卷积神经网络结构： 1、 数据输入层： 去均值：将平均值变为0 归一化：将不同的特征，取值范围变为一致的 PCA降维、白化 2、 卷积计算层： 每个神经元看做是一个过滤器（一个带权重的矩阵），过滤器对原数据进行卷积相关操作（内积），不同过滤器关注的特征不同 局部连接：过滤器提取局部特征，然后再与后面 ...
分类：
其他好文 时间：
2019-03-26 16:47:56
阅读次数：
207
细粒度图像与超分辨率 细粒度图像识别 2018国内十大技术突破之一，“看”一眼就结账。 在传统计算机视觉研究中，图像识别的目标对象隶属类别通常是诸如“狗”“车”和“鸟”等传统意义上的类别分类。但大家应该都有这样的经历：逛街时看到路人的萌犬可爱至极，可仅知是“犬”殊不知其具体品种。然而，细粒度级别图像 ...
分类：
其他好文 时间：
2019-03-01 20:00:36
阅读次数：
322
细粒度属性的图像看起来非常相似，且在不同光线、角度和背景下拍摄，其识别精度也会受到影响。 细粒度识别相比于一般的图像分类不仅需要使用图像的整体信息，同时应注意到子类别所独有的局部特征。 一般细粒度识别可以分为两种，即基于强监督信息的方法和仅使用弱监督信息的方法。 基于强监督的细粒度识别通常需要使用边 ...
分类：
其他好文 时间：
2019-01-25 23:20:27
阅读次数：
250
overfit有两种情况：1.机器从样本数据中过度的学习了太多的局部特征，在测试集中会出现识别率低的情况。信息量过小，识别其他信息是缺少数据特征量，学习的东西太多了，特征也多，只要不是该特征的数据都不要，这个过度拟合是因为数据量太小但是学习的特征太多，只要没有其中任何的一个特征的数据都识别不了的一种 ...
分类：
其他好文 时间：
2019-01-12 16:47:24
阅读次数：
294
本文来自《Large Margin Softmax Loss for Convolutional Neural Networks》，时间线为2016年12月，是北大和CMU的作品。 0 引言 过去十几年，CNN被应用在各个领域。大家设计的结构，基本都包含卷积层和池化层，可以将局部特征转换成全局特征， ...
分类：
其他好文 时间：
2018-12-14 15:00:50
阅读次数：
194
3.1ReLUNonlinearity使用relu作为激活函数要比sigmoid和tanh(双曲正切)函数收敛的快3.3局部响应归一化对局部神经元的活动创建竞争机制，使响应大的变得更大，并抑制其他反馈较小的神经元，可以降低top1top5的错误率3.4重叠池化池化的边界相互重叠，可以降低过拟合的情况4减少过拟合的两种方法：DataAugmentation和Dropout4.1DataAug（1）使
分类：
Web程序 时间：
2018-11-09 19:20:36
阅读次数：
167
SIFT、HOG、LBP，这三者都属于局部特征。 一、三者原理上的区别 1.SIFT：Scale-Invariant Feature Taransform，尺度不变特征变换。 尺度空间的极值检测：搜索所有尺度空间上的图像，通过高斯微分函数来识别潜在的对尺度和旋转鲁棒性较强的点。 特征点定位：在每个候 ...
分类：
其他好文 时间：
2018-09-18 11:02:21
阅读次数：
164
还是紧接着上一文章的思路继续介绍3D特征点的基本概念问题，还是这个表格： NARF (Normal Aligned Radial Feature) 这是一个局部特征点，NARF功能扩展了SIFT（Lowe）的一些概念。主要的参考文献： Object recognition from local sc ...
分类：
其他好文 时间：
2018-07-22 18:40:51
阅读次数：
410
在图像检索时，通常首先提取图像的局部特征，这些局部特征通常有很高的维度（例如，sift是128维），有很多的冗余信息，直接利用局部特征进行检索，效率和准确度上都不是很好。这就需要重新对提取到的局部特征进行编码，以便于匹配检索。 常用的局部特征编码方法有三种： BoF VLAD FV 本文主要介绍基于 ...
分类：
其他好文 时间：
2018-06-25 01:18:42
阅读次数：
229
近年来，随着深度学习的崛起，计算机视觉得到飞速发展。目标检测作为计算机视觉的基础算法，也搭上了深度学习的快车。基于Proposal的检测框架，从R-CNN到Faster R-CNN，算法性能越来越高，速度越来越快。另一方面，直接回归Bounding Box的框架，从YOLO到SSD，在保持速度优势的 ...
分类：
其他好文 时间：
2018-05-31 19:17:48
阅读次数：
756
