July_Zh1-CSDN博客

原创 torch学习笔记3.3：实现自定义模块(gpu)

在使用torch时，如果想自己实现一个层，则可以按照《torch学习笔记1：实现自定义层》中的方法来实现。但是如果想要实现一个比较复杂的网络，往往需要自己实现多个层（或类），并且有时可能需要重写其他模块中已有的函数来达到自己的目的，如果还是在nn模块中添加，会比较混乱，并且不利于本地git仓库统一管理，这个时候，我们可以自己实现一个像nn一样的模块，在代码中使用时 require即可。我们来实现

2016-11-06 22:36:24 2539

原创 torch学习笔记3.2：实现自定义模块(cpu)

在使用torch时，如果想自己实现一个层，则可以按照《torch学习笔记1：实现自定义层》中的方法来实现。但是如果想要实现一个比较复杂的网络，往往需要自己实现多个层（或类），并且有时可能需要重写其他模块中已有的函数来达到自己的目的，如果还是在nn模块中添加，会比较混乱，并且不利于本地git仓库统一管理，这个时候，我们可以自己实现一个像nn一样的模块，在代码中使用时 require即可。我们来实现

2016-11-06 22:17:38 1961

在使用torch时，如果想自己实现一个层，则可以按照《torch学习笔记1：实现自定义层》中的方法来实现。但是如果想要实现一个比较复杂的网络，往往需要自己实现多个层（或类），并且有时可能需要重写其他模块中已有的函数来达到自己的目的，如果还是在nn模块中添加，会比较混乱，并且不利于本地git仓库统一管理，这个时候，我们可以自己实现一个像nn一样的模块，在代码中使用时 require即可。我们来实现一

2016-11-05 20:55:57 2795

原创 torch学习笔记2：资料整理

整理torch学习过程中收集的文档及代码资料

2016-10-24 16:12:07 832

原创 torch学习笔记1：实现自定义层

当我们要实现自己的一些idea时，torch自带的模块和函数已经不能满足，我们需要自己实现层（或者类），一般的做法是把自定义层加入到已有的torch模块中。实现lua实现如果自定义层的功能可以通过调用torch中已有的函数实现，那就只需要用lua实现，torch的文档中也提供了简单的说明。现在我们来实现一个NewClass： - 在torch目录下（torch/extra/nn/）创建文件Ne

2016-10-21 16:16:18 3635

原创 caffe学习笔记3：ubuntu15.04 caffe配置

记录在ubuntu15.04环境下配置caffe cpu模式的过程，无NVIDIA显卡，无cuda，安装过程不算麻烦，只要思路清晰，快速定位问题，1个小时左右完成。1 安装依赖1.1 安装opencv在这里下载安装脚本，有linux各个发行版本的。，安装过程中要保证联网。进入ubuntu文件夹。如果要安装最新的版本直接运行sudo sh opencv_latest.sh.如果要安装指定版本的，

2016-06-30 15:59:37 1639

原创论文笔记《Fast RCNN》

Fast RCNN是加强版的SPPnet，SPPnet的细节可以参考这里，Fast RCNN相比于RCNN在时间和性能上都做了改进。它避免对一幅图片的多个proposal分别计算CNN特征（大量的重复计算），而是对整幅图提取CNN特征之后，再划分对应proposal，从而加提高了检测效率；同时对RCNN的pipeline方法做了一定整合，提升了检测性能。1 论文信息发表会议：ICCV2015代码2

2016-06-25 11:35:06 2890

原创 caffe学习笔记2：使用pycaffe提取CNN特征

本文记录如何基于pycaffe提取pretrained model某一层的特征。import numpy as npimport matplotlib.pyplot as pltimport scipy.io# 设置plt画图显示结果# 图片尺寸plt.rcParams['figure.figsize'] = (12,12) plt.rcParams['figure.dpi'] =

2016-06-20 21:54:01 4988 1

原创 caffe学习笔记1：ubuntu15.04下3分钟完成caffe环境配置（基于docker）

没有GPU没关系，没有nvidia显卡也没关系，基于docker可以3分钟配好caffe！Docker简单来说就是一种轻量虚拟机，可以快速部署和执行程序。之前看过许多配置caffe的资料，主要是硬件相关的配置因为电脑个体差异会引发各种各样的问题，后来遇到docker，可以直接pull别人配好的caffe环境，终于可以在自己电脑（ubuntu 15.04）欢脱地跑caffe了><docker毕竟

2016-06-13 20:37:22 7027

原创论文笔记《Rich Feature Hierarchies for accurate object detection and semantic segmentation》

RCNN是CNN应用在object detection的开山之作，加上后续的Fast-RCNN，Faster-RCNN都是非常经典的工作，这三篇文章一环套一环的改进思路简直是快准狠（跪拜rbg大牛><）。笔者不是做检测的（所以没有折腾过代码不清楚实验细节），在paper reading听了别人报告之后很喜欢RCNN系列文章，就记录下对原理的理解和感悟吧。1 论文信息发表会议：CVPR2014 代

2016-06-12 22:16:59 1055

原创论文笔记《Harvesting Discriminative Meta Objects with Deep CNN Features for Scene Classification》

文章提出一个pipeline从场景训练集中挖掘代表性的元素（meta object），将一幅图像用这些meta object表示，得到了state-of-the-art的分类效果。1 Motivation假设：场景的类别与场景中的目标有关。本文借鉴BOW思想，用整个训练集提取出representative and discriminative meta object，用category-specif

2016-05-15 20:36:53 1351

原创论文笔记《Multi-scale Orderless Pooling of Deep Convolutional Activation Features》

文章提出一种基于多尺度滑窗的CNN特征的编码方法。1 Information发表会议：ECCV2014相关链接：作者主页项目主页2 MotivationGloabl CNN：编码了图片的空间结构信息，对类内差异容忍度差，globally orderedBOW：完全丢失图片的空间结构信息，orderless对于场景分类问题，我们希望一个在小的region，空间结构globally ordere

2016-05-15 17:46:44 3966 1

原创 Latex Beamer简单模板

\documentclass[nofonts]{beamer}%使用ctex宏包支持中文\usepackage{ctex}%支持表格样式\usepackage{booktabs}%设置中文字体\setCJKmainfont[ItalicFont={AR PL UKai CN}]{Droid Sans Fallback}%使用beamer默认主题\usetheme{AnnArbor}%使用

2016-05-14 14:15:30 7242

原创数据标准化与PCA白化原理探索

PCA是实验中很常用的工具，一般用来做降维，它的实现有很多很多种，其中牵涉相当多的细节，笔者在实现PCA时常常有困惑，为什么查到的各种代码总有一些不同的trick，有时候对样本提前归一化？有时候又要减均值？这些操作对于PCA降维效果到底有什么影响？这篇文章从PCA白化入手，探究这些trick背后的原因。1 Whitening （白化）白化1有两种，一种是PCA Whitening，一种是ZCA Wh

2016-05-14 14:13:25 4778

原创 [leetcode] p338 Count Bits

class Solution {public: vector<int> countBits(int num) { vector<int> result; for (int i=0; i<num+1; i++) { if (i==0) { result.push_bac

2016-03-23 00:30:53 752

原创 python读入中文txt

基于python2.7 中文txt是utf-8编码import sysreload(sys)#设置系统默认编码sys.setdefaultencoding('utf8')#使用file对象f = file(filename, 'r')#这里面的l和s都是str类型，所以将s用gbk解码后输出for l in f.readlines(): data = l.split(' ')

2016-03-22 19:49:53 816

原创 git配置和常用命令

1,在本地生成key: ssh-keygen -t rsa -C "[email protected]"2,把生成的/home/zhuyi/.ssh/id_rsa.pub中全部内容复制, 粘贴到github网站上add key3,测试连接:ssh -T [email protected],配置本地git:git config --global user.name "july11"git c

2016-03-10 18:15:39 2449

原创 [optimization]Dogleg Method狗腿算法

实现信赖域框架下的狗腿算法，matlab代码：function [x_opt, y] = dogLeg()% initx = [10 * rand(1), 10 * rand(1)]';nIter = 100;delta = 2;x_iter = zeros(nIter, 2);h = zeros(nIter, 1);y = zeros(nIter, 1);% iterati

2016-03-10 17:04:28 3633 1

原创 PCA基于opencv的实现和样本数小于维度的问题

PCA基于opencv的几种实现方式, 以及实现过程中发现的样本数小于维度时components个数限制问题

2016-01-27 15:15:37 3189

原创 ubuntu15.04 opencv3.1.0 qt creator环境配置

1, 在这个地址下载安装脚本，有linux各个发行版本的。 https://github.com/july11/Install-OpenCV 2, 安装过程中要保证联网。以ubuntu为例，进入ubuntu文件夹如果要安装最新的版本，直接运行opencv_latest.sh就可以。 sudo sh opencv_latest.sh 如果要安装指定版本的，就在opencv_in

2016-01-02 13:03:38 1929 3

原创 ubuntu 修改ntfs文件系统的权限

ubuntu 14.04 发现ntfs文件系统的硬盘上的文件都没有执行权限, 找到一个解决办法, 参考这里: http://blog.chinaunix.net/uid-12084847-id-323876.html首先, 安装ntfs-3g, 发现ubuntu已经安装了.sudo apt-get install ntfs-3g 安装图形界面的权限修改配置程序:sud

2015-10-24 17:04:19 4148

原创论文笔记《Superparsing: Scalable Nonparametric Image Parsing with Superpixels》

【论文信息】《Superparsing: Scalable Nonparametric Image Parsing with Superpixels》IJCV 2013superpixel-level，fully supervised，non parametric method 这篇文章是CVPR 2013的《Finding Things: Image Parsing with Regions

2015-09-20 22:35:11 1744

转载 Ubuntu修改默认键盘布局的方法（适用于13.04|14.04）

http://blog.csdn.net/jdpshq/article/details/9672065方法1：也许是以前的Ubuntu版本可以用这个命令改，现在的键盘布局被独立分开设置，于是我尝试了一下，发现正确的命令应该是：“ sudo dpkg-reconfigure keyboard-configuration ”，这个才对，使用这个命令后会出现非常人性化的伪图形界面供我们设置。方法2：另外，

2015-08-31 18:50:44 4107

转载 ubuntu中文版改为英文

转载出处：http://blog.chinaunix.net/uid-26495963-id-3064653.html#sudo vim /etc/default/locale中文设置为：LANG="zh_CN.UTF-8"LANGUAGE="zh_CN:zh"LANG="zh_CN.UTF-8"LANGUAGE="zh_CN:zh"修改为：LANG="

2015-08-31 16:55:59 933

转载 ubuntu 中 gcc/g++版本降级

转载出处：http://blog.csdn.net/eifjgoergfgrgr/article/details/18045873ubuntu 12.04 版本上默认的gcc/ g++ 都是4.6 版本，编译Android 或是WR linux都会报错，需要将gcc 链接到 gcc 4.4 上，方法如下：ubuntu 11.10的gcc版本是4.6.1，版本

2015-08-31 15:46:29 4095

原创论文笔记《Fully Convolutional Networks for Semantic Segmentation》

《Fully Convolutional Networks for Semantic Segmentation》，CVPR 2015 best paper，pixel level， fully supervised。主要思路是把CNN改为FCN，输入一幅图像后直接在输出端得到dense prediction，也就是每个像素所属的class，从而得到一个end-to-end的方法来实现ima

2015-08-02 11:50:03 28825 44

原创论文笔记《Feedforward semantic segmentation with zoom-out features》

《Feedforward semantic segmentation with zoom-out features》，CVPR 2015这篇文章的方法是superpixel-level的，主要是基于CNN实现，是fully supervised。首先对输入图像以superpixel为单位提取CNN特征(使用VGG16)，然后把这些特征作为CNN classifier(使用image

2015-08-01 23:05:35 2890 1

原创 CNN卷积神经网络学习笔记4：代码学习

代码来自github上的一个DeepLearning Toolbox，地址：https://github.com/rasmusbergpalm/DeepLearnToolbox主要参考这篇博客中的代码注释： http://blog.csdn.net/zouxy09/article/details/9993743CNN原理和公式推导见前文：背景网络结构公式推导单步调试后自己添加了一部分注

2015-07-25 23:03:42 3675

原创 PCA(principal component analysis)主成分分析法

《Aggregating local descriptors into a compact image representation》论文笔记在论文中，提取到VLAD特征后，要对特征向量进行PCA降维，就是用一个大小为D’ * D的矩阵M，对VLAD特征向量x做变换，降维后的vector是x’ = Mx，x’的大小是D’维。矩阵M是由原样本的协方差矩阵的D’个特征向量构成。为什么M要是特征

2015-07-25 22:10:40 2706

原创 ADC方法(asymmetric distance computation)

《Aggregating local descriptors into a compact image representation》论文笔记提取到VLAD特征后，要先用PCA降维，然后再用ADC方法对每一幅图像建立索引，这里先介绍ADC方法。ADC方法是对图片库中，除query vector x之外的所有图的vector Y=y1,y2...ynY={y_1,y_2...y_n}，做kmeans产

2015-07-25 11:09:45 3403 2

原创 VLAD特征(vector of locally aggregated descriptors)

《Aggregating local descriptors into a compact image representation》论文笔记这篇论文中提出了一种新的图片表示方法，也就是VLAD特征，并把它用于大规模图片检索中，得到了很好的实验结果。目前，BOF在图片检索和分类中应用广泛，首先是因为BOF是基于比较powerful的local特征(如SIFT)得来的，所以表达能力很强；其次是

2015-07-25 10:55:40 25484 6

原创 CNN卷积神经网络学习笔记3：权值更新公式推导

在上篇《CNN卷积神经网络学习笔记2：网络结构》中，已经介绍了CNN的网络结构的详细构成，我们已经可以初始化一个自己的CNN网络了，接下来就是要用训练得到一个确定的CNN的模型，也就是确定CNN的参数。 CNN本质上就是人工神经网络的一种，只是在前几层的处理上有所不同，我们可以把卷积核看成是人工神经网络里的权值W，而采样层实质上也是一种卷积运算。所以可以基于人工神经网络的权值更新的方法来

2015-07-06 11:23:09 56341 8

原创 CNN卷积神经网络学习笔记2：网络结构

这篇笔记中，通过一个简单的CNN的例子，梳理一下CNN的网络结构的细节。以下是一个6层的CNN网络，我们输入的是一张大小为28*28的图片。需要注意的有：1，这里输入的是一张图片，如果我们输入了50张图片，那么下图中的每一个方框（代表一种特征图）实际上代表了50张图片。2，在S3和S5的采样层只做了mean pooling，其实一般还会有加偏置和激活的操作，这个CNN网络比较简单，

2015-07-05 19:57:41 5263 2

原创 CNN卷积神经网络学习笔记1：背景介绍

Convolutional Neural Network 卷积神经网络是基于人工神经网络提出的。人工神经网络模拟人的神经系统，由一定数量的神经元构成。在一个监督学习问题中，有一组训练数据(xi,yi)(x_i,y_i)，x是样本，y是label，把它们输入人工神经网络，会得到一个非线性的分类超平面hw,b(x)h_{w,b}(x)，在这篇笔记中先梳理一下传统人工神经网络的基本概念，再基于传统人工神经

2015-07-05 13:34:13 12273

原创 LDA主题模型学习笔记5：C源码理解

1，说明本文对LDA原始论文的作者所提供的C代码中LDA的主要逻辑部分做注释，代码可在这里下载：https://github.com/Blei-Lab/lda-c这份代码实现论文《Latent Dirichlet Allocation》中介绍的LDA模型，用变分EM算法求解参数。为了使代码在vs2013中运行做了一些微小改动，但不影响原代码的逻辑。vs2013工程可在我的资源中

2015-07-02 14:29:07 4504 9

原创 LDA主题模型学习笔记4：求解模型参数(M-step)

这一步，我们根据E-step得到的γ,phi\gamma,phi，最大化L(γ,ϕ;α,β)L(\gamma,\phi;\alpha,\beta)，得到α,β\alpha,\beta.1，拉格朗日乘数法求解β\beta 首先把L(γ,ϕ;α,β)L(\gamma,\phi;\alpha,\beta)简化，只保留与β\beta有关的部分。因为β\beta是每一行存一个主题的词分布，所以每一行的

2015-07-02 11:09:15 3112

原创 [VLFeat]Fisher vector提取matlab代码

matlab 代码% 读入图片I = vl_impattern('roofs1') ;I = single(vl_imdown(rgb2gray(I))) ;% 设置bin大小binSize = 8 ;% sparse sift中bin大小是根据该层的高斯平滑的尺度sigma计算来的% dense sift这里是设定binSize，反推sigmamagnif = 3 ;% 对图像做高斯

2015-06-30 09:52:38 6055 10

原创 Fisher Vector的改进

本文记录论文《Improving the Fisher Kernel for Large-Scale Image Classification》中第三部分提出的对fisher vector的3种改进。1，L2 Normalization 首先假设一幅图像的特征们X=xt,t=1...TX={x_t,t=1...T}服从一个分布p，对于Large-Scale image，根据大数定律，样本

2015-06-24 19:28:14 3909

原创 [VLFeat]Dense Sift的C源码学习

VLFeat是一个很好用的开源库，其中实现了计算机视觉常用的算法，使用的语言是C和matlab。官网：http://www.vlfeat.org/index.html 在官网下载最新版本后，在matlab中添加路径即可。 1，Dense Sift 在文章《sift特征提取算法》中提到，提取图像的sift特征分4步：构建DOG尺度空间；关键点定位；关键点方向赋值；生成描述子。这里产生的s

2015-06-24 15:28:48 5594

原创 Fisher vector学习笔记

fisher vector是fisher kernel中定义的一种图片表示形式，fisher vector能够把图片表示成统一长度的向量，fisher vector对原始特征进行升维，提取更细节的信息。

2015-06-20 23:16:13 19699 7

torch自定义模块实现模板

LDA原始论文C语言代码及注释vs2013工程

LDA数学八卦.pdf

数据结构与算法分析——C语言描述（中文版）电子书

《How Google Test Software》英文版pdf

记录进程cpu和内存使用率的程序（python）

PL0语言编译程序源代码（pascal）

计算机体系结构习题与解答

一个漂亮的简约的ppt模板

空空如也