事了拂衣去，深藏功与名

原创 基于Deep Learning的跟踪算法总结（四）

题外话：博主这段时间忙于办理签证，比较忙，一直没时间看论文。：-（一、引言深度学习具有强大的能力，但由于目标跟踪任务本身的特殊性，深度学习一直没能很好地发挥出自己的潜能。其中，导致深度学习算法速度慢的一个重要原因是online-update，即更新过程中的反向传播。那么，于是就人提出，是否可以不进行在线更新呢？而只在线下训练，测试时只进行前向的一次传递，这样的速度是很快的。二、How注意，本文不详细

原创 论文阅读《Re3: Real-Time Recurrent Regression Networks for Object Tracking》

该论文是华盛顿大学人工智能研究院的文章。本博文是博主学习论文过程中的一些理解和看法，仅供学习和交流。如有疑问，欢迎留言。论文链接：https://arxiv.org/abs/1705.06368 论文源码暂时没有放出。这是CVPR2017放出来之前，跟踪领域的又一篇新颖之作。文章思路并不复杂，网络结构是CNN+两个LSTM，其中CNN负责学习物体的appearance feature，第一个LST

原创 目标跟踪算法的展望

本文是博主在学习目标跟踪过程中的个人看法和总结，欢迎借鉴和交流，如有错误，请留言指出。在学习的过程中，我一直在思考“跟踪”的本质究竟是什么？在“【VALSE前沿技术选介16-18期】Object Tracking新思路”中，王乃岩博士提出，跟踪的本质应该是verification，而不应该是目前主流的tracking by detection/classification，同时王博士也在论文中提到过

原创 基于Deep Learning的跟踪算法总结（三）

本文是博主对最近看的相关跟踪算法的总结，其中的算法有一些不是基于深度学习的。另外本文只是对各篇论文的核心亮点简单描述，同时加上博主自己的一些看法。本文仅作为学习笔记，供学习交流，如果有什么错误或疑问，欢迎留言。知乎：王弗兰克 https://www.zhihu.com/people/xue-sheng-er-yi/activities这里提供两个链接，供大家学习参考。 目标跟踪专栏（目

原创 基于Deep Learning的跟踪算法总结（二）

本文主要谈谈TCNN（树状CNN）实现物体跟踪算法的大致流程和原理。论文：《Modeling and Propagating CNNs in a Tree Structure for Visual Tracking》，应该是投了CVPR2017。 论文地址：https://arxiv.org/pdf/1608.07242.pdf论文的大体方法请参考：https://zhuanlan.zhihu.c

原创 基于Deep Learning的跟踪算法总结（一）

博主最近主要关注使用深度学习的视频跟踪一系列算法，本文为学习笔记，仅供学习交流，如有侵权，请指出。原文：https://zhuanlan.zhihu.com/p/22334661No Free Lunch不同于检测、识别等视觉领域深度学习一统天下的趋势，深度学习在目标跟踪领域的应用并非一帆风顺。其主要问题在于训练数据的缺失。深度模型的魔力之一来自于对大量标注训练数据的有效学习，而目标跟踪仅仅提供第一

原创 Head Pose example

原创 基于深度学习的Action Recognition（行为识别）【二】

本文发表在：知乎专栏看了近一个月的论文，对行为识别领域中目前主流的基于深度学习的方法算是有了基本的认识。但今天只做总结，关于每一篇论文的详细理解，之后有时间补上。也欢迎指正交流。下图为目前主流模型的比较。其中T3D标称效果好于I3D，但由于结果是作者复现得来，故在这里不做比较。顺序自上向下按UCF101的准确率排列。

原创 基于深度学习的Action Recognition（行为识别）【一】

本文也发表在：知乎专栏作为深度学习还未完全攻克的领域，越来越的研究者开始将目光投向视频。而Action Recognition，或者说Video Classification，作为最基本的问题，等同于图像分类。而目前深度学习方面最具代表性的方法之一，就是港中文在ECCV2016提出的Temporal Segment Networks（TSN），这也是目前的benchmark。

原创 如何理解“线性代数”？

线性代数究竟有什么现实意义？矩阵又是什么呢？矩阵之间的运算是代表什么呢？很多人在学校修完线性代数依旧不明白这些问题，所以，我觉得，应该从理解其本质出发，再去学习这门课。这里仅提供几个理解线性代数本质的文章或回答。博主反复看过好几遍，加深平常学习中对矩阵的理解。本文仅供学习参考，如有侵权或疑问，请联系博主。线性代数的本质 https://www.52ml.net/13425.html如何理解代数中的

原创 Caffe训练流程

博主目前刚刚入坑Deep Learning，本文也学习笔记，仅供参考学习，欢迎交流指正。我们首先来看看，一个完整的Caffe模型中有哪些必要的文件。（github上文件太多，显得有些乱，吐槽下）跑过Caffe例程或者自习finetune过模型的朋友应该比较熟悉，这里以例程mnist的Lenet模型为例，方便大家查看。主要文件①lenet_train_test.prototxt：这个文件定义了Lene

原创 《Mask R-CNN》论文学习

Kaiming He大神RCNN系列又一力作。（Kaiming He、Ross Girshick 如今都在Facebook AI Research（FAIR），R-CNN系列归于一家）~论文：https://arxiv.org/pdf/1703.06870.pdf之前的R-CNN系列，主要用来做Object Recognition，但在本文中，Mask R-CNN用来做Instance segmen

原创 为什么SPP-Net无法fine-tune卷积层

SPP-Net缺陷：和R-CNN一样，它的训练要经过多个阶段，特征也要存在磁盘中，另外，SPP中的微调只更新SPP层后面的全连接层，对很深的网络这样肯定是不行的。SPP-Net在fine-tuning阶段之所以无法使用反向传播微调SPP-Net前面的Covs层，是因为特征提取CNN的训练和SVMs分类器的训练在时间上是先后顺序，两者的训练方式独立，因此SVMs的训练Loss无法更新SPP-Layer

原创 【深度学习论文笔记:Recognition】:Deep Neural Networks for Object Detection

本文为论文“Deep Neural Networks for Object Detection”阅读笔记，欢迎交流学习。论文原文：http://papers.nips.cc/paper/5207-deep-neural-networks-for-object-detection.pdf 本文解决的问题：使用DNN，检测一幅图片里大量拥有不同尺度的不同物体（detect a potentially

原创 《计算机视觉—算法与应用》第十四章“识别”阅读笔记

本文为《计算机视觉：算法与应用》第十四章:”识别“阅读笔记，欢迎交流学习。1.物体检测(Object regognition)2.人脸识别(Face recognition)3.实例识别（Instance recognition）4.类识别（Class recognition) 问：为什么识别对计算机很难？ 答：现实世界是由混杂的物体组成，所有物体都会遮挡其它物体，而且会呈现不同姿态

转载 kd树和knn算法的c语言实现

本文转载自http://www.cnblogs.com/LCcnblogs/p/6169136.html楼主正在学习机器学习算法，欢迎学习交流。#include#include#include#includetypedef struct{//数据维度    double x;    double y;}data_struct;