liumingchun13的博客

转自：https://blog.youkuaiyun.com/yangwohenmai1/article/details/96955667 导读：softmax的前世今生系列是作者在学习NLP神经网络时...

转载自：https://blog.youkuaiyun.com/lanran2/article/details/54376126 RPN全称是Region Proposal Network，Region Proposal的中文意思是“区域选取”，也就是“提取候选框”的意思，所以RPN就是用来提取候选框的网络；1. RPN的意义RPN第一次出现在世人眼中是在Faster RCNN这个结构中，专门...

目录主要函数caffe_cpu_gemm 函数caffe_cpu_gemv 函数caffe_axpy 函数caffe_set 函数caffe_add_scalar 函数caffe_copy 函数caffe_scal 函数caffeine_cup_axpby 函数caffe_add caffe_sub caffe_mul caffe_div 函数caffe_powx caffe...

转自：https://blog.youkuaiyun.com/Chris_zhangrx/article/details/78277957 本文是在实现Github上用户farmingyard贴出的加速版ShuffleNet。下面是所包含的文件：作为一个深度学习方面的小白，刚开始真的是一头雾水，在之前的Caffe框架使用中，只是单纯的会把别人的deploy.prototxt，train.prototxt,so...

转自：https://blog.youkuaiyun.com/hong__fang/article/details/78530390 根据ENet说明https://github.com/TimoSaemann/ENet/tree/master/Tutorial ，进行训练遇到以下问题1 No module named spatial_dropout   新增加的Python层如果用caffe-root/ca...

一、caffe 创建python 层因为caffe底层是用c++编写的，所以我们有的时候想要添加某一个最新文献出来的新算法，正常的方法是直接编写c++网络层，然而这个有个前提条件是必须对caffe的底层非常熟悉，c++的编写达到一定的境界，才可灵活应用caffe，搞深度学习，走这条路对于菜鸟来说无疑很有难度。好在caffe为我们提供了一个可以用python编写新的网络层的方法，直接用python语...

论文地址：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 民间实现：caffe | Tensorflow 官方代码：tensorflow/models有tensorflow的实现： https://github.com/tensorflow/models/blob/master

在编译caffe时出现错误：[plain] view plain copyIn file included from ./include/caffe/util/device_alternate.hpp:40:0,                   from ./include/caffe/common.hpp:19,                   from src/caffe/common...

来源：优快云博客（http://blog.youkuaiyun.com/zhangjunhit/article/details/78190283）语义分割 Global Deconvolutional Networks BMVC 2016 https://github.com/DrSleep/GDNThe One Hundred Layers Tiramisu: Fully Convolutional De...

转自博客：noahsnail.com  |  优快云  |  简书自2012年Alexnet赢得了ImageNet竞赛以来，深度学习（神经网络）得到了飞速发展，产生了许多的神经网络结构，本文主要总结Caffe中使用的神经网络(分类的神经网络)，本文的神经网络作者都使用Caffe训练过，并在Kaggle的Intel癌症预测比赛中进行了测试与使用（top 8%）。1. AlexnetAlexnet，...

ubuntu14.04无GPU安装caffe：http://www.cnblogs.com/go-better/p/7160615.html                                                           http://www.jb51.net/article/96169.htm           问题1：编译pycaffe时报错：

VGG网络论文翻译：http://www.jianshu.com/p/9d6082068f53

语义分割与深度学习全指南2017：https://zhuanlan.zhihu.com/p/27806801语义分割中深度学习方法全解：从FCN、SegNet到DeepLab: http://baijiahao.baidu.com/s?id=1572513028567873&wfr=spider&for=pc别人博客部分总结： http://blog.youkuaiyun.com/qq

反卷积与卷积反卷积，顾名思义是卷积操作的逆向操作。为了方便理解，假设卷积前为图片，卷积后为图片的特征。卷积，输入图片，输出图片的特征，理论依据是统计不变性中的平移不变性（translation invariance），起到降维的作用。如下动图： 反卷积，输入图片的特征，输出图片，起到还原的作用。如下动图： 我们知道卷积结合池化的降维作用，将神经网络推向深度学习，开启神经网络的新世界，那么

转自：http://blog.youkuaiyun.com/yimingsilence/article/details/53995721 这里搜集了一些关于物体检测的方法分析和介绍，看好哪个可以去详细研究一下，基本都有论文或代码的链接。这里是简述各种方法，下面有详细叙述方法选择：========DPM=========使用传统的slider window的方法 计算量非常大========OverFeat