原创 對RCNN論文中的關鍵性問題的解釋

1、RCNN網絡中的選擇性搜索算法(SS) 參考博客:https://blog.csdn.net/u014796085/article/details/83478583                   https://blog.csd

原创 Ubuntu python3.5安裝mayavi庫

第一次百度安裝時發現多是win或者在liunx利用源碼安裝的。 win10可直接參考:https://www.jianshu.com/p/557371805562 第四部分 liunx可參考:https://blog.csdn.net/o

原创 python光流法學習 II

基於python-opencv的Gunnar Farneback稠密光流法學習 參考鏈接:https://blog.csdn.net/gjy095/article/details/9206621                    ht

原创 GAN論文1:Data Augmentation in Emotion Classification Using Generative Adversarial Networks論文筆記

GAN論文閱讀1:Data Augmentation in Emotion Classification Using Generative Adversarial Networks 附論文鏈接:https://arxiv.org/

原创 以DCGAN爲例,對Tensorboard的可視化的理解

tensorboard的可視化對我們應用tensorflow框架調參,或者寫論文都有一定幫助。 如有理解不到位的地方,敬請指正。 最近在跑DCGAN的代碼,正好藉此學習。 參考博客:https://blog.csdn.net/wgj999

原创 論文翻譯與理解:Hard Positive Generation via Adversary for Object Detection

Hard Positive Generation via Adversary for Object Detection 最近做項目,在看一些數據增強的論文,歡迎感興趣的同學多多留言交流。   摘要 我們如何學習對遮擋和形變不變的物體檢測器

原创 論文閱讀與理解: Synthetic Data for Text Localisation in Natural Images

Synthetic Data for Text Localisation in Natural Images 最近做項目訓練用到數據增強,在看一些如何在自然圖像上生成合理數據的論文,歡迎志同道合的同學評論留言。 或者有什麼好的論文可以共享

原创 數據合成方法 : 論文 Synthetic Data and Artificial Neural Networks for Natural Scene Text Recognition

Synthetic Data and Artificial Neural Networks for Natural Scene Text  Recognition中的數據合成方法 論文全文:https://arxiv.org/pdf/14

原创 Pycharm遠程服務器編程環境並能使用Xming顯示圖像界面

本文主要使用pycharm+Xming實現使用服務器的編程環境,並在本地顯示圖像界面, 同時使用Putty遠程服務器終端,使用WinSCP可以從局域網向服務器快速傳輸文件。   主要使用的幾個軟件:、 Pycharm 專業版 putty

原创 python學習:使用Matplotlib畫實時的動態折線圖

python學習:使用Matplotlib畫實時的動態折線圖 有時,爲了方便看數據的變化情況,需要畫一個動態圖來看整體的變化情況。主要就是用Matplotlib庫。 參考博客鏈接:https://blog.csdn.net/zhangha

原创 論文翻譯與理解:FlowNet: Learning Optical Flow with Convolutional Networks

最近在研究光流法,希望感興趣的同學一起研究。   FlowNet: Learning Optical Flow with Convolutional Networks 文章鏈接:https://arxiv.org/abs/1504.068

原创 numpy數組中冒號[:,:,0]與[...,0]的區別

今天在看光流法將稠密光流圖結果轉爲bgr可視化圖的代碼時,遇到了上述情況,寫此博客便於理解清晰。 如有錯誤,敬請指正。   先隨機產生一個[3,4,5]的numpy數組。則該x維度是3,shape是(3,4,5),總共包含60個元素。

原创 CVPR2019論文翻譯與理解 :Fast Online Object Tracking and Segmentation: A Unifying Approach

對目標跟蹤理解的不是很深入,如有問題,請及時指正交流。 SiamMask:實時的在線目標跟蹤與目標分割統一架構 論文地址:https://arxiv.org/pdf/1812.05050.pdf SiamMask的測試代碼:http

原创 論文翻譯與理解:Fast R-CNN

本博客會參考其他博客上的資料,如有侵權,請聯繫刪除。 摘要       本文提出了一種快速的基於區域的卷積網絡方法(Fast R-CNN)用於物體檢測。Fast R-CNN建立在先前的工作基礎上,以使用深度卷積網絡有效地對區域建議進行分類

原创 論文翻譯與解讀:Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

文中若有翻譯錯誤,還望多多指正。 摘要        現有的深度卷積神經網絡(CNN)需要固定大小(例如,224×224)的輸入圖像。該要求是“人爲的”並且可能降低任意尺寸/比例的圖像或子圖像的識別精度。在這項工作中,我們爲網絡配備了另一