原创 java Spring簡介

Spring是輕量級開源框架,以IOC(控制反轉)和AOP(面向切面)爲內核,提供了展現層SpringMVC,持久層SpringJDBC Maven 作用一: 個人理解maven主要是用來解決導入java類依賴的jar,編譯ja

原创 java Spring入門

Spring是輕量級開源框架,以IOC(控制反轉)和AOP(面向切面)爲內核,提供了展現層SpringMVC,持久層SpringJDBC Maven 作用一: 個人理解maven主要是用來解決導入java類依賴的jar,編譯ja

原创 Parameter-FreeSpatialAttentionNetworkforPersonRe-Identification

摘要:GAP(global average pooling)可以幫助我們產生辨別性的信息用於識別,但是在行人重識別領域,如果關鍵信息丟GAP就會收到很大的影響,比如攝像頭角度變了。爲了解決這個問題,通過在高階語義上建模空間關係來獲得目

原创 Self-Attention 最新進展

原文地址 Attention注意力,起源於Human visual system(HVS),個人定義的話,應該類似於 外界給一個刺激Stimuli,然後HVS會第一時間產生對應的 saliency map,注意力對應的應該就是這個顯

原创 BAM: Bottleneck Attention Module算法筆記

論文地址 姊妹篇 BAM: Bottleneck Attention Module 這是CBAM的姊妹篇,原班人馬打造,不得不服 摘要:在這項工作中,我們把重心放在了Attention對於一般深度神經網絡的影響上,我們提出了一個簡單但

原创 Attention綜述

整理了近來看過的幾篇用於計算機視覺方向的Attention論文 1.Residual Attention Network 首次成功將極深卷積神經網絡與人類視覺注意力機制進行了有效的結合 本文提出了一種可堆疊的網絡結構。與ResNet中

原创 PG GAN

PROGRESSIVE GROWING OF GANS FOR IMPROVED QUALITY, STABILITY, AND VARIATION翻譯 爲改善質量,穩定性和可變性的GANS的漸進增長 Tero Karras ,

原创 Hierarchical Bilinear Pooling for Fine-Grained Visual Recognition論文筆記

華中科大的作品,寫的很棒,屬於看完拍大腿系列。HBP論文地址 出發點:基於Bilinear pooling的模型已經被實驗驗證了在細粒度認知的有效性,然而很多之前的方法忽略了層間局部特徵的交互和細粒度特徵的學習是相互關聯的同時也能強化

原创 Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition論文翻譯

Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition 細粒度分類一直是圖像分類中的一個難點,近年來基於深度學習的圖像分類發展迅速

原创 Multi-Attention Multi-Class Constraint for Fine-grained Image Recognition筆記

Multi-Attention Multi-Class Constraint for Fine-grained Image Recognition(ECCV2018) 細粒度圖像分類一直是一個頗具挑戰性的問題,起因是細粒度圖像很多存在

原创 Tensorflow提取中間層特徵npy文件並加工成tfrecord文件

提取不提取特徵不重要,我的方法的出發點是將npy文件加工成tfrecord文件 加工成tfrecord文件 def _add_to_tfrecord(tfrecord_writer, split_name): """Loads i

原创 Tensorflow data

TensorFlow版本:1.10.0 > Guide > Importing Data 導入數據(Reading data) 上一篇介紹了TensorFlow讀取數據的四種方法:tf.data、Feeding、QueueR

原创 Tensorflow slim教程翻譯

TensorFlow 版本: 1.12.0 TF-Slim 模塊是 TensorFlow 中最好用的 API 之一。 尤其是裏面引入的 arg_scope、model_variables、repeat、stack。 文章目錄

原创 對於提取圖像多尺度特徵的思考

衆所周知通常CNN要求輸入圖像尺寸是固定的,比如現有的效果比較好的pre-trained的模型要求輸入爲224224,227227等。這個要求是CNN本身結構決定的,因爲CNN一般包括多個全連接層,而全連接層神經元數目通常是固定的,如

原创 Bilinear CNN Models for Fine-grained Visual Recognition論文總結

雙線性定義:包含兩個特徵提取器,其輸出經過外積(外積WiKi)相乘、池化後獲得圖像描述子。 -作者思路 局部模型高效性的原因:本文中,作者聲稱局部推理的高效性在於其與物體的位置及姿態無關。紋理表示通過將圖像特徵進行無序組合的設計,而