摘要： fast、faster这些网络都可以被roi-pooling层分成两个子网络：1.a shared,'fully convolutional' subnetwork 2.an roi-wise subnetwork（就是does not share computation的子网络） 其实这样分是因为 阅读全文

摘要： 这个是对faster 问题的一个总结 http://blog.csdn.net/u010402786/article/details/72675831?locationNum=11&fps=1 这个代码应该是生成适合数据集的anchor的代码，但我没怎么看，之后可以看看： https://githu 阅读全文

摘要： fast rcnn和rfcn中使用的都是默认的anchor box设置，都是9种，比例为0.5 、1、 2，大小为128、256、512。但我的数据集的gt框更小，需要找到适合我的数据集的anchor box尺寸。 yolo9000提出了用kmeans聚类算法来找到合适的anchor box尺寸。 阅读全文

摘要： 1.CNN为什么可以在CV/NLP/Speech等领域都可以使用？ 1. 卷积是因为输入数据的局部相关性； 2. 权值共享是因为输入数据的局部特征具有平移不变性，即在不同位置具有共性的局部特征。这样，经过多层次堆叠，低层局部特征可以抽取成高层全局特征。 3. 权值共享能够降低参数量，而且降低了网络的 阅读全文

摘要： 1.void func(int *p); 2.void func(int p[]); 3.void func(int p[10]); 第二种这种不给数组大小的也可以 阅读全文

摘要： 1.冒泡排序： 注意：2，5 如果当前j是5，j-1是2，5比2大，那5和2就不会交换，并且下一次比较的j是2，就不再是5 2.直接插入排序 自己的写法： 3.选择排序 以下面5个无序的数据为例： 56 12 80 91 20 第1趟：12 56 80 91 20 第2趟：12 20 80 91 5 阅读全文

摘要： 之前在fast rcnn，faster rcnn编译过程中USE_CUDNN := 1这一项一直是注释掉的(即不使用cudnn加速)，编译会报错： 之所以会这样，是因为fast rcnn，faster rcnn代码默认是使用的cudnn v4，但我的服务器装的cudnn V6.0 解决这个问题有两种 阅读全文

摘要： 在anchor_target层，这两行是计算bounding regression代码： 以下是bounding regression的计算公式： argmax_overlaps是每个anchor对应最大overlap的gt_boxes的下标，所以bbox_targets存储的是anchor和最大o 阅读全文

摘要： rpn-data层输入的是data即整张图片，然后是根据映射生成roi框 rpn-loss-bbox输入的才是整个网络预测的roi框 bbox_transform在rpn-data层使用，把生成的achor，并不是把预测的roi框回归 rpn_loss_bbox，论文中定义输入是ti和ti*，ti和 阅读全文

摘要： http://blog.csdn.net/masibuaa/article/details/17924671 从这篇论文可以看出来，rcnn后面的提高方向好多都是基于这篇文章演化而来 阅读全文