上一页 1 2 3 4 5 6 7 8 9 ··· 12 下一页

2016年10月23日

ECCV 2016 paper list

摘要: 摘录ECCV2016部分文章,主要有Human pose esimation, Human activiity / actions, Face alignment, Face detection & recognition & .. , Hand tracking, Eye, and Others. 阅读全文

posted @ 2016-10-23 22:08 alexanderkun 阅读(6011) 评论(1) 推荐(0) 编辑

2016年7月28日

RNN以及LSTM的介绍和公式梳理

摘要: 前言 好久没用正儿八经地写博客了,csdn居然也有了markdown的编辑器了,最近花了不少时间看RNN以及LSTM的论文,在组内『夜校』分享过了,再在这里总结一下发出来吧,按照我讲解的思路,理解RNN以及LSTM的算法流程并推导一遍应该是没有问题的。 RNN最近做出了很多非常漂亮的成果,比如Ale 阅读全文

posted @ 2016-07-28 17:43 alexanderkun 阅读(6051) 评论(0) 推荐(0) 编辑

2016年7月24日

caffe 每层结构

摘要: 如何在Caffe中配置每一个层的结构 最近刚在电脑上装好Caffe,由于神经网络中有不同的层结构,不同类型的层又有不同的参数,所有就根据Caffe官网的说明文档做了一个简单的总结。 1. Vision Layers 1.1 卷积层(Convolution) 类型:CONVOLUTION 例子 blo 阅读全文

posted @ 2016-07-24 22:10 alexanderkun 阅读(2276) 评论(0) 推荐(0) 编辑

ReLU 和sigmoid 函数对比

摘要: 详细对比请查看:http://www.zhihu.com/question/29021768/answer/43517930 . 激活函数的作用:是为了增加神经网络模型的非线性。否则你想想,没有激活函数的每层都相当于矩阵相乘。就算你叠加了若干层之后,无非还是个矩阵相乘罢了。所以你没有非线性结构的话, 阅读全文

posted @ 2016-07-24 21:56 alexanderkun 阅读(12446) 评论(0) 推荐(0) 编辑

2016年7月23日

caffe 训练imagenet

摘要: 1.整理得到自己的数据库,并生成自己数据库的列表文件.txt2.将数据库转成lmbp格式3.计算图像均值4.修改网络参数5.得到结果1.整理得到自己的数据库因为前面博文提到的原因,技术水平有限没办法实现主机和虚拟机之间的文件共享,就暂时先用比较麻烦的方法。现在主机上整理好需要的数据集一共四个文件:两 阅读全文

posted @ 2016-07-23 12:09 alexanderkun 阅读(4065) 评论(0) 推荐(1) 编辑

2016年7月22日

提示 make: 没有什么可以做的为 `all'

摘要: 提示 make: 没有什么可以做的为 `all'。 make clean 一次,编译过程又有了. 阅读全文

posted @ 2016-07-22 21:53 alexanderkun 阅读(1456) 评论(0) 推荐(0) 编辑

2016年7月20日

搭建一台deeplearning的服务器

摘要: 在计算机时代的早期,一名极客的满足感很大程度上来源于能DIY一台机器。到了深度学习的时代,前面那句话仍然是对的。缘起在2013年,MIT科技评论将深度学习列为当年十大科技突破之首。其原因在于,模型有其为庞大的网络结构,参数够多,学习能力够强,能配合大数据达到惊人的效果。而且,能自动学习特征,避免了“ 阅读全文

posted @ 2016-07-20 11:47 alexanderkun 阅读(1281) 评论(0) 推荐(0) 编辑

2016年7月17日

2016CVPR论文集

摘要: http://www.cv-foundation.org/openaccess/CVPR2016.py ORAL SESSION Image Captioning and Question Answering Monday, June 27th, 9:00AM - 10:05AM. These pa 阅读全文

posted @ 2016-07-17 17:36 alexanderkun 阅读(3886) 评论(0) 推荐(0) 编辑

2016年5月22日

B样条基函数的定义及系数的意义

摘要: 原文链接:http://blog.csdn.net/tuqu/article/details/5177405 贝塞尔基函数用作权重。B-样条基函数也一样;但更复杂。但是它有两条贝塞尔基函数所没有的特性,即(1)定义域被节点细分(subdivided); (2) 基函数不是在整个区间非零。实际上,每个 阅读全文

posted @ 2016-05-22 17:47 alexanderkun 阅读(13393) 评论(1) 推荐(0) 编辑

2015年12月6日

caffe 教程

摘要: Caffe是一个清晰而高效的深度学习框架,本文详细介绍了caffe的优势、架构,网络定义、各层定义,Caffe的安装与配置,解读了Caffe实现的图像分类模型AlexNet,并演示了CIFAR-10在caffe上进行训练与学习。Caffe是一个清晰而高效的深度学习框架,其作者是博士毕业于UC Ber... 阅读全文

posted @ 2015-12-06 17:26 alexanderkun 阅读(2582) 评论(0) 推荐(0) 编辑

上一页 1 2 3 4 5 6 7 8 9 ··· 12 下一页

导航