原创 【物體檢測】R-CNN家族
目標檢測評測指標 mAp(Mean Average Precision) true prediction: IoU>thresholdIoU>threshold & ypred=yypred=y 而且,多個類似的預測,只取一
原创 Multi-task Learning(未完成)
Notes of An Overview of Multi-Task Learning in Deep Neural Networks “As soon as you find yourself optimizing more
原创 Postprocessing of stereo vision
https://www.youtube.com/watch?v=kmqSoinWqgQ
原创 【提升(Boosting)方法】
提升方法需要回答兩個問題: 一是在每一輪如何改變訓練數據的權值和概率分佈 二是如何將弱分類器組合成一個強分類器。 先對上述問題做簡單的回答: 提高那些被前一輪弱分類器錯誤分類樣本的權值(因爲它們的數量少。需要在下一輪訓練的時
原创 [Stereo_cnn][cvpr16]Efficient Deep Learning for Stereo Matching(未完成)
[Paper note](Efficient Deep Learning for Stereo Matching) 這篇文章介紹一種更加快速但是隻損失少量精確度的雙目視差計算方法。其使用的主要框架與MC-CNN類似,尤其是Fast
原创 【多任務分類】Fashion Net
文章目錄簡介Attribute Prediction 論文鏈接 : DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotati
原创 SpineNet論文筆記
目錄鏈接摘要核心要點實驗結果 鏈接 SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization 摘要 圖像分類任務通常採用逐步減小分辨率的
原创 【目標檢測】CVPR2019 GIoU
文章目錄背景&問題:解決方案:使用廣義的IoU,即GIoU:GIoU優勢效果展望 論文鏈接: Generalized Intersection over Union: A Metric and A Loss for Boundin
原创 Mac上osx + ubuntu雙系統,refind引導
參考鏈接: 在Macbook Pro 上安裝refind以引導os x + ubuntu雙系統 Ubuntu離線安裝網卡驅動 MAC下linux雙系統的安裝
原创 [paper]End-to-End Training of Hybrid CNN-CRF Models for Stereo
Pre-learning 隱馬爾科夫模型 Y={y1,y2,...,yn} 是一組隨機變量,X={x1,x2,...,xn} 是其觀測變量,我們假設Y具有馬爾科夫性,則X,Y的聯合概率爲 P(x1,x2,...,xn,y
原创 【論文筆記-Stereo】ICCV2017 Cascade Residual Learning: Stereo Matching
這篇文章介紹了一種新的雙目視差計算框架,Cascade Residual Learning。 近年來,在MC-CNN的啓發下,視差計算算法成爲了一種可以用學習解決的問題。文章總結了近年來基於CNN的視差算法,主要可以分爲一下三種:
原创 Wind Power & Machine Learning
https://arxiv.org/pdf/1707.08110.pdf http://www.sciencedirect.com/science/article/pii/S0925231216315533 http://www.
原创 [Paper]Resolving Stereo Ambiguities using Object Knowledge(未完成)
This proposed a new method to solve the textureless and specular surface problem, which is using object knowledge.
原创 【貝葉斯】
先驗(prior)概率和後驗(posterior)概率 先驗概率就是根據以往的經驗進行推理得到的概率。 比如我們做100次丟硬幣實驗,發現有60次正面的,40次反面的,則我們推斷:再丟一次硬幣,得到正面的概率爲60/100 =
原创 【深度學習】權重初始化方法
Zero Small random(Gaussian distribution) He 均值爲0 方差爲? rand(n)/sqrt(n) #