qiusuoxiaozi的博客

lecture 1cs131，计算机视觉本科课程，导论。 cs231a，计算机视觉研究生课程，涵盖CV更加广的知识（cs231n主要是vision recognition/image classification） 有志CV者建议学习 cs231n，主要讲CNN用于image classification历史就不多扯了。。说是几百万年前生物视觉的诞生大幅促进了进化过程，因为捕食者有了眼睛会追，被

Developing new layersAdd a class declaration for your layer to include/caffe/layers/your_layer.hpp. Include an inline implementation of type overriding the method virtual inline const char* type() c

首先祭出caffe.proto中对于solver.prototxt的一些参数定义： // The number of iterations for each test net. repeated int32 test_iter = 3; // The number of iterations between two testing phases. optional int32 test_

首先看一下来自CaffeCN的一个帖子（突然发现CaffeCN是一个交流Caffe的好地方） 地址：http://caffecn.cn/?/question/25 截图如下上图之所以要分xnx_n正负讨论是为了让e的指数为负数，以防止溢出。整个表达式对应下面的代码第18行开始template <typename Dtype>void SigmoidCrossEntropyLossLayer<D

下面主要总结一下语义分割和边缘检测中，使用VGG作为base network的论文中，训练参数和策略的情况：

本着不重新造轮子的原则。。链接如下： Deep Learning Paper Implementations: Spatial Transformer Networks - Part I Deep Learning Paper Implementations: Spatial Transformer Networks - Part II

Average Precision and mean Average Precision

‘P’,’RGBA’,’RGB’这是PIL Image读图可能出现的三种mode，每种mode的图片数据都有不同的组织形式，当训练/测试数据都是一堆图片时，尤其是那种没人帮你清洗的数据时，自己就要留神了，否则模型还没跑起来就给提前自己挖了个坑。首先，先容许我吐槽一下OpenCV的两个抽风，我用的python接口的（估计没怎么维护吧，所以有bug），用cv2.imread读图：对’RGBA’...

卧了个槽。。这个函数竟然看了我这么久。先把整个函数体摘抄如下：void MatchBBox(const vector&lt;NormalizedBBox&gt;&amp; gt_bboxes, const vector&lt;NormalizedBBox&gt;&amp; pred_bboxes, const int label, const MatchType mat...

WebVision2017是一个半监督的任务，本文全部提取自码隆科技做的一个讲座ImageNet和WebVision数据集的对比： WebVision数据集： 第一个思想是：Data, model architecture, loss, training strategy都同等重要。 数据不均衡的问题，多的有10000+张，少的只有几百张： 主要的挑战在于noi...

首先看 Blobs, Layers, and NetsCaffe stores, communicates, and manipulates the information as blobs: the blob is the standard array and unified memory interface for the framework. The layer comes next as t

讲的贼特么好！！lecture6主要讲的是一般的NN的一些technique/trick本讲关于CNN的基本知识讲得很清晰，不过先前自己已经有了一些学习。但是有一些细节讲的很好，比如说:为什么filter的大小一般是3x3/5x5/7x7这样的奇数大小，原因是可以很公平的“顾及”到specific point周边的点，比如3x3正好就是关键点前后左右各一个，5x5前后左右各两个。讲到了利用pad

弃我去者昨日之日不可留，昨天高级人工智能大作业答辩，强手如林，实在感觉自己如井底之蛙。 应该保持专注。今天看了Udacity计算机视觉入门， 记一个笔记，关于Total least square， 相当于是least square的一种改进，因为least square有一个缺点，就是比如在直线拟合的时候，由于计算的是y−ax−by-ax-b，相当于是竖直距离误差，这样的话，对于拟合直线的斜率太敏感

Lecture 2上一讲结束后，李飞飞就回家生孩子了。这一讲是Andrej Karpathy讲 语速较快，不过听着还行，当练练听力。上来就说先把image classifier给搞定了，然后各种渲染classifier is a challengeable task. 举的是猫的例子，在不同的照片角度，光照，猫的姿态，品种等各种“干扰”下，分类器都应该robust. 贴一个图来体会体会，我也是醉了

一上课就说作业的截止日期只有7天，想起原来该课程还是有作业的，不做的话可能达不到效果，要不等到课程中段了或者看完整个课后再写吧。。另外自己在想找个时间把凸优化和乔丹推荐的书单开始学习了。Lecture 3回顾上一讲，image classifier is a tough task但是最新的技术已经能又快又好地解决这个问题了，这些都发生在过去3年里，课程结束后你们就是这个领域的专家了！ 今

Nothing new 总的来说，利用computation graph引入了backpropagation的思想。 笔记就不再和前三讲那么截图贴出来了，反正有ppt.

lecture 6 Neural Networks Part 3 Intro to ConvNets hdoutline:SGD performes not so good in practice.Momentum update ，物理解释很不错Nesterov Momentum updateand so on…二次优化的方法，Hessian矩阵要求逆，尤其是高维的时候，所以impratical改进

今天感觉至少做成了一件事，心情不错！Nvidia官网给出的兼容性情况：大致来说： Theano0.8的安装通过Anaconda然后pip install theano，细节参照Theano的官方文档Installation of Theano on Windows ，只要能import theano成功就可以了（或者把文档中的一个sample跑通也可以）。CUDA直接在Nvidia官网下载，照着官

想要对经典的CV的处理方法和逻辑有一个入门的了解，推荐 OpenCV-Python Tutorials ，也就是opencv的技术文档，很不错，思路清晰流畅，可读性强。

安装opencv后配置环境时遇到了这个问题，这篇文章写的很清楚，引用！另外关于ldconfig命令的学习可以看这个网页， 作用是让新安装的动态链接库马上起作用（前提是已经修改了配置 文件）。ldconfig命令的用途主要是在默认搜寻目录/lib和/usr/lib以及动态库配置文件/etc/ld.so.conf内所列的目录下，搜索出可共享的动态链接库（格式如lib*.so*）,进而创建出动态装入程序(

Very good blog for the introduction of SIFT

LIFT应该没有开源匹配的源码，今早霍老师要求做一下匹配，那就做一下吧，顺便学一学，争取今晚给他一个结果。优达学城上计算机视觉概论讲到了Matching feature points（在SIFT讲完之后），所以下面先把视频中提到的内容归纳一下： 1. Exhaustive Nearest Neighbor（computationally expensive） 2. Approximate Nea

物体检测算法本身训练起来是一个比较繁复的过程，搞懂算法的训练数据分配策略对于理解算法很重要。RCNNRCNN解决检测问题的思路比较粗暴； 先把ImageNet分类网络末层改成21个节点（针对VOC数据），然后finetune一个分类网络当作一个feature extractor。现在想来确实太大材小用了。finetune CNN分类网络，作者采取的数据分配策略是：postive s...