上一页 1 2 3 4 5 6 ··· 8 下一页

【目标检测大集合】R-FCN、SSD、YOLO2、faster-rcnn和labelImg实验笔记

摘要: R-FCN、SSD、YOLO2、faster-rcnn和labelImg实验笔记 R-FCN、SSD、YOLO2、faster-rcnn和labelImg实验笔记 转自:https://ask.julyedu.com/question/7490R-FCNpaper:https://arxiv.org 阅读全文
posted @ 2017-09-21 16:32 塔上的樹 阅读(827) 评论(0) 推荐(0) 编辑

卷积层和池化层学习

摘要: http://www.cnblogs.com/zf-blog/p/6075286.html 卷积神经网络(CNN)由输入层、卷积层、激活函数、池化层、全连接层组成,即INPUT-CONV-RELU-POOL-FC (1)卷积层:用它来进行特征提取,如下: 输入图像是32*32*3,3是它的深度(即R 阅读全文
posted @ 2017-09-21 09:51 塔上的樹 阅读(1521) 评论(0) 推荐(0) 编辑

卷积神经网络的理解

只有注册用户登录后才能阅读该文。 阅读全文
posted @ 2017-09-20 15:49 塔上的樹 阅读(18) 评论(0) 推荐(0) 编辑

R-FCN:基于区域的全卷积网络来检测物体

摘要: http://blog.csdn.net/shadow_guo/article/details/51767036 原文标题为“R-FCN: Object Detection via Region-based Fully Convolutional Networks ”,作者代季峰 1,14年毕业的清 阅读全文
posted @ 2017-09-19 20:05 塔上的樹 阅读(1519) 评论(0) 推荐(0) 编辑

【目标检测】Faster RCNN算法详解

摘要: Ren, Shaoqing, et al. “Faster R-CNN: Towards real-time object detection with region proposal networks.” Advances in Neural Information Processing Syst 阅读全文
posted @ 2017-09-19 17:20 塔上的樹 阅读(725) 评论(0) 推荐(0) 编辑

Selective Search for Object Recognition

摘要: http://blog.csdn.net/charwing/article/details/27180421 Selective Search for Object Recognition 是J.R.R. Uijlings发表在2012 IJCV上的一篇文章。主要介绍了选择性搜索(Selective 阅读全文
posted @ 2017-09-17 17:36 塔上的樹 阅读(405) 评论(0) 推荐(0) 编辑

什么是end-to-end神经网络?

摘要: https://www.zhihu.com/question/51435499 来源:知乎著作权归作者所有。 国立台湾大学的李宏毅教授在其机器学习课程中有讲到深度神经网络的 End-to-end Learning,具体可参看其课件或课程视频的后半部分: 课件:http://speech.ee.ntu 阅读全文
posted @ 2017-09-17 16:30 塔上的樹 阅读(712) 评论(0) 推荐(0) 编辑

Stanford机器学习---第十四讲.机器学习应用举例之Photo OCR

摘要: http://blog.csdn.net/l281865263/article/details/50278745 本栏目(Machine learning)包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神 阅读全文
posted @ 2017-09-15 17:08 塔上的樹 阅读(443) 评论(0) 推荐(0) 编辑

在 Ubuntu16.04上安装anaconda+Spyder+TensorFlow(支持GPU)

摘要: TensorFlow 官方文档中文版 http://www.tensorfly.cn/tfdoc/get_started/introduction.html https://zhyack.github.io/posts/2016_09_30-Configurate-TensorFlow-On-Ubu 阅读全文
posted @ 2017-09-14 10:00 塔上的樹 阅读(6853) 评论(0) 推荐(0) 编辑

ML博客链接

摘要: http://blog.csdn.net/yingwei13mei/article/category/6602238 各种都有(系统教程):http://www.easemob.com/news/760 神级数学推导(日本):https://yjango.gitbooks.io/superorgan 阅读全文
posted @ 2017-09-12 09:49 塔上的樹 阅读(291) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 ··· 8 下一页