MultiMediaGroup_USTC-CSDN博客

原创 Fast Rcnn 之数据准备阶段 code 分享

Fast Rcnn 之数据准备阶段 code 分享1.Rcnn系列简介rcnn系列是object detection领域经典算法，从rcnn到fast-rcnn再到faster-rcnn，三篇工作都有Ross Girshick大神的重要贡献。关于object detection系列的算法思想介绍，有很多博客介绍的很清晰，推荐 cs231n学习笔记-CNN-目标检测、定位、分割，但是关于fast rc

2016-12-02 11:39:04 1435

原创 caffe中卷积层的实现

在caffe中卷基层是通过矩阵相乘来实现的实现，直接计算卷积可以由下面的程序表示：可以看到，这段程序循环嵌套多，时间复杂度高，而使用矩阵相乘的形式：很多现成的矩阵运算库，不重复“造轮子” 。我们来看代码：在conv_layer 中卷记的操作主要由上面两个带红框的操作组成，其中bias是为卷积操作后的结果加入偏差项，这个简单暂不分析。关键在于gemm，卷积操作的核心所在。如下

2016-11-30 11:20:22 2435

原创 caffe code 理解-solver.cpp&&sgd_solver.cpp

Solver.cpp Solver的流程：• 1. 设计好需要优化的对象，以及用于学习的训练网络和用于评估的测试网络。• 2. 通过forward和backward迭代的进行优化来更新参数• 3. 定期的评价测试网络• 4. 在优化过程中显示模型和solver的状态• 每一步迭代的过程（体现

2016-11-18 19:05:21 2404

原创 caffe code 理解-net.hpp-net.cpp

net.hpp/cpp中主要含有：前向后向传播函数，网络IO函数，每层的参数检测和读取函数，建立和维护每层参数的函数以及vector容器。caffe支持的网络是有向无环图结构。网络中每一层都是一个节点，网络含有起点和终点，并且起点和终点不一定只有一个，信息在前向传递时在网络中每个节点都会至少会经过一次，并且不一定只有一次。但是只有一个起点时网络每个节点只能经过一次。后向传播时同理。下面主要

2016-11-15 16:32:28 1480

原创找工作分享

找工作分享-吕豪1.找实习找实习经历各大公司一般在3,4月份开始招聘暑期实习，招聘机会分两批，先是内推，然后还有正式招聘流程。内推时间比正式流程早，且通常免笔试，直接进入电话面试环节，面过两、三轮就可以拿到实习offer了。今年阿里、百度的实习内推都在三月份开始，我除了面了这两家以外，还面了下今日头条。百度实习是我最早面的（IDL），面试效率很高，一下午连着面三轮。面试过程中，全部在问科研和项目，对

2016-11-14 17:01:47 919

原创 caffe code 理解之 blob.hpp + blob.cpp

Blob是caffe中最基本的数据存储接口，data和diff都是以Blob的形式在网络中传输。初始化一个Blob需要四个参数：num, channels, height, width; 对应caffe中的N,C,H,W; 以一层的feature map在Blob中的存储形式为例，它们分别表示batch size的大小, feature map的个数，feature map的高和宽。目前的

2016-11-09 22:27:21 1943

原创 caffe-layer.hpp-layer.cpp源代码讲解

1、outlineLayer是所有层的父类，其中主要定义一些共有的变量，函数。protected: LayerParameter layer_param； //层参数Phase phase； //层的属性，Train or TestVector > > blobs_; //用于存储层参数，如卷积层的w,bv

2016-11-04 11:43:34 1240

原创 Caffe安装教程（Ubuntu15.04+CUDA7.5)

Caffe安装教程Ubuntu1504CUDA75Ubuntu的安装Caffe安装和编译安装感想参考文献Caffe安装教程（Ubuntu15.04+CUDA7.5)Caffe作为开源的深度学习框架，有着代码结构清晰，速度快等优点。但是配置与安装一直是个比较令人头疼的问题。尤其是随着每个Caffe包版本的升级以及CUDA等必要的库的更新换代，之前能用的教程说不定版本一更新就用不了了。在配置C

2015-11-24 21:23:05 4217

原创 Deep Learning(深度学习)代码

caffe 代码以及代码介绍

2015-10-29 19:03:24 1406

原创 Deep Learning(深度学习)代码/课程/学习资料整理【持续更新】

1. Deep Learning课程(由浅入深)：Andrew Ng(吴恩达). Unsupervised Feature Learning and Deep Learning.在线地址，百度网盘下载. 主要侧重基本实验技巧和基本机器学习知识。吴立德.复旦大学深度学习课程.在线地址.百度网盘下载.讲解比较全面易懂，提纲挈领地讲到了各种基础知识。Oxford University(牛津大学)

2015-09-02 15:15:05 14102 2

转载动作识别之STIP(Space-Time Interest point)（七）

转载出处：http://blog.csdn.net/jyfan91/article/details/43458565读 A. Kläser, M. Marszałek, and C. Schmid. A spatio-temporal descriptor based on 3D-gradients. In BMVC, 2008. 这篇文章将2D HOG des

2015-03-23 21:20:10 1311

转载动作识别之STIP(Space-Time Interest Point)（六）

转载出处：http://blog.csdn.net/jyfan91/article/details/43374687读 P. Scovanner, S. Ali, and M. Shah. A 3-dimensional SIFT descriptor and its application to action recognition. In ACM International

2015-03-23 21:19:58 992

转载动作识别之STIP(Space-Time Interest Point)（五）

转载出处：http://blog.csdn.net/jyfan91/article/details/43374147读 I. Laptev, M. Marszałek, C. Schmid, and B. Rozenfeld. Learning realistic human actions from movies. In CVPR, 2008. 这篇文章的目的

2015-03-23 21:18:24 952

转载动作识别之STIP(Space-Time Interest Point)（四）

转载出处：http://blog.csdn.net/jyfan91/article/details/43203555读 G. Willems, T. Tuytelaars, and L. Van Gool. An efficient dense and scale-invariant spatio-temporal interest point detector. In ECC

2015-03-23 21:17:36 1279

转载动作识别之STIP (Space-Time Interest Points)（三）

转载出处：http://blog.csdn.net/jyfan91/article/details/43055843读C. Schüldt, I. Laptev, and B. Caputo. Recognizing human actions: A local SVM approach. ICPR, 2004. 这篇文章是对 “动作识别之STIP (S

2015-03-23 21:15:38 1420 1

转载动作识别之STIP(Space-Time Interest Point)（二）

转载出处：http://blog.csdn.net/jyfan91/article/details/43026531读 P. Dollar, V. Rabaud, G. Cottrell, and S. Belongie. Behavior Recognition via Sparse Spatio-Temporal Features. VS-PETS ,2005.

2015-03-23 21:14:44 1678 2

转载动作识别之STIP (Space-Time Interest Points)（一）

读 Laptev, I. and Lindeberg, T. Interest points in space-time. ICCV ,2003. Laptev, I. On space-time interest points. IJCV, 2005. 这是两篇是关于时空兴趣点的经典文章，其算法称为STIP算法。文章主要分为以下几个部分：detector

2015-03-23 21:12:16 11615 2

原创 Deep Learning(深度学习) caffe模型特征提取 (windows/linux)

请到 caffe exe下载使用。

2014-10-30 10:11:21 2293

原创计算机视觉/机器学习/深度学习经典书籍整理

1. 机器学习 Pattern Recognition and Machine Lea

2014-10-06 23:45:01 3563

原创 Android环境搭建之三 Eclipse下搭建Android + C/C++ + OpenCV 开发坏境

接上一篇博客，“Android环境搭建之二 Eclipse下搭建Android+OpenCV开发坏境”，其中提到Android平台下使用OpenCV有两种方式，一种是直接利用OpenCV的java API进行开发；另一种是在Android平台下调用C代码，在C代码中调用OpenCV。上一篇博客介绍了第一种方法，这篇博客来介绍第二种方法。相比于第一种方法，在Android中调用C代码的坏境配置

2014-09-21 17:40:36 1076

原创代码编辑神器VIM安装及使用入门教程

1. 首先登陆网址http://www.vim.org/download.php#pc

2014-09-19 11:19:31 830

原创 Deep Learning介绍(二）

3. Deep Learning 主要思想

2014-09-11 22:23:17 1095

原创程序员应该会哪些语言？

前端：Html: 网页内容Css: 网页样式Javascript & jquery:　前段动态交互Ajax: 异步内容传输后端：Mysql：　数据库Jsp, php, asp.net: 这三个都是服务器脚本语言，你选一个学C++: 写算法用得多Java or C#: 高级编程语言，选一个学， java要

2014-09-08 22:20:31 870

原创图像美学质量评估相关论文简介

图像美学质量评价（Image AestheticQuality Assessment）是计算机视觉领域的研究热点之一，该课题尝试提出一种算法，使得计算机能够判断图片的“美丑”，这一点与以往只关注于测算图像失真程度的图像质量评估（Image QualityAssessment）有很大不同。

2014-08-07 21:43:18 6164

原创 Multi-task learning（多任务学习）简介

1. 什么是Multi-task learning？Multi-tasklearning （多任务学习）是和single-task learning （单任务学习）相对的一种机器学习方法。拿大家经常使用的school data做个简单的对比，school data是用来预测学生成绩的回归问题的数据集，总共有139个中学的15362个学生，其中每一个中学都可以看作是一个预测任务。单任务学习就是忽

2014-08-07 21:30:20 23547

原创 Android环境搭建之二 Eclipse下搭建Android + OpenCV 开发坏境

接上一篇博客，“Android环境搭建之一 Eclipse下搭建基本Android开发坏境”，因为在完成毕业设计的过程中，需要用到图像处理的相关知识和工具，所以在App的设计中接触到Android + OpenCV的开发坏境。接下来就给大家介绍下，Android下使用OpenCV的坏境搭建。 Android下调用OpenCV开发程序有两种方式，一种是下载OpenCV4Andr

2014-07-21 10:26:19 902 1

原创 Android环境搭建之一 Eclipse下搭建基本android开发坏境

本科毕业设计时，涉及到开发一个小的Android App，在坏境搭建方面遇到过一些问题，所以在此整理、总结下坏境搭建的过程，与大家分享。坏境搭建共两篇博客，分别为（1）“Android环境搭建之一 Eclipse下搭建基本Android开发坏境”（2）“Android环境搭建之二 Eclipse下搭建Android +OpenCV 开发坏境” 一、Android开发坏境搭建

2014-07-18 20:38:45 703

原创 Deep Learning paper reading

H. Goh, N. Thome, M. Cord, J. Lim的Top-Down Regularization of Deep Belief Networks提出在学习DBN的时候在layerwise pretraining和discriminative fine tuning中间插入一个步骤做top-down regularization。他们的想法是，generative pre trai

2014-04-14 11:08:23 1037

原创 Query Performance Prediction （查询性能预测）学习笔记（一）

1.Query Performance Prediction概述信息检索（Information Retrieval）是指信息按一定的方式组织起来，并根据用户的信息需要找出有关的信息的过程和技术，它涉及到信息的获取、表示、组织、存储及访问等问题。信息检索包含文本检索，图片检索，以及声音检索等等，其中文本检索是

2014-03-16 22:42:05 1648 1

原创 Deep Learning 介绍(一)

DeepLearning 概述深度学习（deeplearning）是机器学习（machine learning）领域的一种方法。首先简单介绍机器学习，然后引入深度学习的概念。机器学习中有四要素：数据、模型、准则和算法。其中数据是指. 机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。（监督）学习中训练数据由输入（或特征向量）与输出对组成

2014-03-02 10:59:12 1388

MultimediaComputingGroup_blogs