sherry_gp的博客

转自：http://www.cfanz.cn/index.php?c=article&a=read&id=174766简单来说，其实就是让神经网络正向传播一次，然后把某层的特征值给取出来，然后转换为图片保存。下面我提供一个demo，大家可以根据自己的需求修改。先看看我的demo的使用方法。visualize_features.bin net_

本文转自：http://blog.sina.com.cn/s/blog_6163bdeb0102eh7b.htmlTLD算法好牛逼一个，这里有个视频，是作者展示算法的效果，http://www.56.com/u83/v_NTk3Mzc1NTI.html。下面这个csdn博客里有人做的相关总结，感觉挺好的，收藏了！下面有个Compressive Tracking的网址，提供的代码很少，但

转自：原文solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为[plain] view plain copy ./bulid/tools/caffe train -solver  *_solver.prototxt  在Deep Lea

转自：http://blog.youkuaiyun.com/wzzfeitian/article/details/40963457/本文代码托管于github  cmake_democmake中一些预定义变量PROJECT_SOURCE_DIR 工程的根目录PROJECT_BINARY_DIR 运行cmake命令的目录,通常是${PROJECT_SOURCE_DIR}/buil

OpenCV成长之路（特征点检测与图像匹配） 原文出处： Ronny 的博客（@RonnyYoung）   特征点又称兴趣点、关键点，它是在图像中突出且具有代表意义的一些点，通过这些点我们可以用来识别图像、进行图像配准、进行3D重建等。本文主要介绍OpenCV中几种定位与表示关键点的函数。一、Harris角点角点是图像中最基本的一种关键点，它

【Machine Learning实验1】batch gradient descent（批量梯度下降） 和 stochastic gradient descent（随机梯度下降）批量梯度下降是一种对参数的update进行累积，然后批量更新的一种方式。用于在已知整个训练集时的一种训练方式，但对于大规模数据并不合适。随机梯度下降是一种对参数随着样本训练，一个一个的及时upd

转自：http://www.cnblogs.com/tornadomeet/archive/2012/08/17/2644903.html在上篇博客特征点检测学习_1(sift算法) 中简单介绍了经典的sift算法，sift算法比较稳定，检测到的特征点也比较多，其最大的确定是计算复杂度较高。后面有不少学者对其进行了改进，其中比较出名的就是本文要介绍的surf算法，surf的中文

最近，在学习deep learning，使用的工具就是caffe，比较容易上手，不啰嗦了，先说环境的配置和编译。系统的平台为 win10+matlab2014b+vs2013.在开始之前，要安装cuda的驱动，我使用的cuda 7.5这个版本（为了和caffe里面使用的版本同步）。首先，在https://github.com/happyn

在MATLAB下调试CaffeCaffe本身是C++、CUDA语言编写的。在调试模型、参数时，根据运行log、snapshot很难实时反馈当前训练的权值情况，也难以捕捉算法存在的bug。MATLAB则是非常适合算法设计、快速迭代的利器，只需要做少量工作就能编写出复杂的算法，调试非常方便，位于workspace中的变量随时都能打印，无论是一维、二维还是三维数据，都能直观显

转自：http://blog.youkuaiyun.com/ws_20100/article/details/50525879编译MatCaffe使用如下命令编译MatCaffemake all matcaffe1之后，你可以用以下命令测试MatCaffe：make mattest1如果你在运行上面命令时，遇到如下错误：libstdc++.so.6 versio

搞了一天，看了很多资料，终于搞好了matlab中调用大牛写好的svm库，将结果告诉大家避免以后走弯路。1. 参考网站：libsvm库下载：http://www.csie.ntu.edu.tw/~cjlin/libsvm/视频：http://v.youku.com/v_showMini/id_XMjc2NTY3MzYw_ft_131.html （有小问题，等下会提到）

转自：http://blog.youkuaiyun.com/xiahouzuoxin/article/details/47789361转载请注明出处: http://xiahouzuoxin.github.io/notes/html/深度卷积网络CNN与图像语义分割.html级别1：DL快速上手级别2：从Caffe着手实践级别3：读paper，网络Train起来级别4：Demo跑起来读

from：http://demo.netfoucs.com/danieljianfeng/article/details/42929283最近刚在电脑上装好Caffe，由于神经网络中有不同的层结构，不同类型的层又有不同的参数，所有就根据Caffe官网的说明文档做了一个简单的总结。1. Vision Layers1.1 卷积层(Convolution)

http://lv.xiao.yu.blog.163.com/blog/static/5419127320138191291534/opencv 2.4.4版本共100个自带例子。parter 1:No1. adaptiveskindetector.cpp利用HSV空间的色调信息的皮肤检测，背景不能有太多与肤色相似的颜色。效果不是特别好。No2. bagof

论文中咱们会经常看见一类图，比如说多类别文类问题，那么每一个类别分到其他类别都有一些数据，但是分到自己类别的毕竟多，这样计算百分比之后就形成了一个矩阵，如果分类正确率高的话，那么对角线上的元素的值，也就是自己到自己的那一部分，value就大。我最近也在做多分类问题，要画这样的图，但是发现确实很少有代码，自己画的确实不好看，还牵扯到值的显示和x轴标签的旋转问题，所以一直自己也没空仔细研究，就

1. 比较出名的是Ivan Laptev的 3D Harris，这是一个可执行文件，用起来比较方便，是Harris在3维空间的扩展，检测到特征点之后是用HOG和HOF进行表示。一共的特征维数是162维。点击这里进入下载界面。2. P. Dollar的cuboids角点检测，方法大致是用1D的gabor进行滤波。检测到角点之后，作者的实验表明直接用cuboids里面的梯度作为表示，然

转自：http://blog.youkuaiyun.com/huangbo10/article/details/24941079?utm_source=tuicool&utm_medium=referral起因从去年开始接触神经网络，觉得CNN结构很简单没什么难的，直到有一天被一位拿过信息竞赛金牌的学弟鄙视了……中期答辩之后不忙，于是我花了几天用MATLAB写了一个CNN，算是给自

Deep Learning学习笔记:Deep learning：五十一(CNN的反向求导及练习)Deep learning：五十(Deconvolution Network简单理解)Deep learning：四十九(RNN-RBM简单理解) Deep learning：四十八(Contractive AutoEncoder简单理解)Deep lea

Deep Learning（深度学习）：ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二Bengio团队的deep learning教程，用的theano库，主要是rbm系列，搞python的可以参考，很不错。deeplearning.net主页，里面包含

一、创建MFC首先创建一个MFC对话框应用程序（Dialog-based Application）如下：在VS2005和2008里，我们可以用一个 Solution 来组合几个 Project （每个 Project 基本上只包含一个 Program），当我们要构建一个多Program的应用时（例如一个客户

本文转自：http://blog.youkuaiyun.com/pirage/article/details/17553549Caffe训练ImageNet使用的是NIPS 2012 paper论文的算法。 1、准备数据。假设已经下载好数据集和验证集，存储路径为：/path/to/imagenet/train/n01440764/n01440764_1002

摘要：Caffe是一个清晰而高效的深度学习框架，本文详细介绍了caffe的优势、架构，网络定义、各层定义，Caffe的安装与配置，解读了Caffe实现的图像分类模型AlexNet，并演示了CIFAR-10在caffe上进行训练与学习。Caffe是一个清晰而高效的深度学习框架，其作者是博士毕业于UC Berkeley的 贾扬清，目前在Google工作。Caffe是纯粹的C++/C

目录(?)[+]目录：安装与配置Tutorial学习PyCaffe学习buildtools学习其他安装与配置Ubuntu14.04安装Caffe（仅CPU）Ubuntu14.04安装CudaUbuntu14.04安装Caffe（GPU）Ubuntu14.04 CuDNN安装（Caffe + Cuda7.0下）T

转自：http://my.oschina.net/iamhere/blog/489838目录[-]一、新建一个工程二、建立必要的文件夹三、写源代码include/sum.hsrc/sum/sum.csrc/main/main.c四、编写CMakeLists.txt顶层CMakeLists.txtsrc/CMakeLists.txtsr

转自：http://www.jb51.net/article/41972.htm事先说明哦，这不是一篇关于Python异常的全面介绍的文章，这只是在学习Python异常后的一篇笔记式的记录和小结性质的文章。什么？你还不知道什么是异常，额...1.Python异常类 Python是面向对象语言，所以程序抛出的异常也是类。常见的Python异常有以下几个，大家只要大致扫一眼

CUDA从入门到精通（零）：写在前面在老板的要求下，本博主从2012年上高性能计算课程开始接触CUDA编程，随后将该技术应用到了实际项目中，使处理程序加速超过1K，可见基于图形显示器的并行计算对于追求速度的应用来说无疑是一个理想的选择。还有不到一年毕业，怕是毕业后这些技术也就随毕业而去，准备这个暑假开辟一个CUDA专栏，从入门到精通，步步为营，顺便分享设计的一些经验教训，希望能