摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 层的概念在深度神经网络中占据核心位置，给定输入，数据在层间运算流动，最终输出结果。 层定义了对数据如何操作 ，根据操作的不同，可以对层进行划分（具体参见 "Caffe Layers" ）： Data 阅读全文
摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 主页 ：https://kpzhang93.github.io/MTCNN_face_detection_alignment/index.html 论文 ：https://arxiv.org/abs 阅读全文
摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 这篇文章将从3个角度： 加权 、 模版匹配 与 几何 来理解最后一层全连接+Softmax。掌握了这3种视角，可以更好地理解深度学习中的正则项、参数可视化以及一些损失函数背后的设计思想。 全连接层与 阅读全文
摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 在文章《特征，特征不变性，尺度空间与图像金字塔》中我们初步谈到了图像金字塔，在这篇文章中将介绍如何在人脸检测任务中构建输入图像金子塔。 人脸检测中的图像金字塔 人脸检测任务 ，输入是一张图像，输出图 阅读全文
摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 在Caffe源码理解1中介绍了 类，其中的数据成员有 是共享对象所有权的智能指针，当最后一个占有对象的 被销毁或再赋值时，对象会被自动销毁并释放内存，见 "cppreference.com" 。而 阅读全文
摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" [toc] 人脸识别流程包括人脸检测、人脸对齐、人脸识别等子任务，这里优先总结功能相对齐全的开源项目，再总结完成单个子任务的开源项目。本文主要关注方法较流行且提供源码的开源项目，忽略了仅提供SDK的。 全任务 1. "S 阅读全文
摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" [TOC] 面向过程与面向对象的思考方式 面向过程 和 面向对象 的差异主要体现在 思考方式 上，面对同样一个任务， 面向过程的思考方式 ，首先想的是 一步步该怎么做 ， 对任务进行分解，先干什么后干什么，划分成不同阶段 阅读全文
摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" 特征 在计算机视觉领域， 特征是为了完成某一特定任务需要的相关信息 。比如，人脸检测中，我们需要在图像中提取特征来判断哪些区域是人脸、哪些区域不是人脸，人脸验证中，我们需要在两个人脸区域分别提取特征，来判断他们是不是同一 阅读全文
摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" Blob作用 据 "Caffe官方" 描述： A Blob is a wrapper over the actual data being processed and passed along by Caffe , an 阅读全文
摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" 写在前面 论文状态：Published in CVIU Volume 161 Issue C, August 2017 论文地址：https://arxiv.org/abs/1606.02228 github地址：htt 阅读全文
摘要：
博客：blog.shinelee.me | 博客园 | CSDN 卷积运算与相关运算 在计算机视觉领域，卷积核、滤波器通常为较小尺寸的矩阵，比如$3\times3$、$5\times5$等，数字图像是相对较大尺寸的2维（多维）矩阵（张量），图像卷积运算与相关运算的关系如下图所示（图片来自链接），其中 阅读全文
摘要：
博客： "blog.shinelee.me" | "博客园" | "CSDN" 写在前面 最近因项目需要，得把OpenCV捡起来，登录 "OpenCV官网" ，竟然发现release了 "4.0.0 beata版本" ，所以借此机会，查阅资料，了解下OpenCV各版本的差异及其演化过程，形成了以下几 阅读全文
摘要：
均值与方差 首先回忆下均值和方差的定义，若存在$n$个数为$x_1, x_2, \dots, x_n$，则均值$\mu$为： $$\mu = \frac{x_1+x_2+\dots+x_n}{n}$$ 均值衡量的是数值集中在哪个数值附近 。令标准差为$\sigma$，则方差$\sigma^2$为： 阅读全文
摘要：
高斯函数与高斯滤波 一维高斯函数我们都熟悉，形式如下： $$G(x) = \frac{1}{\sqrt{2\pi}\sigma} \exp( \frac{x^2}{2\sigma^2})$$ 计算机视觉中，高斯滤波使用的高斯核为$x$和$y$两个一维高斯的乘积，两个维度上的标准差$\sigma$通常 阅读全文
摘要：
写在前面 伪随机数生成算法在计算机科学领域应用广泛，比如枪击游戏里子弹命中扰动、数据科学里对样本进行随机采样、密码设计、仿真领域等等，背后都会用到伪随机数生成算法。 说随机，那什么是随机呢？ 随机 意味着不可预测，没有任何规律。谈随机数，一定是在序列当中，单拿出一个数谈随机是没有意义的。 给一个数字 阅读全文
摘要：
动机 在计算机视觉领域，经常需要检测极值位置，比如SIFT关键点检测、模板匹配获得最大响应位置、统计直方图峰值位置、边缘检测等等，有时只需要像素精度就可以，有时则需要亚像素精度。本文尝试总结几种常用的一维离散数据极值检测方法，几个算法主要来自论文《A Comparison of Algorithms 阅读全文
摘要：
个人博客地址： "滤波器——BoxBlur均值滤波及其快速实现" 动机：卷积核、滤波器、卷积、相关 在数字图像处理的语境里，图像一般是二维或三维的矩阵，卷积核（kernel）和滤波器（filter）通常指代同一事物，即 对图像进行卷积或相关操作时使用的小矩阵 ，尺寸通常较小，常见的有3\ 3、5\ 阅读全文
摘要：
形而上者谓之道，形而下者谓之器，化而裁之谓之变；推而行之谓之通，举而措之天下之民，谓之事业。——《易经·系辞》 天地间本就存在种种规律和法则 ，这些规律和法则在物质世界相互作用、不断演化形成了世间万象，比如水蒸气遇冷液化成雨，比如万有引力让苹果落到地上。世间万象称之为“形”或“象”。 世间之 “形” 阅读全文
摘要：
编码与解码首先，明确一点，计算机中存储的信息都是二进制的编码/解码本质上是一种映射（对应关系），比如‘a’用ascii编码则是65，计算机中存储的就是00110101，但是显示的时候不能显示00110101，还是要显示'a'，但计算机怎么知道00110101是'a'呢，这就需要解码，当选择用asci... 阅读全文
摘要：
转自：http://www.52nlp.cn/resources这里提供一些52nlp博客的一些系列文章以及收集的自然语言处理相关书籍及其他资源的下载，陆续整理中!如有不妥，我会做删除处理！特别推荐系列：1、HMM学习最佳范例全文文档，百度网盘链接: http://pan.baidu.com/s/1... 阅读全文