素质云笔记

paper:https://arxiv.org/pdf/1703.02180.pdf github:https://github.com/cypw/CRU-Net .1、Abstract剩余单位广泛用于缓解困难建立深层神经网络优化。然而，性能增益不wellcompensate模型尺寸的增加，说明低效率这些剩余单位参数。在这项工作中，我们首先重温剩余单位剩余的功能在变化，表明这些residualf

图像语义分割的意思就是机器自动分割并识别出图像中的内容，我的理解是抠图… 之前在Faster R-CNN中借用了RPN(region proposal network)选择候选框，但是仅仅是候选框，那么我想提取候选框里面的内容，就是图像语义分割了。 简单的理解就是，图像的“分词技术”。参考文献： 1、知乎，困兽，关于图像语义分割的总结和感悟 2、微信公众号，沈MM的小喇叭，十分钟看

一、人脸识别技术基本认识1、文献综述与基本认识本节来源于：人脸检测与深度学习 关于人脸检测算法的文献 总结： 商用算法总结： 列举出共十七项商用算法，百度IDL提出DenseBox第三版（加粗蓝色）是性能最优算法。表中有十项是基于深度学习方法的人脸检测算法（加底纹），这些算法普遍比传统算法提高了十几个百分点，在误检数限制为10的情况下（基本没有误检），准确率仍能达到75...

香港中文大学最近的研究成果：Fashion Landmark Detection in the Wild github地址：https://github.com/liuziwei7/fashion-landmarks 这项工作提出了时尚关键点检测或时尚对齐（通过三层级联网络）,预测关键点位置上的时尚物品,如领口的角落,裙摆,袖口，同时实现了时尚衣物检索功能。.一、时...

技术与技法日进千里，快速迭代过程中，真正能够留下的是应用场景的重构与对新商业范式的思考。CVaaS 计算机视觉即服务的理念介绍 观点来源于：极视角科技联合创始人 罗韵CVaaS 就是 Computer Vision as a Service, 我们把 CV 的部分标准化成为了一种服务，而每一个行业可以在这里找到自己行业需要的和图像处理、视频处理、计算机视觉相关的算法服务，然后他们可以整合这

Preferred Networks 通过其研究博客发布了深度学习计算机视觉实用库 ChainerCV，它基于 Chainer，能够简化计算机视觉的训练和应用过程，并含有用于计算机视觉研究的必备工具集。 ChainerCV 提供了目标检测和语义分割模型（Faster R-CNN、SSD 和 SegNet）的实现。 ChainerCV 具有大量的已训练权重，可在运行时自动从网络上下载

一、RCNN，fast-RCNN、faster-RCNN进化史本节由CDA深度学习课堂，唐宇迪老师教课，非常感谢唐老师课程中的论文解读，很有帮助。 .1、Selective search 如何寻找有效的候选框，最开始的就是这个方法。 寻找方法就是一开始把一幅图像，分割成无数个候选框构造而成的（convert regions to boxes） 然后根据一些色彩特征、把候选框进行融合，框数量变

一些公司的产品路线可以很好地给我们启示，欢迎看客补充。 可参考：从人脸识别到机器翻译：52个有用的机器学习和预测API一、微软认知服务API1、年龄、性别检测2、物体分类、识别3、识别名人全新的名人识别模块可以识别20万来自全球各地涉及商界、政界、体育界以及娱乐界的名人。4、读取图片中的文字光学字符识别（OCR）可检测图片中的文字信息，并将提取出来的文字信息转化成为机器可读的字符串。通过分析

一、深度学习在小数据集的表现深度学习在小数据集情况下获得好效果，可以从两个角度去解决：1、降低偏差，图像平移等操作2、降低方差，dropout、随机梯度下降先来看看深度学习在小数据集上表现的具体观点，来源于《撕起来了！谁说数据少就不能用深度学习？这锅俺不背！》 原文：https://simplystatistics.org/2017/05/31/deeplearning-vs-leekass

~~因为不太会使用opencv、matlab工具，所以在找一些比较简单的工具。 . .一、NLP标注工具来源：《构想：中文文本标注工具（附开源文本标注工具列表）》Chinese-Annotator 来源：https://github.com/crownpku/Chinese-Annotator能不能构建一个中文文本的标注工具，可以达到以下两个特点：标注过程背后

开发环境介绍在SuperVessel云上，我们为大家免费提供当前火热的caffe深度学习开发环境。SuperVessel的Caffe有如下优点：1） 免去了繁琐的Caffe环境的安装配置，即申请即使用。2） 集成了SuperVessel先进的GPU虚拟化技术，POWER8，GPU与cuDNN库三重加速的Caffe，极大的节约您的模型训练时间。3） 环境集成了一些优秀的Caffe开源模型，如图片识别

笔者：受alphago影响，想看看深度学习，但是其在R语言中的应用包可谓少之又少，更多的是在matlab和python中或者是调用。整理一下目前我看到的R语言的材料：一、R结合H2O1、H2O简介一个开源的可扩展的库，支持Java, Python, Scala, and R（官网链接： http://www.h2o.ai/verticals/algos/deep-lea

笔者小白一枚，其实连虚拟机是个啥都不知道...实属惭愧，介于此所以今天倒腾了一下花了一上午就已经搭建好一个VMware Workstation Player 12免费版的，很哈皮，于是赶紧分享一下。问题1：win10自带的虚拟机去哪儿了？      笔者自用win10系统，就在苦恼win10好像听说过有自带的虚拟机hyper-v，我的笔记本里面怎么没有呢？那么win10系统的虚拟机跑哪儿了呢？

看到Model Zoo里面有这么一个项目：Pascal VOC 2012 Multilabel Classification Model This model has been used for the paper “Analyzing Classifiers: Fisher Vectors and Deep Neural Networks” (http://www.cv-found

一、效果与架构PPGN 整合了对抗训练、cnn特征匹配、降噪自编码、Langevin采样；在NIPS2016得到了Ian Goodfellow的介绍.PPGN生成的图像同类差异化大，可根据指定生成不同类别的图像、多类化，生成的图像清楚分辨率高。PPGN可使用imagenet1000类分类网络生成特定类别的图像。效果： 架构图： 详细解读：zdx3578（微信公众号）二、案例所需环境：caffe/

深度学习训练一个模型需要很多的人工标注的数据。例如在图象识别里面，经常我们可能需要上百万的人工标注的数据，在语音识别里面，我们可能需要成千上万小时的人工标注的数据，机器翻译更是需要数千万的双语句对做训练。 看看标注数据的代价有多高。比如说对机器翻译而言，现在如果我们请人工来翻译，一个单词的费用差不多是5—10美分之间，一个句子平均长度差不多是30个单词，如果我们需要标注一千万个双语句对，也就是

转载于深度学习每日摘要，ConvLSTM原理及其TensorFlow实现 本文参考文献 Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting今天介绍一种很有名的网络结构——ConvLSTM，其不仅具有LSTM的时序建模能力，而且还能像CNN一样刻画局部特征，可以说是时空特

读聪明人的笔记，是不是也能变聪明呢？Image Caption是一个融合计算机视觉、自然语言处理和机器学习的综合问题，它类似于翻译一副图片为一段描述文字。 Image Caption问题可以定义为二元组(I,S)的形式， 其中I表示图，S为目标单词序列，其中S={S1,S2,…}，其中St为来自于数据集提取的单词。训练的目标是使最大似然p(S|I)取得最大值，即使生成的语句和目标语句更加匹配，也

来源于公众号 智能感知与计算研究中心：“谁动了我的图片？” – 图像取证技术 它是一种有效的检测篡改的手段。不同于数字水印这种主动的版权保护措施，图像取证不需要往原图像里添加额外信息，不会对原图造成影响。由于它是一种被动的检测技术，因此其应用范围更加广泛。 之所以叫“取证”二字，是因为检测图像篡改就像是侦探破案一般，需要从各种蛛丝马迹上搜集有用的证据。正如作案的凶犯绝不会在案发现场留张纸条

2016年11月，Jeroen Ooms在CRAN发布了tesseract包，实现了R语言对简单图片的文本提取、分析功能。 利用开源OCR引擎进行图片处理，目前可以识别超过100种语言，R语言可以借助tesseract调用OCR引擎进行相应操作。 从图像中提取文本时，需要提前安装训练数据（地址：https://github.com/tesseract-ocr/tessdata），系统默认

我对GAN“生成对抗网络”（Generative Adversarial Networks）的看法： 前几天在公开课听了新加坡国立大学【机器学习与视觉实验室】负责人冯佳时博士在【硬创公开课】的GAN分享。GAN现在对于无监督图像标注来说是个神器，不过在NLP领域用的还不是那么广泛。 笔者看来，深度学习之前都没有对数组分布进行细致考察，譬如之前我对NLP词向量就产生过很多疑虑，为啥这么长条

并非广告~实在是太良心了，所以费时间给他们点赞一下~ SuperVessel云平台是IBM中国研究院和中国系统与技术中心基于POWER架构和OpenStack技术共同构建的， 支持开发者远程开发的免费科研云平台。除支持虚拟机和容器服务外还提供：大数据Hadoop，Spark开发环境、Python科学计算开发环境（可替代Matlab）、Java Eclipse/Bluefish运行环

一、三款模型几款模型目前来看的精度：CPM < DeeperCut < CMU OpenPose < AlphaPose 模型 大体框架 多人估计的应对措施 CPM CPM是一个cascaded网络，多个stage反复去定位、修正响应图 center map，为一个高斯响应，因为cpm处理的是单人pose的问题，如果图片中有多人，那么...