随笔分类 - CV论文阅读
摘要：DeepLDA 并不是把LDA模型整合到了Deep Network，而是利用LDA来指导模型的训练。从实验结果来看，使用DeepLDA模型最后投影的特征也是很discriminative 的，但是很遗憾没有看到论文是否验证了topmost 的hidden representation 是否也和sof
阅读全文
摘要：Unsupervised deep embedding for clustering analysis 偶然发现这篇发在ICML2016的论文，它主要的关注点在于unsupervised deep embedding。据我所了解的，Unsupervised 学习是deep learning的一个难点
阅读全文
摘要：Pre: It is MY first time to see quite elegant a solution to seek a subspace for a group of local features. I list two related papers for your referenc
阅读全文
摘要：生成式对抗网络GAN 1、 基本GAN 在论文《Generative Adversarial Nets》提出的GAN是最原始的框架，可以看成极大极小博弈的过程，因此称为“对抗网络”。一般包含两个部分：生成器（Generator）和判别器（Discriminator）。训练的过程是无监督学习。 先总结
阅读全文
摘要：初次接触Captioning的问题，第一印象就是Andrej Karpathy好聪明。主要从他的两篇文章开始入门，《Deep Fragment Embeddings for Bidirectional Image Sentence Mapping》和《Deep Visual-Semantic Ali
阅读全文
摘要：论文的关注点在于如何提高bounding box的定位，使用的是概率的预测形式，模型的基础是region proposal。论文提出一个locNet的深度网络，不在依赖于回归方程。论文中提到locnet可以很容易与现有的detection系统结合，但我困惑的是（1）它们的训练的方法，这点论文中没有明
阅读全文
摘要：论文主要介绍一种多人协作的视频事件识别的方法，使用attention模型+RNN网络，最近粗浅地学习了RNN网络，它比较适合用于处理序列的存在上下文作用的数据。 NCAA Basketball数据集 这个数据集是作者新构建的，一个事件4秒长度，在论文中共需识别11个事件。而且从训练集子集通过标注人物
阅读全文
摘要：论文的重点在于后面approximation部分。 在《Rank Pooling》的论文中提到，可以通过训练RankSVM获得参数向量d，来作为视频帧序列的representation。而在dynamic论文中发现，这样的参数向量d，事实上与image是同等大小的，也就是说，它本身是一张图片（假如m
阅读全文
摘要：这是期刊论文的版本，不是会议论文的版本。看了论文之后，只能说，太TM聪明了。膜拜~~ 视频的表示方法有很多，一般是把它看作帧的序列。论文提出一种新的方法去表示视频，用ranking function的参数编码视频的帧序列。它使用一个排序函数（ranking function）主要基于这样的假设：帧的
阅读全文
摘要：论文的三个贡献 （1）提出了two-stream结构的CNN，由空间和时间两个维度的网络组成。 （2）使用多帧的密集光流场作为训练输入，可以提取动作的信息。 （3）利用了多任务训练的方法把两个数据集联合起来。 Two stream结构 视屏可以分成空间与时间两个部分，空间部分指独立帧的表面信息，关于
阅读全文
摘要：密集轨迹的方法是通过在视频帧上密集地采样像素点并且在追踪，从而构造视频的局部描述子，最后对视频进行分类的方法依然是传统的SVM等方法。 生成密集轨迹： （1）从8个不同的空间尺度中采样，它们的尺度差因子为，而采样的点只需要简单地每间隔W = 5个像素取一个点即可。 （2）对于下一个点位置的估计，通过
阅读全文
摘要：YOLO的一大特点就是快，在处理上可以达到完全的实时。原因在于它整个检测方法非常的简洁，使用回归的方法，直接在原图上进行目标检测与定位。 多任务检测： 网络把目标检测与定位统一到一个深度网络中，而且可以同时在原图上检测多个物体。步骤总结如下： （1）把图片分割成S*S个方格，假如某个物体的中点落在其
阅读全文
摘要：目的： 提升深度神经网络的性能。 一般方法带来的问题： 增加网络的深度与宽度。 带来两个问题： （1）参数增加，数据不足的情况容易导致过拟合 （2）计算资源要求高，而且在训练过程中会使得很多参数趋向于0，浪费计算资源。 解决方法： 使用稀疏连接替代稠密结构。 理论依据（Arora）：一个概率分布可以
阅读全文
摘要：目的： 通过用Mlpconv层来替代传统的conv层，可以学习到更加抽象的特征。传统卷积层通过将前一层进行了线性组合，然后经过非线性激活得到(GLM)，作者认为传统卷积层的假设是基于特征的线性可分。而Mlpconv层使用多层感知机，是一个深层的网络结构，可以近似任何非线性的函数。在网络中高层的抽象特
阅读全文
摘要：由RCNN到FAST RCNN一个很重要的进步是实现了多任务的训练，但是仍然使用Selective Search算法来获得ROI，而FASTER RCNN就是把获得ROI的步骤使用一个深度网络RPN来实现。一个FASTER RCNN可以看作是一个RPN + FAST RCNN的组合，两者通过共享CO
阅读全文
摘要：Fast RCNN的结构： 先从这幅图解释FAST RCNN的结构。首先，FAST RCNN的输入是包含两部分，image以及region proposal（在论文中叫做region of interest，ROI）。Image经过深度网络（deep network）之后得到feature map，
阅读全文
摘要：R-CNN总结 不总结就没有积累 R-CNN的全称是 Regions with CNN features。它的主要基础是经典的AlexNet，使用AlexNet来提取每个region特征，而不再是传统的SIFT、SURF的特征。同时，还利用了AlexNet本来的功能：分类，这时所得的分类结果相当于预
阅读全文
浙公网安备 33010602011771号