准备使用caffe+LSTM结构做行为识别，需要给视频每帧添加一个clips数据层，这意味着整个网络的输入有三个（data，label，clips），而caffe中是没有的，所以就尝试使用python实现自定义数据层，废话不多说

2018-01-02 14:54:20 6029 2

原创 error: function "atomicAdd(double *, double)" has already been defined错误解决方法

error: function "atomicAdd(double *, double)" has already been defined错误解决方法cuda 8.0 提供了对atomicAdd的定义，但atomicAdd在之前的cuda toolkit中并未出现，因此一些程序自定义了atomicAdd函数。因此，在atomicAdd前添加宏判断即可。对文件修改成如下

2017-12-08 17:07:37 4071 3

原创 t-SNE高维数据可视化（python）

t-SNE高维数据可视化（python）t-SNE（t-distributedstochastic neighbor embedding ）是目前最为流行的一种高维数据降维的算法。在大数据的时代，数据不仅越来越大，而且也变得越来越复杂，数据维度的转化也在惊人的增加，例如，一组图像的维度就是该图像的像素个数，其范围从数千到数百万。对计算机而言，处理高维数据绝对没问题，但是人类能感知的确只有三

2017-12-01 18:37:05 22417 4

原创迁移学习与微调的关系

迁移学习与微调的关系来看一下CS231n对于迁移学习的解释吧。在实际中，因为数据量小的缘故，很少有人会去从零开始去训练出一个CNN（train from scratch）。相反，普遍的做法都是在一个大的数据集上（比如ImageNet，包含120万张来自1000的类的数据集）进行预训练一个CNN模型，然后在这使用这个模型作为固定特征提取器或者网络的初始化权重应用在特定的任务中。主要的迁移

2017-11-30 16:34:05 9145 2

原创阅读笔记（paper+code）：Residual Attention Network for Image Classification

阅读笔记（paper+code）：Residual Attention Network for Image Classification代码链接：https://github.com/fwang91/residual-attention-network深度学习中的attention，源自于人脑的注意力机制，当人的大脑接受到外部信息，如视觉信息、听觉信息时，往往不会对全部信息进行处理和理解，

2017-11-28 10:31:50 1615

原创 C++类模板 template <class T>详细使用方法

C++类模板 template 详细使用方法类模板与函数模板的定义和使用类似。有时，有两个或多个类，其功能是相同的，仅仅是数据类型不同，如下面语句声明了一个类：class Compare_int{public : Compare(int a,int b) { x=a; y=b; } int max( ) { re

2017-11-27 21:48:30 31678 9

翻译 ROI Pooling层详解

ROI Pooling层详解原文链接：https://blog.deepsense.ai/region-of-interest-pooling-explained/目标检测typical architecture 通常可以分为两个阶段：（1）region proposal：给定一张输入image找出objects可能存在的所有位置。这一阶段的输出应该是一系列object可能位置

2017-11-12 19:38:02 78368 34

原创 RCNN系列目标检测方法概述

R-CNN系列算法是将将CNN方法引入目标检测领域的开山之作，极大改善目标检测的效果。传统的目标检测：穷举的方式进行滑窗处理；R-CNN：基于候选区域的方法（region proposals）一、预备知识物体检测和图片分类的区别：图片分类不需要定位，而物体检测需要定位出物体的位置，也就是相当于把物体的bbox检测出来，还有一点物体检测是要把所有图

2017-11-12 19:24:53 3345

原创阅读笔记（paper+code）：Residual Attention Network for Image Classification

阅读笔记（paper+code）：Residual Attention Network for Image Classification代码链接：https://github.com/fwang91/residual-attention-network深度学习中的attention，源自于人脑的注意力机制，当人的大脑接受到外部信息，如视觉信息、听觉信息时，往往不会对全部信息进行处理和理解，

2017-10-23 09:00:00 7306 3

原创行为识别阅读笔记（paper+code）：Real-time Action Recognition with Enhanced Motion Vector CNNs

行为识别阅读笔记（paper+code）：Real-time Action Recognition with Enhanced Motion VectorCNNs这篇文章是发表在CVPR2016上的一篇文章，这篇文章主要是对双流法进行了改进，双流法的诟病就是采用optimal flow作为temporal network的输入，因此速度巨慢，无法达到实时的目的，而这篇文章使用motion ve

2017-10-23 08:49:22 5438 2

原创行为识别阅读笔记(paper + parted code)：Beyond Frame-level CNN Saliency-Aware 3-D CNN with LSTM for Video Acti

行为识别阅读笔记(paper+ parted code)：Beyond Frame-level CNN Saliency-Aware 3-DCNN with LSTM for Video Action Recognition这篇文章是发篇在IEEESignal Processing2016上的一篇文章，算是比较久的文章。文章使用的网络结构是C3D+LSTM，没啥创新之处，个人觉得文章的创新点主

2017-10-23 08:45:13 2638 5

原创行为识别阅读笔记：ActionRecognition using Visual Attention

行为识别阅读笔记：ActionRecognition using Visual Attentionhttp://shikharsharma.com/projects/action-recognition-attention/这篇文章是发表在ICLR2016上的一篇文章，从文章给出的多个数据集上的测试结果来看，效果一般，远不如双流法。但该篇文章创新之处在于将attention mechani

2017-10-23 08:43:57 3514 1

翻译 CMC曲线（累计匹配曲线）

CMC曲线（累计匹配曲线）CMC曲线在人脸识别，行人重识别等领域使用的非常大，但却很少有文章去详细的介绍CMC曲线，这是我在researchgate网页上某个博主主页上找到的关于CMC曲线的介绍，个人觉得通过例子讲解的形式来介绍CMC使得更加通俗易懂，让人一看就明白。以下是原文：I think that understanding a CMC curve is much easierb

2017-07-03 08:53:13 10529 2

翻译行人重识别综述（Person Re-identification: Past, Present and Future）

Person Re-identification overview这是一篇关于person re-ID（行人重识别）的综述性文章，原文名：Person Re-identification:Past, Present and Future由于文章篇幅过长（page 20），所以本人在阅读这篇文献时，对文章中觉得比较重要的部分进行选择性的翻译，以期能对person re-ID快速了解。以下是原文主

2017-07-02 10:21:40 14139 4

原创 Visual Studio 2013使用Libsvm训练数据

Visual Studio 2013使用Libsvm训练数据最近在做周志华《机器学习》上面的习题时，需要使用linsvm库对西瓜数据集使用线性核和高斯核进行训练，比较其支持向量的差别，下面就简单的介绍一下，训练的过程。在使用libsvm之前我们需要去官网下载最新的版本libsvm-3.22 libSVM的下载地址：http://www.csie.ntu.edu.tw/~cjlin/li

2017-05-14 21:26:57 1345 2

原创小数据集训练深度网络的小技巧

小数据集训练深度网络的小技巧使用小数据集训练卷积神经网络时最大的缺点就是很容易导致过拟合问题。因此在这种情况下，常常会采用面几种方法：1.per-training：微调对于没有足够训练样本时初始化深度网络参数的一个有效的方法，一般都会选取与之具有相似结构的网络模型训练结果进行微调。2.data augmentation：使用data augmentation通过一些操作许多产生不同

2017-05-13 21:21:35 8238

转载相比于深度学习，传统的机器学习算法难道就此没落了吗，还有必要去学习吗？

传统机器学习与深度学习对比

2017-05-12 21:03:47 3452

转载神经网络的直观解释

什么是卷积神经网络？为什么它们很重要？卷积神经网络（ConvNets 或者 CNNs）属于神经网络的范畴，已经在诸如图像识别和分类的领域证明了其高效的能力。卷积神经网络可以成功识别人脸、物体和交通信号，从而为机器人和自动驾驶汽车提供视力。在上图中，卷积神经网络可以识别场景，也可以提供相关的标签，比如“桥梁”、“火车”和“网球”；而下图展示了卷积神经网络可以用来识别日常物体、

2017-05-12 21:00:36 1879

原创 Cannot write to snapshot prefix '***'. Make sure that the directory exists and is writeable解决方法

Cannot write to snapshot prefix 'caffe/examples/mnist/lenet'. Make sure that the directory exists and is writeable.*** Check failure stack trace: ***

2017-05-06 21:27:45 6911 5

转载 Caffe学习：绘制loss和accuracy曲线（使用caffe的python接口）

Caffe学习：绘制loss和accuracy曲线（使用caffe的python接口）上一篇博客讲到了使用caffe的工具包来绘制loss曲线和accuracy曲线，这篇文章主要将如何使用caffe的python接口绘制这两种曲线，以下的内容转自于：http://www.cnblogs.com/denny402/p/5686067.html使用python接口来运行caff

2017-05-06 20:55:25 3299 1

原创 Caffe学习：绘制loss和accuracy曲线（使用caffe工具包）

Caffe学习：绘制loss和accuracy曲线（使用caffe工具包）我们在使用caffe训练深度网络的时候，最关心的往往是loss和accuracy的变化情况，一般为了比较直观的观察这两者的变化情况，都会通过绘制曲线的形式来观察，本文主要介绍基于caffe框架训练网络时，如何使用caffe自带的工具包来绘制曲线。这里我使用caffe例子里面的使用adam算法求解训练手写字体的例子。

2017-05-06 20:34:47 5470

原创 C3D：视频动作分类demo实现

C3D：视频动作分类demo实现C3D这个网络是来自于learning Spatiotemporal feature with 3DConvolutional Networks这篇文章，我也对这篇文章仔细的研读过，总的来说这篇文章提出的网络的卷积神经网络（CNN）近年被广泛应用于计算机视觉中，包括分类、检测、分割等任务。这些任务一般都是针对图像进行的，使用的是二维卷积（即卷积核的维度为二维

2017-05-01 19:24:42 16427 25

原创 3D CNN框架结构各层计算

3D CNN框架结构各层详细计算过程这篇博客主要详细介绍3D CNN框架结构的计算过程，我们都知道3D CNN 在视频分类，动作识别等领域发挥着巨大的优势，前两个星期看了这篇文章：3D Convolutional Neural Networks for Human Action Recognition，打算用这个框架应用于动态表情识别，当时对这篇文章的3 D CNN各层maps的计算不怎么

2017-04-29 13:47:20 40199 12

原创使用caffe训练好的模型测试单张手写数字

使用caffe训练好的模型测试单张手写数字

2017-04-28 21:51:53 2506 1

原创 Windows 版caffe 的python接口编译

Windows 版caffe 的python接口编译

2017-04-28 21:45:47 1351

原创 VS2013调用caffe新建自己的工程详细过程

VS2013调用caffe新建自己的工程详细过程在windows上编译好caffe之后（纯CPU），很多人都会存在这样的问题，我该如何去调用编译好的caffe来新建自己的工程开发自己的应用呢，这个问题折腾了一下午，终于成功实现了在自己新建的工程中调用编译好的caffe，下面就记录一下，新建VS2013工程实现caffe的具体过程。一、Windows下编译好caffe这里不具体叙述编

2017-04-16 21:51:42 11316 12

原创 fatal error C1189: #error 错误解决方案

fatal error C1189: #error : TBB is unable to run on old Windows versions;_WIN32_WINNT must be 0x0501 or greater.

2017-04-01 20:44:05 29990 6

原创 C++运算符重载，友元

运算符重载，友元

2017-03-31 09:54:16 945

原创视频人脸对齐

Toward Personalized Modeling: Incremental and EnsembleAlignment for Sequential Faces in the Wild 视频人脸对齐

2017-03-25 21:58:22 942

原创 OpeMP并行程序设计时需要注意的事项

OpeMP并行程序设计时需要注意的事项OpeMP程序设计时需考虑一下两点：1）当循环次数较少时，如果分成过多的线程来执行的话，可能会使得总的运行时间高于较少线程或一个线程的执行情况，并且会增加能耗；2）如果设置的线程数量远大于CPU的核数的话，那么存在着大量的任务切换和调度的开销，也会降低整体的效率。OpenMP只能并行化for循环，它不会并行while和do-while循环，

2017-03-25 21:21:17 1210

原创构造函数与析构函数

c++构造函数和析构函数构造函数的任务就是初始化类对象的数据成员，无论何时只要类的对象被创建，就会执行构造函数。构造函数的名字和类名相同，和其他函数不一样的是，构造函数没有返回类型。构造函数也有一个参数列表（可能为空的）参数列表和一个可能为空的函数体。C++规定每个类都必须有构造函数，如果没有声明构造函数，那么编译器就会为它产生一个默认构造函数，这个默认构造函数没有任何参数，也不做任何额外的事

2017-03-24 20:59:39 449