ikerpeng

知乎同步发布：https://www.zhihu.com/people/ikerpeng/activities介绍下我们 AAAI2020的工作：Learning Graph Convolutional Network for Skeleton-based Human Action Recognition by Neural Searching动作识别（Action recognit...

Exploiting the Circulant Structure of Tracking-by-detection with Kernels 公式详细的推导，整个的推导过程就是这样的，我是花了几个月的，分享给大家！

BING 算法最终是帮忙找到图像当中的候选的物体区域， Box表示为：Get potential bounding boxes, each of which isrepresented by a Vec4i for (minX, minY, maxX, maxY).将图像归一化到一个相同的尺度（例如：8*8）上，一般对象的封闭轮廓和梯度范数之间具有强联系。能够在识别一个对象之前察觉它，非常接近自底

MXnet: 轻量化分布式可移植深度学习计算平台安装MXnet基本依赖的安装下载mxnet安装CUDA编译支持GPU的MXnet安装Python支持运行MNIST手写数字识别可能出现的问题MNIST代码简单讲解：设计一个最简单的多层神经网络后记我想写一系列深度学习的简单实战教程，用mxnet做实现平台的实例代码简单讲解深度学习常用的一些技术方向和实战样例。这

http://phunter.farbox.com/post/mxnet-tutorial2题注：本来这是第三集的内容，但是Eric Xie 勤劳又机智的修复了mxnet和cuDNN的协作问题，我就把这篇当作一个卷积网络ConvNet(CNN)神奇而有趣的例子，寓教于乐给大家提起学习兴趣，原计划的CNN教学顺延到下一集。Neural art：用机器模仿梵高Neural ar

转自： http://www.cnblogs.com/neopenx/p/5211969.html从Bayesian角度浅析Batch Normalization前置阅读：http://blog.youkuaiyun.com/happynear/article/details/44238541——Batch Norm阅读笔记与实现前置阅读：http://www.zhih

这篇文章的整个推导都很清楚，转过来！逻辑回归（Logistic Regression）转载请注明出自BYRans博客：http://www.cnblogs.com/BYRans/      本文主要讲解分类问题中的逻辑回归。逻辑回归是一个二分类问题。 二分类问题    二分类问题是指预测的y值只有两个取值（0或1），二分类问题可以扩展到多分类问题。例

深度强化学习系列之一，深度强化学习概述

内容概要：采用的是 两步走的 Object detection的 深度学习框架，首先通过框架的第一部分的分支给出 目标 proposal； 然后 在proposal当中进行检测。 文章的的优点在于： proposal和 detection两部分共享大部分网络，网络精简 且效率高； 得到的proposal 数目更少，但是recall却非常的高；文章的准确度大幅度的提高；目前刚刚开源。

这篇博文很简单，我就画了一个图，将各自的要点进行比较说明。相信这样看过去就一目了然了，但是需要说明的还是： YOLO可能不应该放在这里，但是为了和SSD进行比较还是放了。另外，YOLO出了第二版本了，所以放在这边也没有问题。iker Peng2017年1月10日

转载请标明出处： 本文要介绍的这一篇paper是ICML2016上一篇关于 CNN 在图（graph）上的应用。ICML 是机器学习方面的顶级会议，这篇文章-->--所研究的内容也具有非常好的理论和实用的价值。如果您对于图的数据结构并不是很熟悉建议您先参考本文末的相关基础知识的介绍。 CNN已经在计算机视觉（CV）以及自然语言处理等领域取得了state-of-art 的水平，其中的数据可以被称作是

本文原文见我的知乎主页：https://www.zhihu.com/people/ikerpeng/ 参考：David Silver，Tutorial: Deep Reinforcement Learning，2016.Pieter Abbeel，Policy Optimization，2017.Hodo van Hasselt，Deep reinforcement Learni

更多内容可关注我的知乎专栏：https://zhuanlan.zhihu.com/ikerpeng下面要介绍的这几种生成模型，主要集中在两种任务当中。一种是风格转换，另一种是跨域数据之间的转换（Cross-Domain Image-to-image）。使用的网络结构主要是自动编码器以及GAN。StarGAN : yunjey/StarGANStarGAN将一个数据集上面学习到的知识转移...

知乎专栏同步发布： https://zhuanlan.zhihu.com/p/41133862本来打算自己写写的，但是发现了David Foster的神作，看了就懂了。我也就不说啥了。看不清的话，原图在后面的连接也可以找到。没懂？！！！那我再解释下。 AlphaGo Zero主要由三个部分组成：自我博弈（self-play），训练和评估。和AlphaGo 比较，AlphaZ...

文章 iker peng（知乎：https://www.zhihu.com/people/ikerpeng/）原创，转载请与我联系～深度强化学习在很多决策领域当中都取得了比较不错的结果，尤其是在游戏领域，多个游戏已经达到甚至是超过了人类水平。计算机视觉领域，必定也会尝试这种神奇的算法。然而，到目前为止我们并没有看到在这个领域当中特别成功的例子。计算机视觉任务似乎并没有像游戏那样直观...

Fisher vector本质上是用似然函数的梯度vector来表达一幅图像

在机器学习或者是模式识别当中有一种重要的分类器叫做：SVM 。这个被广泛的应用于各个领域。但是其计算的复杂度以及训练的速度是制约其在实时的计算机应用的主要原因。因此也很很多的算法被提出来，如SMO，Kernel的方法。但是这里要提到的 Regularized least-squares classification 是一个和他有着同样的效果的分类器。比较而言计算却比较的简单（We

微软亚洲研究院2014CVPR： Realtime and Robust Hand Tracking from Depth

首先 作者是online boosting的作者文章提到   这个tracker 要不然就要提前知道每种变化的形态  要适应不断变化的背景 要不然很复杂 （fixed tracker）解决的办法是自适应（adaptive） 要自适应 ，那么对于在线的跟踪，漂移（drifting）是最大的问题 ：每一次我们更新我们的tracker的时候都会有新的错误的引入（introdu

文章：A robust boosting tracker with minimum error bound in a Co-training framework

boosting的基本思想： 三个臭皮匠抵一个诸葛亮   利用一些容易得到的弱分类器 组合训练形成强分类器。本文中基本思想就是这样的 关键用到了 ：boosting用于特征选取

南加州大学的教授给我们分享了他带的研究生博士生是如何paper reading的。下面简单记录一下。 论文阅读最好的方式是Passive Reading。当你拿到一篇论文的时候，首先看看文章的题目+abstract，看看里面有没有新意，决定要不要往下看；然后再看看introduction，这个时候就放下来，思考一下，作者会怎么写？你希望作者给你怎样的答案。然后再接着往下看。这样的效果好得多

文章：Robust object tracking with on-line  multiple instance learningBoris Babenko, Student Member, IEEE, Ming-Hsuan Yang, Senior Member, IEEE and Serge Belongie, Member, IEEE ；PAMI ，2011.

很喜欢Ubuntu12.04 下的简洁的而高贵的界面，vim在里面也是非常的赏心悦目！所以决定在linux下面来学习python。    这个版本的linux下面自带了python2.7。输入命令：python 就可以进入到python脚本的编写了。同时也可以看到你的python的版本了。但是这样是不够的。你还需要几个非常有用的包：numpy  matplotlib opencv等

这是一个贝叶斯模型的计算机视觉小项目，希望大家通过这个简单的项目知道一般的计算机视觉项目是如何操作的。

python 计算机视觉项目实践

文章：Real-time compressIve trackingK Zhang, L Zhang, MH Yang - Computer Vision–ECCV 2012, 2012

CT 代码详细学习_模块1（样本的采集和扩充）

CT代码深入学习

compressive tracking（CT）代码详细学习_模块2(特征的提取和计算)

zhuanzaizhhttp://blog.youkuaiyun.com/xiaowei_cqu/article/details/8470376

在进行opencv使用的时候  运行一个程序 系统提示：不能够找到SIFT模块  就不知到是怎么回事了以为是是版本低了  我用的是opencv2.4.1   结果发现是版本高了据说在2.4以后SIFT被放在一个叫nonfree的包里面了 好象是不再免费了有进一步线索再来更新