<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[fish的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/yj3254</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yj3254]]></copyright><item><title><![CDATA[总结近期CNN模型的发展(一)]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/79167356</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/79167356</guid><author>yj3254</author><pubDate>Thu, 25 Jan 2018 22:35:37 +0800</pubDate><description><![CDATA[1.前言

好久没有更新专栏了,最近因为项目的原因接触到了PyTorch,感觉打开了深度学习新世界的大门.闲暇之余就用PyTorch训练了最近在图像分类上state-of-the-art的CNN模型,正好在文章中总结如下:


ResNet [1, 2]
Wide ResNet [3]
ResNeXt [4]
DenseNet [5]
DPNet [9]
NASNet [10]]]></description><category></category></item><item><title><![CDATA[Deep Visualization:可视化并理解CNN]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/79167338</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/79167338</guid><author>yj3254</author><pubDate>Thu, 25 Jan 2018 22:17:53 +0800</pubDate><description><![CDATA[一.前言CNN作为一个著名的深度学习领域的“黑盒”模型，已经在计算机视觉的诸多领域取得了极大的成功，但是，至今没有人能够“打开”这个“黑盒”，从数学原理上予以解释。这对理论研究者，尤其是数学家来说当然是不可接受的，但换一个角度来说，我们终于创造出了无法完全解释的事物，这也未尝不是一种进步了！当然，虽然无法完全“打开”这个“黑盒”，但是仍然出现了很多探索这个“黑盒”的尝试工作。其中一个工作就是今天我...]]></description><category></category></item><item><title><![CDATA[FCN学习:Semantic Segmentation]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/53033598</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/53033598</guid><author>yj3254</author><pubDate>Fri, 04 Nov 2016 12:37:29 +0800</pubDate><description><![CDATA[感谢@huangh12 @郑途 @麦田守望者对标签图像生成的研究和讨论，这几天研究了一下，补充如下。-----------------------------------------------------分割线------------------------------------------------------谢谢@潘达的评论，这一篇确实有很多点没有分析完，当时想着后来加上去，但是由于工作...]]></description><category></category></item><item><title><![CDATA[Object Detection(2):Fast R-CNN]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/52824732</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/52824732</guid><author>yj3254</author><pubDate>Sat, 15 Oct 2016 19:34:00 +0800</pubDate><description><![CDATA[RCNN后续,fast-rcnn]]></description><category></category></item><item><title><![CDATA[fine-tuning:利用已有模型训练其他数据集]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/52704361</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/52704361</guid><author>yj3254</author><pubDate>Thu, 29 Sep 2016 19:04:31 +0800</pubDate><description><![CDATA[通过对ImageNet上训练出来的模型（如CaffeNet,VGGNet,ResNet)进行微调，然后应用到我们自己的数据集上]]></description><category></category></item><item><title><![CDATA[Deep Residual Network学习(二)]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/52474301</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/52474301</guid><author>yj3254</author><pubDate>Thu, 08 Sep 2016 19:24:39 +0800</pubDate><description><![CDATA[在cifar10上完美复现ResNet结果，得到了比论文中更好的结果]]></description><category></category></item><item><title><![CDATA[Object Detection(1):RCNN实践]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/52453628</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/52453628</guid><author>yj3254</author><pubDate>Tue, 06 Sep 2016 21:21:29 +0800</pubDate><description><![CDATA[前段时间做的都是classification的工作。这周有时间，正好研究一下很感兴趣的object detection。目前得出的结果都是基于RBG大神在13年所提出的开创性工作——R-CNN。这一结构可以看作是将CNN应用到Object Detection领域的开山之作。在ImageNet/VOC/MSCOCO上所有顶尖的方法都是基于这个结构或其变种，可见其影响之大。
今天我们就来学习一下这篇]]></description><category></category></item><item><title><![CDATA[caffe学习(3):SVHN on caffe]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/52370767</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/52370767</guid><author>yj3254</author><pubDate>Tue, 30 Aug 2016 16:51:38 +0800</pubDate><description><![CDATA[在caffe上测试训练SVHN数据集]]></description><category></category></item><item><title><![CDATA[caffe学习(2): Cifar-100 tutorial]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/52303800</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/52303800</guid><author>yj3254</author><pubDate>Wed, 24 Aug 2016 20:44:09 +0800</pubDate><description><![CDATA[在caffe上使用cifar100进行训练测试]]></description><category></category></item><item><title><![CDATA[caffe学习(1):多平台下安装配置Caffe]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/52290401</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/52290401</guid><author>yj3254</author><pubDate>Tue, 23 Aug 2016 14:11:30 +0800</pubDate><description><![CDATA[1.在win10 64位,CUDA7.5,VS2013环境下配置使用caffe框架;
2.在Ubuntu14.04虚拟机，CUDA7.5环境下配置使用CPU版本Caffe]]></description><category></category></item><item><title><![CDATA[Deep Residual Network学习(一)]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/52244402</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/52244402</guid><author>yj3254</author><pubDate>Thu, 18 Aug 2016 20:08:35 +0800</pubDate><description><![CDATA[对ResNet的初步解读和实验结果在cifar10上复现]]></description><category></category></item><item><title><![CDATA[操作系统实验——串行、多线程和线程池三种方式计算矩阵乘法]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/44984159</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/44984159</guid><author>yj3254</author><pubDate>Fri, 10 Apr 2015 20:12:52 +0800</pubDate><description><![CDATA[以多线程（并行）、串行以及线程池三种形式计算矩阵乘法，统计分析三种方法所需要的时间，并根据公式speedup<=1/(s+(1-s)/n),计算出顺序执行占用比s.]]></description><category></category></item><item><title><![CDATA[操作系统实验——增加系统调用（详细图文解释）]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/44836141</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/44836141</guid><author>yj3254</author><pubDate>Thu, 02 Apr 2015 19:26:49 +0800</pubDate><description><![CDATA[Linux新增系统调用,详细的图文教程]]></description><category></category></item><item><title><![CDATA[栈的应用——火车进站出站问题]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/43706677</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/43706677</guid><author>yj3254</author><pubDate>Tue, 10 Feb 2015 19:20:31 +0800</pubDate><description><![CDATA[问题：
某城市有一个火车站，铁轨铺设如下图所示。有n节车厢从A方向驶入车站，按照进站顺序编号为1~n。你的任务是输出所有可能的出站序列。例如，出站顺序(5 4 1 2 3)是不可能的，但(5 4 3 2 1)是可能的。
为了重组车厢，你可以借助中转站C。这是一个可以停放任意多节车厢的车站，但由于末端封顶，驶入C的车厢必须按照相反的顺序驶出C。在任意时刻，只有两种选择：A->C和C->B.
代]]></description><category></category></item><item><title><![CDATA[C++用栈计算表达式]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/43705713</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/43705713</guid><author>yj3254</author><pubDate>Tue, 10 Feb 2015 17:30:50 +0800</pubDate><description><![CDATA[用STL中的栈作为工具，实现表达式的计算]]></description><category></category></item><item><title><![CDATA[java调色板(用滑块调色)]]></title><link>https://blog.youkuaiyun.com/yj3254/article/details/43311437</link><guid>https://blog.youkuaiyun.com/yj3254/article/details/43311437</guid><author>yj3254</author><pubDate>Fri, 30 Jan 2015 19:34:29 +0800</pubDate><description><![CDATA[java实现的用滑块进行RGB调色的调色板]]></description><category></category></item></channel></rss>