7 Kevein111

尚未进行身份认证

a phd candidates in cs

等级
TA的排名 3w+

Coupled Generative Adversarial Networks 阅读笔记

首先安利一个blog,https://www.cnblogs.com/wangxiaocvpr/这个blog写的内容涵盖计算机视觉与深度学习的很多方面,作者update的很快。这篇文章(NIPS2016)是基于GenerativeAdversarialNetworks(GAN)而来的,GAN有两个部分,第一部分是生成器Generator,第二部分是判别器Discriminator。G

2017-03-05 23:53:35

cuda 6.5升级到cuda7.5方法

鉴于很多人刚开始接触caffe,用的都是cuda6.5,而现在nvidia已经出了cuda7.5,同时最新的cudnn已经不支持cuda6.5.所以有必要upgrate一下cuda。方法如下:首先删除之前安装的cuda已经对应的nvdia驱动:参考这个link:http://www.th7.cn/system/lin/201601/149143.shtmlstep1:

2016-04-19 00:42:59

long term recurrent convolutional networks for visual recognition and description

这篇属于很早就探索cnn+rnn解决high-levelcomputervisiontask的文章Abstract基于深度卷积网络的模型已经在最近的图像解释任务中成为主流,在这里我们研究了是否recurrentmodel能够有效的处理涉及到sequences以及视觉的各种任务。我们开发了一个新的recurrentconvolutional结构来实现大规模的学习任务,而且这个

2016-04-06 16:08:57

Visual Tracking with Online Multiple Instance Learning读书笔记

有是一篇关于tracking中基于tracking-by-detection框架的文章,而且关注的是好的正样本的问题。当然之前那篇里面的struck也是关注这个问题。作者首先发现,利用当前帧的state获得的正负样本很容易混淆分类器本身。因为tracker本身稍微的误差可能将训练样本的label标错,那么训练出来的分类器也就不好了,于是对下一帧的预测很可能出问题。于是我们还是得获得好的正负样本来u

2015-12-23 23:00:25

Exploiting the Circulant Structure of Tracking-by-detection with Kernels 笔记

这是一篇ECCV2014年的paper,在这篇paper中作者提出了kernelizedcorrelationfilter,并将其应用到了tracking中,从而有了15年PAMIN的那篇文章,我再之前博客中也记录过http://blog.csdn.net/carrierlxksuper/article/details/46461245这篇文章的公式推导比较复杂,感兴趣的可以去看看

2015-12-16 17:00:23

Ubuntu 下matlab与 opencv混合编程

一直想学习mex接口函数,可惜之前没有用到过,于是没特别在意。这次因为跑别人的code,感觉还是搞出一个matlabwrapper,这样会比较方便。但是这个涉及到mex混编以及调用opencv的问题。于是乎,里面涉及到很很多多的问题,包括配置的问题,编译的问题,参数传递的问题,等等。但是,一旦你能掌握他,你就相当于结合了MATLAB的优点(容易上手,快速编程,不需要考虑定义变量)和C的优点(

2015-12-10 20:38:25

Struck Structured Output Tracking with Kernels阅读笔记

今天讲讲struck,最近感觉tracking的model进步是日新月异,比如大牛Dr.ChaoMa,最近在他的homepagehttps://sites.google.com/site/chaoma99/上传了他的2014年CVPR的code:longtermcorrelationfilter的codes。理论清晰,效果超好,这才是topresearch.

2015-12-08 21:56:27

Ubuntu下运行Faster-Rcnn

转自:http://blog.csdn.net/qq_30040223/article/details/48491997Faster-Rcnn介绍前几天ShaoqingRen放出了Faster-Rcnn的代码,可以在他的Github上下载得到,上面也有详细的配置说明。我下载下来,在自己的虚拟机上测试了一下,速度上确实比之前的Fast-Rcnn有提高。SPP-Net,Fa

2015-11-25 10:50:32

Learning Multi-Domain Convolutional Neural Networks for Visual Tracking 笔记

这篇paper利用DL做visualtracking,目前在ObjectTrackingBenchmark以及VOT2014上实现了stateoftheart。文章的方法比较直观:作者称之为Multi_domainnetwork。本质上,作者首先拿第一帧大量的正负样本来训练前面这个conv1-conv2-conv3-fc4-fc5网络,而对于fc6,针

2015-11-06 21:13:53

RCNN 安装编译与MATLAB2014下问题解决

RCNN是利用DL做目标检测的一个程序,现在有更快的faster-RCNN。github地址:https://github.com/rbgirshick/rcnn下面讲讲这个的编译:其实RCNN最难安装部分就是caffe部分。所以我假设之前的CUDA,以及必需的矩阵计算库,首先是必须要在ubuntumatlab2012下编译(a,b都行),之前我的电脑一直是MA

2015-11-02 21:03:46

matlab 和 numpy 矩阵乘法异同

最近在用python做一点东西,发现python下面的矩阵运算和matlab是不同的,虽然之前找到了一个关于MATLAB与python在数学运算方面指令的对照表,但是感觉还是不够详细。  对照表链接:http://www.cnblogs.com/qiyeshublog/archive/2012/08/03/2621199.html 广义的矩阵的矩阵乘法包括:矩阵相乘,矩阵点乘,向量乘法

2015-10-21 21:06:24

Visual Tracking with Fully Convolutional Networks 笔记

简单介绍一下背景,这篇文章是大连理工的卢湖川教授http://202.118.75.4/lu/publications.html的学生LijunWang在港中文与XiaogangWang团队合作的ICCV2015的文章。笔者7月份在CUHK听报告的时候有幸提前看到相关的展示,感觉结果很惊人。

2015-10-06 10:12:58

LSTM和RNN 入门tutorials

LSTMRNN入门资料

2015-09-20 11:00:25

Robust Visual Tracking via Convolutional Networks 阅读笔记

这篇作者是:Prof.KaihuaZhang,QingshanLiu,YiWu,andMing-HsuanYang,全是大牛。前几天看到他们把新版本的CNT放出来了,于是抓紧时间阅读了一下,整体思想与上一篇文章差别不大,下面详细介绍一下这篇文章。

2015-09-05 17:07:22

Gabor wavelet and 实现方法

参考博客:http://blog.csdn.net/jinshengtao/article/details/17797641http://matlabserver.cs.rug.nl/edgedetectionweb/web/edgedetection_params.htmlGabor的实现,可以参考这个:提供了各种版本的实现方法:http://blog.csdn.net/watkin

2015-08-01 23:20:20

Visual Tracker Benchmark 教程

在visualtracking中,visualtrackerbenchmark是为了给不同的算法提供一个基准。这个基准从2013年提出,应该是目前最火的benchmark了。原始论文链接:OnlineObjectTracking:ABenchmark(CVPR2013)http://faculty.ucmerced.edu/mhyang/papers/cvpr13_

2015-07-25 14:56:34

Opencv3.0.0 vs2012 win7配置

参考blog:http://demo.netfoucs.com/u013647382/article/details/42557479完全按照这个博客就好了安装经验1:需要说明的是无论是64位的操作系统还是32位的操作系统,在进行环境配置添加opencv的路径和在vs2012中添加路径的时候都是x86下面而不是x64下面,因为opencv编译都是32位的。安装经验2:在vs2

2015-07-21 22:12:57

Mean-shift Blob Tracking through Scale Space 阅读笔记

这篇文章主要解决的是visualtracking中mean-shift方法无法估计尺度变化的问题,作者采用Lindeberg的尺度空间理论来解决这个问题。其原理就是:基于可导的尺度空间滤波器的局部最大值来进行尺度选择。基于appearance的tracking中,像素值w(a)表示的是改点属于object的概率,一般foreground blob具有高的权重,而background

2015-07-01 23:01:43

visual tracking的scale 问题

最近在研究结合尺度空间理论解决visualtracking中尺度估计问题。先贴出尺度空间的一个blog:点击打开链接然后是几篇基于mean_shift下的尺度的方法,虽然现在mean_shift已经没有卵用。Paper1:Mean-shiftBlobTrackingthroughScaleSpace,CVPR,2003,应该算是这个方向很早的paper了,最近

2015-06-27 21:50:10

High-speed Tracking with Kernelized Correlation filters笔记

最近在阅读tracking的相关文章,作为2015年的最新出的KCF,引起我的关注,作者的相关paper以及code在此:http://home.isr.uc.pt/~henriques/circulant/刚开始接触tracking,下面分析的可能有纰漏。在这篇文章中作者提出了一种比correlationfilter更加强大的tracking方法。作者的核心思想就是:采用判别式的trac

2015-06-11 21:50:42

查看更多

勋章 我的勋章
    暂无奖章