论文阅读
关注
分享
扫一扫
holy_hao
一步一码。
展开
-
【行人识别】Deep Transfer Learning for Person Re-identification
目录(?)[-]概述网络结构特征提取代价测试方法训练方法监督学习无监督学习co-training模型1模型2graph regularization求解数据组织训练超参数总结Geng, Mengyue, et al. “Deep Transfer Learning for Person Re-identification.”转载 2017-04-17 10:39:23 · 863 阅读 · 0 评论 -
【目标检测】RCNN算法详解
目录(?)[-]思想问题一速度问题二训练集流程候选区域生成合并规则多样化与后处理特征提取预处理预训练调优训练类别判断位置精修结果Girshick, Ross, et al. “Rich feature hierarchies for accurate object detection and semantic segmenta转载 2017-04-17 10:46:52 · 796 阅读 · 0 评论 -
【目标检测】Fast RCNN算法详解
[-]思想基础RCNN改进Fast RCNN特征提取网络基本结构roi_pool层的测试forwardroi_pool层的训练backward网络参数训练参数初始化分层数据训练数据构成分类与位置调整数据结构代价函数全连接层提速实验与结论Girshick, Ross. “Fast r-cnn.” Proceeding转载 2017-04-17 10:49:10 · 663 阅读 · 0 评论 -
【目标检测】Faster RCNN算法详解
[-]思想区域生成网络结构特征提取候选区域anchor窗口分类和位置精修区域生成网络训练样本代价函数超参数共享特征轮流训练近似联合训练联合训练实验Ren, Shaoqing, et al. “Faster R-CNN: Towards real-time object detection with region proposa转载 2017-04-17 10:49:54 · 782 阅读 · 1 评论 -
Deep Forest，非神经网络的深度模型
[-]摘要级联森林Cascade Forest多粒度扫描Multi-Grained Scanning实验结果总结参考资料欢迎转载，转载请注明：本文出自Bin的专栏blog.youkuaiyun.com/xbinworld。 深度学习最大的贡献，个人认为就是表征学习（representation learning），通过端到端的训练，发现更好的features，而转载 2017-04-17 10:51:00 · 671 阅读 · 0 评论