01 2018 档案
摘要：1.ION：在conv3、conv4、conv5和context features上分别进行roi_pooling,在channel那一维进行concat 2.Hypernet:在较浅层max_pooling，中间层保持不变，较高层deconv，最后把这三个结果concat起来构成最后一层featu
阅读全文
摘要：https://www.zybang.com/question/51370a3820c3d48f45952fd5baec7af3.html
阅读全文
摘要：一个batch下所有的图片一起经过整个网络，不是说一张图片经过网络后再让下一张进入网络，这样一个batch一起通过网络计算速度比一张一张这样快
阅读全文
摘要：这是论文中的作者博客地址https://sites.google.com/site/danmlevi/ 这是作者现在的博客地址https://sites.google.com/view/danlevi/datasets，数据集直接在这下就好了
阅读全文
摘要：run_demoVelodyne.m使用：http://blog.csdn.net/qq_33801763/article/details/78959205 https://www.cnblogs.com/zoucheng/p/7860827.html https://www.zhihu.com/q
阅读全文
摘要：1.roi_pooling层是先利用spatial_scale将region proposal映射到feature map上，然后利用pooled_w、pooled_h分别将映射后的框的长度、宽度等分形成bin，最后对每个bin进行max_pooling，这其实就是一个spp-net的过程（只不过s
阅读全文
摘要：import osos.rename("test","test2")
阅读全文
摘要：import os os.path.exists(文件绝对路径)
阅读全文
摘要：isinstance是Python中的一个内建函数 语法： isinstance(object, classinfo) 如果参数object是classinfo的实例，或者object是classinfo类的子类的一个实例， 返回True。如果object不是一个给定类型的的对象， 则返回结果总是F
阅读全文
摘要：这是rpn网络train阶段的网络结构图 rpn_conv1之前的网络是特征提取层，也是和fast rcnn共享的层。rpn_conv1是一层1*1的卷积，这一层是单独为rpn网络多提取一层特征，这一层之后就接两个输出channel层不同的1*1的卷积（即分别进行score的预测和坐标补偿值的预测）
阅读全文
摘要：1.网络中的layer层的输出，只要没有作为其他层的输入，caffe的日志就会把这个top输出（如果你用那个网站画网络结构图，你也会发现这种情况的层的颜色是不一样的，是紫色的） 2.如果你想看某一层在网络中的输出。比如你想看datalayer层的label输出，但你同时还是想把label输入到后面的
阅读全文
摘要：http://www.arxiv-sanity.com/ https://scirate.com/ google搜cvpr open access、iccv open access
阅读全文
摘要：http://blog.csdn.net/terrenceyuu/article/details/76228317 https://www.cnblogs.com/houkai/p/6824455.html http://lib.csdn.net/article/computervison/6782
阅读全文
摘要：rgb-d：rgb加depth组成4channel的 3d点云
阅读全文
