摘要：
线性滤波与卷积的基本概念 线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩阵（有个高大上的名字叫卷积核）和一个要处理的二维图像。然后，对于图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作 阅读全文
摘要：
一直对Fast RCNN中ROI Pooling层不解，不同大小的窗口输入怎么样才能得到同样大小的窗口输出呢，今天看到一篇博文讲得挺好的，摘录一下，方便查找。 Introduction 在一般的CNN结构中，在卷积层后面通常连接着全连接。而全连接层的特征数是固定的，所以在网络输入的时候，会固定输入的 阅读全文
摘要：
在卷积神经网络中，我们经常会碰到池化操作，而池化层往往在卷积层后面，通过池化来降低卷积层输出的特征向量，同时改善结果（不易出现过拟合）。为什么可以通过降低维度呢？ 因为图像具有一种“静态性”的属性，这也就意味着在一个图像区域有用的特征极有可能在另一个区域同样适用。因此，为了描述大的图像，一个很自然的 阅读全文
摘要：
用的是ubuntu系统，一直在普通用户模式下打开Git下建的项目，今天运行神经网络程序时，由于有一个cudnn错误，必须要在sudo模式下才不会报错，所以用sudo试着打开了pycharm，发现是完全另一个pycharm，原先界面设置都没有了，发现在root模式和普通模式下pycharm的配置不一样 阅读全文
摘要：
在Python函数中，还可以定义可变参数。 如：给定一组数字a，b，c……，请计算a2 + b2 + c2 + ……。 要定义出这个函数，我们必须确定输入的参数。由于参数个数不确定，我们首先想到可以把a，b，c……作为一个list或tuple传进来，这样，函数可以定义如下： 但是调用的时候，需要先组 阅读全文
摘要：
在卷积神经网络的最后，往往会出现一两层全连接层，全连接一般会把卷积输出的二维特征图转化成一维的一个向量，全连接层的每一个节点都与上一层每个节点连接，是把前一层的输出特征都综合起来，所以该层的权值参数是最多的。例如在VGG16中，第一个全连接层FC1有4096个节点，上一层POOL2是7*7*512 阅读全文
摘要：
为了学习深度学习，这几天在安装深度学习框架，cuda安装时却出现无法定位软件包的问题。cuda官网下载时提供了deb和run格式，今天只讲deb格式的安装包安装过程的问题。 按照官方教程，下载好cuda deb包后，分别用 运行即可，一开始没太懂，安装了cuda9.1，发现版本太高，于是又重新下载c 阅读全文
摘要：
如果你关注搜索到这篇文章，那么我可以合理怀疑你被apt-get的几个卸载命令有点搞晕了。 apt-get的卸载相关的命令有remove/purge/autoremove/clean/autoclean等。具体来说： apt-get purge / apt-get --purge remove 删除已 阅读全文
摘要：
1-传统的NMS NMS，非极大值抑制，在很多计算机视觉问题中有着重要应用，尤其是目标检测领域。 以人脸检测为例，通常的流程为3步： （1）通过滑动窗口或者其它的object proposals方法产生大量的候选窗口； （2）用训练好的分类器对候选窗口进行分类，该过程可以看做是一个打分的过程； （3 阅读全文