小胜爱捣鼓

将图片转化为siamese网络需要的数据库格式

一.文献名字和作者    Dropout: A Simple Way to Prevent Neural Networks from Overtting   二.阅读时间    2014年11月19日三.文献的贡献点    这篇文章主要还是复述了一遍那篇引入dropout的文章《Improving neural networks by pre

一.文献名字和作者    Learning a Deep Convolutional Network for Image Super-Resolution， ECCV2014   二.阅读时间    2014年10月16日三.文献的贡献点    作者提出了使用CNN来进行图像超分辨率重构，作者分析了超分辨率的主要过程，通过数学表示证明了超分辨

一.文献名字和作者    Deep Convolutional Network Cascade for Facial Point Detection， CVPR2013   二.阅读时间    2014年10月9日三.文献的贡献点     文章中提出了一种通过级联CNN的方式实现人脸关键点定位，同时，在每一个级联层又包含了多个CNN。每一个C

一.文献名字和作者    Improving neural networks by preventing co-adaptation of feature detectors， G. E. Hinton, N. Srivastava, A. Krizhevsky, I. Sutskever and R. R. Salakhutdinov   二.阅读时间    2014年1

一.文献名字和作者    Non-rigid Segmentation using Sparse Low Dimensional Manifolds and Deep Belief Networks， CVPR2014   二.阅读时间    2014年10月4日三.文献的贡献点    文献的主要贡献点在于提出了一种基于稀疏低维流形的直接的非

一.文献名字和作者    Learning and Transferring Mid-Level Image Representations using Convolutional Neural Networks, CVPR2014   二.阅读时间    2014年10月4日三.文献的贡献点    文献主要提出了一种称为迁移学习的方法，也就

一.文献名字和作者    Extracting and Composing Robust Features with Denoising Autoencoders,  Pascal Vincent, Hugo Larochelle, Yoshua Bengio, Pierre-Antoine Manzagol   二.阅读时间     2014年10月30日

一.文献名字和作者     Some Improvements on Deep Convolutional Neural Network Based Image Classification, Andrew G. Howard   二.阅读时间    2014年10月31日三.文献的目的    文献主要提出了几种能够提高基于CNN的图像分类系统的准确

一.文献名字和作者     Visualizing Higher-Layer Features of a Deep Network， Dumitru Erhan, Yoshua Bengio, Aaron Courville, and Pascal Vincent   二.阅读时间    2014年10月30日三.文献的目的    寻找可以可视化DN

一.文献名字和作者    Switchable Deep Network for Pedestrian Detection， CVPR2014   二.阅读时间    2014年10月3日三.文献的贡献点   1.提出了一个统一的深度模型，将整个人体和人体的不同部分的将特征学习、显著性映射和混合特征表示通过层级结合起来；    2.在传统

一.文献名字和作者    Scalable Object Detection using Deep Neural Networks， CVPR2014   二.阅读时间     2014年10月3日三.文献的贡献点   文献主要提出了使用DNN用于物体检测，主要的贡献点有下面三个：   1.将物体检测问题定义为一个多个边框的坐标的回归问题；   2.将边

一.文献名字和作者     Facial Expression Recognition via a Boosted Deep Belief Network， CVPR2014   二.阅读时间    2014年10月2日三.文献的贡献点    文献主要提供了一种用于人脸表情识别的boost深度置信网络，由于人脸的表情主要和位置相关，因此，文章

一.文献名字和作者     Learning Invariant Feature Hierarchies，Yann LeCun   二.阅读时间    2014年10月2日三.文献的贡献点    文章主要介绍了几种能够进行不变性特征的层级学习的算法，包括了主流的CNN和几种用作预训练的非监督学习方法、   文章中提到使用卷积PSD作为预训

一.文献名字和作者    PCANet: A Simple Deep Learning Baseline for Image Classification?； Tsung-Han Chan, Kui Jia, Shenghua Gao, Jiwen Lu, Zinan Zeng, and Yi Ma   二.阅读时间    2014年10月10日三.文献

一.文献名字和作者    Multi-source Deep Learning for Human Pose Estimation，CVPR2014   二.阅读时间    2014年10月1日三.文献的贡献点    文章将用于人体姿态估计的三种不同的判断标准--混合类型、姿态得分和形变通过深度学习进行融合，从而得到更高层次和抽象的特征，以便

一.文献名字和作者     What is the Best Multi-Stage Architecture for Object Recognition?， Kevin Jarrett, Koray Kavukcuoglu, Marc’Aurelio Ranzato and Yann LeCun   二.阅读时间    2014年11月3日三

一.模型框架   DBN最后的两层是一个RBM，并且除了最后两层，其他的层都是top-down结构的有向图；   DNN是一个bottom-up的结构，同时，在一般的文献中，将DNN作为一个DBN进行训练得到的模型还是称为DBN(这就是为什么我一直分不清这两种结构的原因)。二.训练算法    DBN在训练的时候，当做一个stack RBMs进行训

Convolutional Neural Networks at Constrained Time Cost(精读)

Convolutional Neural Networks at Constrained Time Cost(精读)

这篇博客是文献《Unsupervised Template Learning for Fine-Grained Object Recognition》的阅读笔记。

《Sparse Filtering》泛读笔记

一.文献名字和作者     Part-based R-CNNs for Fine-grained Category Detection, ECCV2014   二.阅读时间    2014年12月8日三.文献的目的     文献的目的是解决在进行细粒度识别的测试过程中，关于物体边框注解的依赖问题。四.文献的贡献点   作者提出

这篇博客是《Selective Search for Object Recognition》文献的阅读笔记。

《 Rich feature hierarchies for accurate object detection and semantic segmentation》文献阅读笔记。

《Vehicle Type Classification Using Unsupervised Convolutional Neural Network》泛读笔记

《HD-CNN: HIERARCHICAL DEEP CONVOLUTIONAL NEURAL NETWORK FOR IMAGE CLASSIFICATION》泛读笔记

《Vehicle Type Classification Using Semi-Supervised Convolutional Neural Network》泛读笔记

一.文献名字和作者    A machine learning approach for non-blind image deconvolution, CVPR2013   二.阅读时间    2014年10月20日三.文献的贡献点    文献主要提出了一种非盲图像的反卷积方法，非盲图像表示作者是已经知道PSF和模糊图像，要求理想图像的过程，

一.文献名字和作者    Very Deep Convolutional Networks for Large-Scale Image Recognition. Karen Simonyan,Andrew Zisserman   二.阅读时间    2014年11月4日三.文献的目的    文献的主要目的在于测试随着深度的加深，卷积神经网络对于大规模

一.文献名字和作者     Learning Invariant Features through Topographic Filter Maps，Koray Kavukcuoglu Marc’Aurelio Ranzato Rob Fergus Yann LeCun   二.阅读时间    2014年11月3日三.文献的贡献点   这篇文章

一.文献名字和作者     Network In Network.Min Lin, Qiang Chen, Shuicheng Yan   二.阅读时间    2014年11月19日三.文献的目的    文章主要是对于CNN结构进行改进，使得CNN能够学习到更加抽象和有效的非线性特征。四.文献的贡献点4.1 卷积层的改进--多

一.文献名字和作者    ImageNet Large Scale Visual Recognition Challenge，Olga Russakovsky, Jia Deng, Hao Su, Jonathan Krause , Sanjeev Satheesh, Sean Ma, Zhiheng Huang, Andrej Karpathy, Aditya Khosla, Micha

一.文献名字和作者    Atrainable feature extractor for handwritten digit recognition，Fabien Lauer, ChingY. Suen, Gérard Bloch   二.阅读时间    2014年10月28日三.文献的贡献点    这篇文章主要介绍了使用改进的CNN结构作

一.文献名字和作者    Learning Fine-grained Image Similarity with Deep Ranking， CVPR2014   二.阅读时间    2014年10月1日三.文献的贡献点    文献提出了一种基于深度投票机制的图片细粒度相似性，以及一种在线训练算法。    深度投票机制主要基于三个部分的模

一.文献名字和作者   Deepface: Closing the gap to human-level performance in face verification， Yaniv Taigman， Ming Yang， Marc’Aurelio Ranzato，Lior Wolf， CVPR2014   二.阅读时间    2014年9月4日三.文

一.文献名字和作者   PANDA: Pose Aligned Networks for Deep Attribute Modeling， Ning Zhang, Manohar Paluri, Marc’Aurelio Ranzato, Trevor Darrell, Lubomir Bourdev， CVPR2014   二.阅读时间    2014年9月3日

一.文献名字和作者DeepPose: Human Pose Estimation via Deep Neural Networks， CVPR2014   二.阅读时间2014-08-29三.文献的目的    文献为了解决当前对于姿态估计中只是使用局部的观点来估计关节点的坐标，这样虽然高效，但是，在实际应用中却无法使用。四.文献的

对于神经网络的训练过程而言，除了需要输入训练集之外，还需要输入的就是学习速率和每次训练过程中batch的大小，因此，可以将这两个参数都放在同一个结构体中，相对于神经网络的结构参数，训练参数的实现就比较简单了。    具体代码如下：    /*M////////////////////////////////////////////////////////////////////////

在使用神经网络的时候，都需要输入每一个网络层的输入和输出，以及每个网络层的激活函数，为了方便后续根据不同的需要，选择合适的输入输出神经元个数和每一层的激活函数，因此，考虑将神经网络的结构参数单独写成一个类的形式，这样也方便以后进行拓展。    根据神经网络的结构特点，每一个神经网络层只要知道输入神经元个数，输出神经元个数，以及激活函数即可，因此，神经网络结构参数上面的几个参数。