一、Image Classification(Recognition)
lenet: http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf
alexnet: http://www.cs.toronto.edu/~fritz/absps/imagenet.pdf
overfeat: http://arxiv.org/pdf/1312.6229v...
分类：
其他好文 时间：
2015-06-04 19:30:13
阅读次数：
184
Caffe3——ImageNet数据集创建lmdb类型的数据ImageNet数据集和cifar，mnist数据集最大的不同，就是数据量特别大；单张图片尺寸大，训练样本个数多；面对如此大的数据集，在转换成lmdb文件时；使用了很多新的类型对象。1，动态扩容的数组“vector”，动态地添加新元素2，p...
分类：
数据库 时间：
2015-05-05 16:05:17
阅读次数：
4609
在使用caffe时，我们希望使用自己的数据进行训练，以下给出如何制作自己的数据。所有的数据制作都是基于imagenet的。1.数据准备，我们需要一个train和valid文件夹，一个train.txt和val.txt（图片文件夹的位置可以任意，但是这两个txt文件的位置在data/mydata/目录...
分类：
其他好文 时间：
2015-03-16 12:44:35
阅读次数：
174
比赛设置：1000类图像分类问题，训练数据集126万张图像，验证集5万张，测试集10万张（标注未公布）。2012，2013，2014均采用了该数据集。评价标准采用top-5错误率，即对一张图像预测5个类别，只要有一个和人工标注类别相同就算对，否则算错。比分排行榜结果公布时间机构top-5错误率(%)...
分类：
Web程序 时间：
2015-02-11 16:18:54
阅读次数：
382
原文连接：http://blog.kaggle.com/2014/12/22/convolutional-nets-and-cifar-10-an-interview-with-yan-lecun/摘要：CIFAR-10竞赛之后，卷积网络之父Yann LeCun接受相关采访。他认为：卷积网络需要大数...
分类：
Web程序 时间：
2015-01-22 17:00:39
阅读次数：
322
卷积神经网络(Convolutional Neural Networks, CNN)
?卷积神经网络是前馈神经网络(BP)的扩展
?1962年Hubel提出的感受野(Receptive Field)概念;
?1980年日本学者Fukushima提出神经认知机(Neocognition)，是卷积神经网络的第一个实现网络，并将其应用于手写体字符识别;
?1988年YannLeCun等提出反向传播算法，极大地推动了卷积神经网络的发展。
?1998年YannLeCun等提出LeNet-5网络结构，并应用于文档识别，...
分类：
其他好文 时间：
2015-01-20 13:44:12
阅读次数：
325
最近深度学习如日中天，虽然很强大，但其训练起来却是昂贵的，费时费力。最新发布的GraphLab Create 1.1 及1.2使深度学习变得超级简单。它不需要你自己在选择模型和调参上成为专家，就可以玩转神经网络。基于输入数据，neuralnet_classifier.create()函数会自动选择一个网络架构并设置合理的参数值。其实并非所有问题都得从头开始去训练一个深度模型，通过简单移除已训练好的DNN的输出层，将传播到输出层的信号作为特征喂给任何一种分类器便可完成我们的一些分类任务。...
分类：
其他好文 时间：
2015-01-12 11:04:23
阅读次数：
267
本文中，我会根据下大家image classification常用的cnn模型，针对cifar10（for 物体识别），mnist（for 字符识别）& ImageNet（for 物体识别）做一个model 总结。
本文不讲coding（coding请见Convolution Neural Network (CNN) 原理与实现篇）
本文不涉及公司内部资料，纯公开资料汇总
好，本文就从数据集说起，对数据集不熟悉的小伙伴请先去了解下这3个数据集，下面我们针对每个数据集画出其通用模型。...
分类：
其他好文 时间：
2015-01-07 16:54:14
阅读次数：
159
Going Deeper with convolutions
本篇论文是针对ImageNet2014的比赛，论文中的方法是比赛的第一名，包括task1分类任务和task2检测任务。本文主要关注针对计算机视觉的高效深度神经网络结构，通过改进神经网络的结构达到不增加计算资源需求的前提下提高网络的深度，从而达到提高效果的目的。...
分类：
其他好文 时间：
2014-11-04 01:37:56
阅读次数：
348
这些天跑VGG和GOOGLENET真心快被虐哭了，VGG跑了2个星期才收敛到错误率40%，然后换了土豪的K40，跑一些测试结果给大家看，第一part分享一下性能报告，程序跑在Nvidia K40，显存12G，内存64G服务器，训练和测试数据集建立在自有数据集及imagenet数据集
训练配置:batchsize=128
caffe自有的imagenet with cuDNN模...
分类：
Web程序 时间：
2014-10-20 11:45:20
阅读次数：
3005
