M_Z_G_Y的博客

研究背景1. 大多数FER（Facial Expression Recognition）方法在学习期间独立地考虑每个样本，忽略每对样本之间的内在相关，这限制了模型的辨别能力。2. 大多数FER方法专注于识别明显可区分的peak expressions ，并忽略最常见的non-peak expression样本。下图展示了从non-peak expression到peak exp...

原文代码：https://github.com/kevinlin311tw/caffe-cvprw15研究背景      在基于内容的图像检索（CBIR）中，使用深度学习的最为简单的方式是使用神经网络特征层的输出用于计算空间距离来判断相似度，但这样会导致浮点型数据储存消耗和维度灾难。实际策略是使用近似最近邻（ANN）技术或基于Hash的方法来进行加速。这些方法将高维特征投影到较低维度空...

原文代码：https://github.com/lhmRyan/deep-supervised-hashing-DSH研究背景在使用离散化时希望输出的特征的关于某个值对称，所以如《Deep Learning of Binary Hash Codes for Fast Image Retrieval》用了 sigmoid 作为特征层的输出的激活函数，但直接引用 sigmoid 这种非线性函数...

研究背景速度：经典的目标检测算法使用滑动窗法依次判断所有可能的区域。本文则预先提取一系列较可能是物体的候选区域，之后仅在这些候选区域上提取特征，进行判断。训练集：经典的目标检测算法在区域中提取人工设定的特征（Haar，HOG）。本文则需要训练深度网络进行特征提取。可供使用的有两个数据库：一个较大的识别库（ImageNet ILSVC 2012）：标定每张图片中物体的类别。一千...