- 博客(8)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 Googlenet v1、v2、v3、v4区别
Googlenet v1、v2、v3、v4区别Inception v1的网络，将1x1，3x3，5x5的conv和3x3的pooling，stack在一起，一方面增加了网络的width，另一方面增加了网络对尺度的适应性；v2的网络在v1的基础上，进行了改进，一方面了加入了BN层，减少了Internal Covariate Shift（内部neuron的数据分布发生变化），使每一层的输出都规范化到一...
2018-04-28 16:33:34
1782
转载 梯度与Roberts、Prewitt、Sobel、Lapacian算子
学习心得： 学习图像处理的过程中，刚开始遇到图像梯度和一些算子的概念，这两者到底是什么关系，又有什么不同，一直困扰着我。后来在看到图像分割这一模块后才恍然大悟，其实图像的梯度可以用一阶导数和二阶偏导数来求解。但是图像以矩阵的形式存储的，不能像数学理论中对直线或者曲线求导一样，对一幅图像的求导相当于对一个平面、曲面求导。对图像的操作，我们采用模板对原图像...
2018-04-28 16:26:21
1720
原创 MIT、GPL、LPGL、BSD 的区别
BSD开源协议（original BSD license、FreeBSD license、Original BSD license）BSD开源协议是一个给于使用者很大自由的协议。基本上使用者可以”为所欲为”,可以自由的使用，修改源代码，也可以将修改后的代码作为开源或者专有软件再发布。但”为所欲为”的前提当你发布使用了BSD协议的代码，或则以BSD协议代码为基础做二次开发自己的产品时，需要满足三个条...
2018-04-27 21:09:06
1250
原创 现有深度学习人脸识别综述
现有人脸检测三类方法：1、Cascade CNN：速度最快，精度相对较低；代表算法：MI-CNN，ICS2、Faster R-CNN：速度较慢，精度较高；代表算法：Face R-CNN，Face R-FCN，FDNet3、SSD：速度较快，精度较高；代表算法：SSH，S3FD，FAN，PyramidBox特点：1、通用目标检测方法+人脸数据2、一般借助于高复杂度模型对人脸表观进行建模，检测速度难以...
2018-04-27 11:35:11
3576
转载 2017cvpr 目标检测
作者：xiaozhi链接：https://zhuanlan.zhihu.com/p/28088956来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。（1）Speed/accuracy trade-offs for modern convolutional object detectors其主要考虑三种检测器（Faster RCNN,R-FCN,SSD）作为元结构，三种...
2018-04-17 11:22:13
1337
原创 线性时空实现数组各个元素除该位置外连乘
一个长度为n的数组a[0],a[1],...,a[n-1]。现在更新数组的名个元素，即a[0]变为a[1]到a[n-1]的积，a[1]变为a[0]和a[2]到a[n-1]的积，...，a[n-1]为a[0]到a[n-2]的积（就是除掉当前元素，其他所有元素的积）。程序要求：具有线性复杂度，且不能使用除法运算符。分析：根据要求线性且不能用除法，那么就得需要分段线性策略，这道题如果能用除法的话就会非常...
2018-04-16 10:14:20
369
原创 人脸识别
参考：http://cvmart.net/community/article/detail/221Chapter 1人脸识别问题宏观上分为两类：1. 人脸验证（又叫人脸比对）2. 人脸识别。人脸验证做的是 1 比 1 的比对，即判断两张图片里的人是否为同一人。最常见的应用场景便是人脸解锁，终端设备（如手机）只需将用户事先注册的照片与临场采集的照片做对比，判断是否为同一人，即可完成身份验证。人脸识别...
2018-04-15 11:00:51
1475
转载 GAP全局池化替代全连接层的分析
首先我们来看一下全连接层的缺点：在AlexNet及其之前的大抵上所有的基于神经网络的机器学习算法都要在卷积层之后添加上全连接层来进行特征的向量化，此外出于神经网络黑盒子的考虑，有时设计几个全连接网络还可以提升卷积神经网络的分类性能，一度成为神经网络使用的标配。但是，我们同时也注意到，全连接层有一个非常致命的弱点就是参数量过大，特别是与最后一个卷积层相连的全连接层。一方面增加了Training以及t...
2018-04-01 10:04:53
8823
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人