摘要：
前面对R CNN系的目标检测方法进行了个总结，其中对目标的定位使用了 边框回归 ，当时对这部分内容不是很理解，这里单独学习下。 R CNN中最后的边框回归层，以候选区域(Region proposal)为输入，来对Region proposal中包含的目标进行准将的定位。但是，这个输入的候选区域通常 阅读全文
摘要：
Object Detection，在给定的图像中，找到目标图像的位置，并标注出来。 或者是，图像中有那些目标，目标的位置在那。这个目标，是限定在数据集中包含的目标种类，比如数据集中有两种目标:狗，猫。 就在图像找出来猫，狗的位置，并标注出来 是狗还是猫。 这就涉及到两个问题： 1. 目标识别，识别出 阅读全文
摘要：
2014年，牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研发出了新的深度卷积神经网络：VGGNet，并取得了ILSVRC2014比赛分类项目的第二名（第一名是GoogLeNet，也是同年提出的).论文下载 "Very Deep C 阅读全文
摘要：
由于受到计算机性能的影响，虽然LeNet在图像分类中取得了较好的成绩，但是并没有引起很多的关注。 知道2012年，Alex等人提出的 AlexNet 网络在ImageNet大赛上以远超第二名的成绩夺冠，卷积神经网络乃至深度学习重新引起了广泛的关注。 AlexNet特点 AlexNet是在LeNet的 阅读全文
摘要：
开局一张图，内容全靠编。 上图引用自 "【卷积神经网络 进化史】从LeNet到AlexNet" . 目前常用的卷积神经网络 深度学习现在是百花齐放，各种网络结构层出不穷，计划梳理下各个常用的卷积神经网络结构。 目前先梳理下用于图像分类的卷积神经网络 LeNet AlexNet VGG GoogLeN 阅读全文
摘要：
在前面两篇文章介绍了深度学习的一些基本概念，本文则使用Python实现一个简单的深度神经网络，并使用MNIST数据库进行测试。 神经网络的实现，包括以下内容： 神经网络权值的初始化 正向传播 误差评估 反向传播 更新权值 主要是根据反向传播的4个基本方程，利用Python实现神经网络的反向传播。 初 阅读全文
摘要：
BP算法，在深度神经网络的发展中有着举足轻重的地位，对于反向传播算法的推导过程，各种资料介绍可谓是多不胜数。但，由于深度神经网络的复杂性，要比较深刻的理解反向传播算法还是需要自己手动的推导一遍。 本文以前篇 "深度学习与计算机视觉： 深度学习必知基本概念以及链式求导" 介绍了神经网络的反向传播中的链 阅读全文
摘要：
深度学习与计算机视觉，开篇。 深度学习的几个基本概念 反向传播算法中的链式求导法则。 关于反向传播四个基本方程的推导过程，放在下一篇。 深度学习基础 深度学习的几度沉浮的历史就不多说了，这里梳理下深度学习的一些基本概念，做个总结记录，内容多来源于网络。 神经元 神经网络的基本组成单元 神经系统的基本 阅读全文
摘要：
标准库的 std::set_difference std::set_intersection std::set_union`用来求两个集合的差集，交集和并集。 正好有个需求，需要求在实体类集合A中，但是不再实体类集合B中的元素，可以使用上述方法来实现。 首先，来看下上述几个方法的简单使用。 std: 阅读全文
摘要：
Sift特征应该是使用最多的局部特征了，但是相比其他的一些特征描述符，计算sift特征描述符的时间较长。Changchang Wu使用GPU加速，实现了GPU版的sift特征提取SiftGPU。 SiftGPU应该是在Windows环境下完成的，其在Windows下的配置较为简单。 本文首先解释了， 阅读全文