gzj_1101的专栏

《Long-term Recurrent Convolutional Networks for Visual Recognition and Description》论文翻译原文链接：https://www.cv-foundation.org/openaccess/content_cvpr_2015/html/Donahue_Long-Term_Recurrent_Convolutiona...

1.研究背景2.算法优点3.算法原理论文原文：《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》本篇论文是由何恺明大神于2015年发表在TPAMI上的。1.研究背景卷积神经网络的输入需要一个固定的尺寸，对于一些图像来说缩放或者裁剪会改变长宽比以及识别的准...

这篇论文是2015年发表在NIPS上的一篇文章，利用双流卷积神经网为视频中的行为识别提供类一种新的思路。 下面是个人做的总结和部分翻译。论文贡献提出了一个结合时间和空间网络的双流卷及网络构架。证明了利用多帧密集的光流场的卷及网络即使在数据较少时也能表现优异的性能。展示了应用于两个不同的行为分类的数据集的多任务学习能够用来增加训练数据量并且能够提高在两个数据集上的性能。...

基于三维卷积神经网络和卷积LSTM的多模式手势识别摘要手势识别旨在识别有意义的人体运动，并且在智能人机/机器人交互中是至关重要的。 在本文中，我们提出了一种基于三维卷积和卷积长短期记忆（LSTM）网络的多模式手势识别方法。 该方法首先通过三维卷积神经网络学习手势的短时空特征，然后基于提取的短时空特征，通过卷积LSTM网络学习长时空特征。 此外，多模式数据之间的微调进行了评估，我们发现当...

ConvLSTM最早是在《Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting》论文里提出，目的是为了解决降水临近预报。这个问题可以看做是一个时序问题，于是有学者尝试使用LSTM解决这个问题。但是其使用的事全连接长短期记忆网络(FC-LSTM)，没有考虑到空间上的相关性\quad...

前言行为识别是目前非常火的一个方向，3D CNN算是基于视频的行为识别的一分奠基性的工作。目前行为识别的应用相当的广泛。但由于背景混乱、闭塞和视觉变化等原因（cluttered backgrounds，occlusions &viewpoing variations），对行动的准确识别是一项非常具有挑战性的任务。目前的大多数方法对视频采取了想当然的假设，例如，小规模和观点变化；但这样的...

预备知识摘要标签错误率CTC从输出到标签构建分类器参考资料最近在看手势识别相关论文，在看到一篇论文的时候发现了LSTM+CTC能够解决数据预分割的问题。于是抱着学习的心态这篇论文《Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Ne...