lien0906的专栏

今年过年之前，MSRA和Google相继在ImagenNet图像识别数据集上报告他们的效果超越了人类水平，下面将分两期介绍两者的算法细节。　　这次先讲Google的这篇《Batch Normalization Accelerating Deep Network Training by Reducing Internal Covariate Shift》，主要是因为这里面的思想比较有普适性，

文章链接：Binarized Neural Networks: Training Deep Neural Networks with Weights and Activations Constrained to +1 or -1 是2016年2月份新出的一篇文章。文章的主要思想是通过二值化weights和activations，来提高NN的速度和减少其内存占用。1. Binariz

1.1 SSD网络结构SSD使用VGG-16-Atrous作为基础网络，其中黄色部分为在VGG-16基础网络上填加的特征提取层。SSD与yolo不同之处是除了在最终特征图上做目标检测之外，还在之前选取的5个特特征图上进行预测。SSD图1为SSD网络进行一次预测的示意图，可以看出，检测过程不仅在填加特征图(conv8_2, conv9_2, conv_10_2, pool_11)上进行，为了保证网络...

仅供参考，如有翻译不到位的地方敬请指出。论文地址：Generative Adversarial Nets 论文翻译：XlyPb（http://blog.youkuaiyun.com/wspba/article/details/54577236）摘要我们提出了一个通过对抗过程估计生成模型的新框架，在新框架中我们同时训练两个模型：一个用来捕获数据分布的生成模型G，和一个用来估计样本来自

今秋，在以水城而闻名的威尼斯，来自世界各地的三千多位学者荟萃一堂，共赴两年一度的国际计算机视觉大会 (ICCV)。这次大会的一个重要亮点就是中国学者的强势崛起。根据组委会公开的数字，会议 40% 的论文投稿来自中国的研究者。在中国的人工智能浪潮中，商汤科技以及它与港中文的联合实验室无疑是其中最有代表性的力量。在本届 ICCV 大会，商汤科技与香港中大-商汤科技联合实验室共发表了 20 篇论文，其中

Towards Real World Human Parsing: Multiple-Human Parsing in the Wild https://arxiv.org/abs/1705.07206数据库没给出来啊！本文针对当前 human parsing 数据库基本都是单人标记，而图像实际情况经常含有多人，这里我们提出了一个 Multiple-Human Parsing (MHP) 数据库，...