haoji007的博客

概述MatConvNet是用于MATLAB的卷积神经网络（CNN）的实现。工具箱的设计注重简单性和灵活性。它将CNN的构建块暴露为易于使用的MATLAB函数，提供用于计算具有过滤器组的线性卷积，特征池化等的例程。以这种方式，MatConvNet允许新的CNN快速原型架构;同时，它支持CPU和GPU上的有效计算，允许在大型数据集（如ImageNet ILSVRC）上训练复杂模型。本文档概述了CNN及...

一、关于各层data size的分析layer1：  floor((224-7)/2)+1=109              这里7是filter大小，2是stridelayer4： floor((109+0+1-3)/2)+1=54               这里0和1是前向和后向的pad，3是filter大小，2是stridelayer5：floor((54+1+1-5)/2)+1=26　　...

在前面两篇文章中介绍了安装和一些实验，现在对于它的内部做点说明，作为帮助理解。下面是MatConvNet全部的函数列表和相关功能说明。一共分为四个大的部分：1. Building block（建立模块）： 这些函数实现CNN计算块，通过这些计算块你可以手动或使用自带的包装器（下面有）来组合你需要的CNN。函数名 -—函数用途 ——中文说明vl_nnbnorm ——Batch normalizati...

　　Introduction to Matconvnet　　MatConvNet是实现用于计算机视觉领域的卷积神经网络(CNN)的MATLAB工具箱。自从取得突破性工作以来,CNN在计算机视觉领域有一个重大影响，特别是图像理解，基本上取代了传统图像表示。有许多其他机器学习、深度学习和CNN开源库的存在。一些最受欢迎的:CudaConvNet ，Torch， Theano,Caffe等。MatCon...

一、关于各层data size的分析layer1：  floor((224-7)/2)+1=109              这里7是filter大小，2是stridelayer4： floor((109+0+1-3)/2)+1=54               这里0和1是前向和后向的pad，3是filter大小，2是stridelayer5：floor((54+1+1-5)/2)+1=26　　...

第4章 计算块本章描述了MatConvNet支持的各个计算块。CNN计算块的接口是在第2章讨论之后设计的。该块被实现为MATLAB函数 y = vl_nn （x，w），其采用MATLAB数组x和w表示输入数据和参数，并返回数组y作为输出。 一般来说，x和y是包装N个图或图像的4D实数阵列，如上所述，而w可具有任意形状。 实现每个块的功能能够在向后方向上工作以及计算导数。 这是通过传递第三个可选参数...

第3章 包装器和预训练模型这是很容易的组合第4章“手动”的计算块，但通常通过一个包装器来使用它们可以实现CNN架构给定一个模型规范通常更方便，可用的包装器总结在3.1节。 MatConvNet还附带了许多用于图像分类的预训练模型（其中大多数 在ImageNet ILSVRC挑战上训练），图像分割，文本点样和面部识别。 这些使用非常简单，如3.2节所示。3.1包装MatConvNet提供了两个包装器...

第2章 神经网络计算本章简要介绍了神经网络的计算方面，尤其是卷积神经网络，强调了理解和使用MatConvNet所需的概念。2.1概述神经网络（NN）是将数据x（例如图像）映射到输出向量y（例如图像标签）的函数。函数g = fL … f 1是较简单函数序列fl的组合，称为计算块或层。令x1; x2; ：：：; xL是网络中每个层的输出，并且令x0 = x表示网络输入。通过应用具有参数wl的函数fl，...

1.2 MatConvNet一目了然MatConvNet具有简单的设计理念。 它不是将CNN包裹在软件的复杂层上，而是暴露了直接作为MATLAB命令的计算CNN构造块的简单函数，例如线性卷积和ReLU运算符。这些构建块易于组合成完整的CNN，并且可以用于实现复杂的学习算法。虽然提供了小型和大型CNN架构和培训例程的几个现实例子，但是总是可以回到基础并构建自己的网络，利用MATLAB在原型中的效率。...

最近要提一个数据集的feature，想先用HOG特征做一个baseline，听师兄说VLFeat 是一个不错的工具包，就下载了试试，刚刚配置成功，网上各种搜索教程啊 但是都不行，最后还是硬着头皮看官网教程，才搞定，呵呵呵。。。废话少说，下面说说我是怎么做的： 首先，从官网下载vlfeat软件包，链接：http://www.vlfeat.org/download.html ，下载最新版：VLFeat...