Joker's Time

the aggregated pixels in all subsampled channels are then vectorized into a pixel look-up table. 由于特征直接从下采样的通道里由像素值提取而来，而不是使用积分图计算不同位置和比例的矩形区域求和。特征算的快，并且特征池变小。跟提升分类器配合好。 Feature design: 1.channel

1.label error rate：归一化的编辑距离。LER= 总ED/num 2.pie关于x的条件概率: 其中，y = Nw(x),是网络的输出序列，可以看做时刻t输出为k的概率。 T是输出序列长度L+{blank} define as L’ 的长度. pie 是L’的元素，被称为path。 3.指定label l 关于输入x的条件概率 1) beta(-aa

1.历史方法 1）基于字符的DCNN,比如photoOCR.单个字符的检测与识别。要求单个字符的检测器性能很强，crop的足够好。 2）直接对图片进行分类。9万个单词，组合成无数的单词，无法直接应用 3）RNN,训练和测试均不需要每个字符的位置。但是需要预处理，从图片得到特征序列，独立做的，无法端到端。 2.propose method 1)端到端 2）任意长度 3）模型尺寸

1.什么是deconvolution 反向映射，用来可视化深度特征，也可以用来重建图片。 2.合成图片两种方式： 1）生成全图的模型，效果不错但只对小图work,保真度fidelty低，一般用auto encoder 2）马尔科夫模型，同时生成texture。可以捕获局部patch的统计信息。本文是第二种 3.主要通过strided convolutional network取代po

1.transformation: image to image  2.perceptual losses:      psnr是per-pixel的loss,值高未必代表图片质量好，广泛应用只是因为计算比较简单 对图片做super resolution define 4 loss: 1.pixel L2  :feature reconstruction loss 2.gram mat

1.物体检测的模型组成：一个 global root filter 用来确定物体的位置(获取coarse features) 以及若干part model，包括spatial model 和 part filter(finer scale features) 2.特征：hog 一个block=2×2 cell = 4× 9（bins） = 36 D 所以一个filter的weight是：4×

Introduced channel features and modified the VJ framework to compute integral images (and Haar wavelets) over the channels. Substantially outperformed HOG and at faster speeds.

the trade-off between accuracy and speed 1.降低计算量的一个常用方式是把分类器拆分成一个线性序列,cascade,其中每个次分类器,叫做stage,是二分类器,被训练来拒绝明显不是脸的部分,并且使的几乎所有的脸通过下一个stage.每个连续的stage基于之前stage通过的非脸部分来训练.复杂度降低通过早期比较容易拒绝掉大多数非脸来体现 2.casc

优化分类速度： for optimizing classification speed given precomputed image feature: 1.cascades structure---soft cascade ,rather than attentional cascade structure in VJ. soft cascade的应用。Adaboost分类器包括2

At Athelas, we use Convolutional Neural Networks(CNNs) for a lot more than just classification! In this post, we’ll see how CNNs can be used, with great results, in image instance segmentation.