bojackhosreman的博客

caffe tutorial

论文阅读《Spatiotemporal Multiplier Networks for Video Action Recognition》标签（空格分隔）： 未分类Spatiotemporal Multiplier Networks for Video Action Recognition2017CVPR Christoph Feichtenhofer：http://feichtenhofer.g

Dynamic Image Networks for Action Recognition参考 动态图计算过程： 原始帧为x，则一个视频帧序列为X=[x1,x2,…xn]。 1、对输入的每一帧，计算它们

论文阅读 《Densely Connected Convolutional Networks》标签（空格分隔）： ReadingNote ActionRecognition2017CVPR BestPaper 如果卷积网络在接近输入的网络层和接近输出的网络层之间包含短连接（short connections）的话，这些网络会更加deeper、精确，训练起来更加有效。

论文阅读《Long-term Temporal Convolutions for Action Recognition》标签（空格分隔）： ActionRecognition ReadingNoteproject page :http://www.di.ens.fr/willow/research/ltc gayhub: https://github.com/gulvarol/ltc现有方法一般采

首先摆结论，因为线性模型的表达能力不够，引入激活函数是为了添加非线性因素。 接下来展开来说。为什么要引入激活函数？在神经网络中，每一层输出的都是上一层输入的线性函数，所以无论网络结构怎么搭，输出都是输

tensorflow ConfigPrototf.ConfigProto一般用在创建session的时候。用来对session进行参数配置with tf.Session(config = tf.ConfigProto(...),...)#tf.ConfigProto()的参数log_device_placement=True : 是否打印设备分配日志allow_soft_placement=T

鼎鼎大名的cnn，权值共享、局部感知就不说了。总结一下一些具体细节的问题。paddingstride多通道卷积（depth方向）平移、旋转不变性poolingfc1x1卷积三维卷积padding填充。在输入图片边界进行填充（一般都是zero_padding，【挖个坑】why zero？）。控制输出featuremap的size，并且避免图片边缘信息被舍弃。参考：https://zh

A guide to receptive field arithmetic for CNN原文：click here 感知野在CNN中是一个非常重要的概念之一。现有state-of-art的目标识别方法都是围绕这一点展开模型构建的。这个guide介绍了一种新的视觉化CNN中揭露了感知信息的feature map的方法，并且有完整的可以用于任何CNN架构的计算。作者同时给出了一个简单的程序来演示如何

paper：http://www.bmva.org/bmvc/2016/papers/paper108/index.html code：https://github.com/yifita/action.sr_cnn 三作主页：http://wanglimin.github.io/Two-Stream SR-CNNs for Action Recognition in Videosdataset

17/05/03 File "D:\Python\lib\site-packages\sklearn\ensemble\__init__.py", line 7, in <module> from .forest import RandomForestClassifier File "D:\Python\lib\site-packages\sklearn\ensemble\forest.

优化问题指的是，给定目标函数f(x)，我们需要找到一组参数x，使得f(x)的值最小。常见的几类优化算法有：梯度下降法(GD)、批量梯度下降法（BGD）、随机梯度下降法（SGD）、牛顿法、拟牛顿法、共轭梯度法、Momentum、Nesterov Momentum、Adagrad、Adadelta。接下来一一介绍。一、梯度下降梯度下降法是最早最简单，也是最为常用的最优化方法。梯度下降法实

Chapter3 A Tour of Machine Learning Classifiers Using Scikit-learn

官网： https://www.tensorflow.org/versions/r0.12/how_tos/reading_data/有三种方式可以读取数据给TensorFlow每一步都用python来提供数据（feed_dict）从文件读取 （很大的数据集不能一次载入内存，当然要从文件读取啦） an input pipeline reads the data from files