包包小公子的私人博客

R-CNN,SPP-NET,Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列深度学习检测方法梳理 1. R-CNN：Rich featurehierarchies for accurate object detection and semantic segmentation技术路线：selective search + CNN + SVMs Step...

深度残差网络自从2015年提出以来，在众多比赛中表现优越，且最终获得CVPR 2016年Best Paper Award。大家想必也已经耳熟能详。在这里，只是再简要说说深度残差网络是怎样的网络，关于为什么她表现如此优秀？如论文中描述，深度残差网络的缘起在于一个“反常”的现象。在训练深度神经网络的时候，训练误差和测试误差都随着网络深度的增加而增加。文中称之为Degradation问题。    深

最近一直在看深度学习，一直先找个机会练一练手；之前用win7装过Ubuntu16.04双系统，也装过虚拟机，反正为了深度学习的实现我是伤透了脑筋，可是一直不理想，来来回回折腾了渐进3个多星期，身心疲惫呀！偶然的因数，看到一篇能在Windows环境下安装caffe的教程，就试了试，进过一段痛苦的刚才caffe终于安装好了还调用了python的接口。      废话不多说，下面我就介绍一下安装过程

本人想自己试验训练一个基于resnet的cifar10模型，但是想了想，还是想训练一个基本的cifar10再说，一步一步来。所以，本文以examples/cifar10/为例，主要用于小图片的分类。第一步： 下载cifar10数据集该数据有 60000张32*32彩色图片，50000张训练，10000张测试下载cifar10数据集：http://www.cs.toronto.edu/~kriz/c

深度森林：探索深度神经网络以外的方法—周志华最新论文挑战深度学习 |南京大学周志华发表了一篇论文，提出了一种基于树的方法，挑战深度学习。在设置可类比的情况下，新方法 gcForest 取得了和深度神经网络相当甚至更好的结果，而且更容易训练，小数据也能运行，更重要的是相比神经网络，基于树的方法不会存在那么困难的理论分析问题。周志华和冯霁在论文里写道，“我们认为，要解决复杂的问题，学习模型也需要往深了去

参考文献资料 ROI: A Region of Interest Based Image Segmentation Method using a Biologically Motivated Selective Attention Model 作者 SH Lee，J Moon，M Lee 出版源 International Joint Conference on Neural Netw

R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD 系列深度学习检测方法梳理R-CNN：Rich feature hierarchies for accurate object detection and semantic segmentation 技术路线：selective search + CNN + SVMsStep1:候选框提取(se

源代码下载：https://github.com/aurora95/Keras-FCN下载FCN的源码，安装完毕后，下载数据集VOC 2012和MS COCO。使用按下ctrl+h组合掉出Linux的隐藏文件，进入.keras文件，会发现一个datasets文件。将下载好的Pascal voc2012数据集放在/home/***/.keras/datasets/VOC2012目录下

本文主要介绍：经过一番欲哭无泪的折腾，终于在Windows10 64位系统下成功配置Caffe的GPU版，可惜的是我的电脑并没有掉cudnn，因为个GPU计算能力不够，我的GPU计算能力是2.1，而cudnn不支持3.0以下的版本。下面总结一下基本的配置过程，以及配置过程中遇到的问题。配置环境：Windows10 X64 + CUDA7.5 + VS2013 +  python2.7