DeepIndeed

引言从2011年甚至更早开始，智能手机，智能终端，车载芯片等等智能终端中，高通芯片无处不在。相比较Intel，高通抓住了移动处理器中续航的问题，不断推出低功耗移动处理器，从而抓住移动处理器的市场。日常工作中接触到很多冠以高通之名的产品，记录以习之。性能排行榜收集了一下2018年高通骁龙CPU处理器排行榜和各种手机品牌的处理器性能对比，从中可以看出，骁龙系列 处理器也是分为高中低端处理器...

引言在深度学习框架caffe的使用过程中，加深了对神经网络的理解，同时也将神经网络知识从理论落到实处。希望日后多多拿代码时间，将该总结继续增广~~深度学习中常用的调节参数学习率步长的选择：你走的距离长短，越短当然不会错过，但是耗时间。步长的选择比较麻烦。步长越小，越容易得到局部最优化（到了比较大的山谷，就出不去了），而大了会全局最优。一般来说，如ResNet前32k步，很大，0.1...

引言仿射变换保证物体形状的“平直性”和“平行性”。透视变换不能保证物体形状的“平行性”。仿射变换是透视变换的特殊形式。仿射变换，又称仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。仿射变换是在几何上定义为两个向量空间之间的一个仿射变换或者仿射映射（来自拉丁语，affine，“和…相关”）由一个非奇异的线性变换(运用一次函数进行的变换)接上一个平移变...

文章来源arxivtorch代码地址caffe模型地址突出贡献In this paper, we propose an architecture that distills this insight into a simple connectivity pattern: to ensure maximum information flow between layers in th...

摘要提出YOLO v2 ：代表着目前业界最先进物体检测的水平，它的速度要快过其他检测系统（FasterR-CNN，ResNet，SSD），使用者可以在它的速度与精确度之间进行权衡。 提出了一种新的联合训练算法（ Joint Training Algorithm ），使用这种联合训练技术同时在ImageNet和COCO数据集上进行训练。YOLO9000进一步缩小了监测数据集与识别数据集之...

论文来源作者: http://www.cs.unc.edu/~wliu/论文: https://arxiv.org/abs/1701.06659效果展示: http://www.cs.unc.edu/~cyfu/dssd_lalaland.mp4其中主要展示的是对大物体-- 人物的追踪比较多，其他物体比重不大。Abstract采用Residual-101代替VGG网络 引入...

引言最近跟小伙伴设计训练了很多模型，我们主要通过看mAP进行判断这个模型的好坏，没有将模型实际效果进行显示观察。这不，就想着写个调用的程序进行显示。显示训练过程中的loss变化情况 显示训练过程中的lr变化情况 模型的inference time 模型效果的显示 本来想自己写，一看caffe里有类似的代码，真是太高兴了，先看看caffe是怎么做的。Caffe Tools中的demo...

引言最近实验中又跟caffe打交道，虽然caffe好用，但是要想让caffe启动训练起来，还真得费一番功夫。 数据处理，模型文件编写，预训练模型的选择等等。ImageNet的数据预处理常见image list#!/bin/bashroot_dir=$HOME/data/VOCdevkit/sub_dir=ImageSets/Mainbash_dir="$(cd "$(di...

从C++ 到android在ncnn中是用C++写的，没玩过android很是愧疚。幸好项目中有android依赖链的cmake文件。 Android CMake toolchain file, for use with the Android NDK r5-r10d Requires cmake 2.6.3 or newer (2.8.9 or newer is recommend...

引言视觉算法经过几年高速发展，大量的算法被提出。为了能真正将算法在实际应用场景中更好地应用，高性能的 inference框架层出不穷。从手机端上的ncnn到tf-lite，NVIDIA在cudnn之后，推出专用于神经网络推理的TensorRT. 经过几轮迭代，支持的操作逐渐丰富，补充的插件已经基本满足落地的需求。笔者觉得，尤其是tensorrt 5.0之后，无论是接口还是使用samples都变...

目的2014年之后，深度CNN网络成为主流，其中出现了Inception之后，将神经网络由十几层加深到34层[^2], Inception作为后来深度神经网络中的重要组成模块，有对其中的原理和效果进行钻研学习一下。论文[Network in Network]https://arxiv.org/abs/1312.4400 [Going Deeper with Convolutions]...

来源CVPR2017名词解释迁移学习迁移学习的效果与知识的表示是很相关的。Because a DNN uses many layers sequentially to map from the input space to the output space, the flow of solving a problem can be defined as the relatio...

原文地址翻译来源：A guide to receptive field arithmetic for Convolutional Neural Networks看这篇博客之前希望对CNN的基本概念有所了解，尤其是卷积和pooling操作。也可以看 "A guide to convolution arithmetic for deep learning [1]"来回顾一下. 这篇博客和该文章...

必要性12以猫狗分类为例， 假如数据集是Dog，Dog，Dog，… ，Dog，Dog，Dog，Cat，Cat，Cat，Cat，… ，Cat，Cat所有的狗都在猫前面，如果不shuffle，模型训练一段时间内只看到了Dog，必然会过拟合于Dog，一段时间内又只能看到Cat，必然又过拟合于Cat，这样的模型泛化能力必然很差。 那如果Dog和Cat一直交替，会不会就不过拟合了呢？Dog，C...

引言从AlexNet夺取ImageNet的冠军，到RCNN的出现，再到后来的SSD算法，数据增强仿佛像是一位功成名就的老者，虽然数据增强对于算法性能的提升起到重要的作用，但是他从来不居功，默默在背后付出"众里寻他千百度"，只为让你"蓦然回首，她在灯火阑珊处"。数据增强(Data Augmentation)的目的与作用卷积神经网络能够鲁棒地将物体分类，即便物体放置在不同的方向上，这也就是所说不...

引言在计算机视觉和图像处理中用来进行物体检测的特征描述子，它通过计算和统计图像局部区域的梯度方向直方图构成特征。Hog特征结合分类算法广泛应用于图像识别中，尤其是在行人检测中获得极大成功。HOG+SVM的行人检测方法2005年提出来之后，如今很多行人检测算法都是以此为思路的。从特征描述子说起HaarSIFTHOG(Histogram of Oriented Gradient)在计算机...

layout: posttitle: “深度学习：检测算法SSD中的数据增强分析”categories: [project]tags: [深度学习, detection, CV算法]description: “数据增强技术在CV研究中对于提高Performance是重要的研究话题。尤其是在物体检测方面，业界流行的方法中对具体方法之外，往往通过数据增强技术再次提高几个百分点。”SSD(...

论文下载arxiv papercodeAbstract使用"Feature Extraction+Region Proposal+RoI Classification" 的结构，主要对Feature Extraction进行重新设计。因为，Region Proposal部分计算量不太大而且classification部分可以使用通用的技术(例如：Truncated SVD) 进行有效...

引言一个基于神经网络模型的视觉模型中，卷积和归一化层是最为耗时的两种layer。卷积数据计算密集类型，今年来大量的优化主要集中在各种设备上的卷积加速。归一化层通过计算一个批量中的均值与方差来进行特征归一化。众多实践证明，它利于优化且使得深度网络易于收敛。批统计的随机不确定性也作为一个有利于泛化的正则化项。BN 已经成为了许多顶级计算机视觉算法的基础。添加归一化层作为提高算法性能的很好的一种策略...

基于SVM的人脸识别数据说明本文中使用PCA实现特征脸提取