首页
学习
活动
专区
工具
TVP
发布

AIUAI

专栏作者
234
文章
487999
阅读量
60
订阅数
Faster RCNN 基于 OpenCV DNN 的目标检测实现
在前面已经测试过 YOLOV3 和 SSD 基于 OpenCV DNN 的目标检测实现,这里再简单实现下 Faster RCNN 基于 DNN 的实现.
AIHGF
2019-05-13
9190
MaskRCNN 基于OpenCV DNN的目标检测与实例分割
这里主要记录基于 OpenCV 4.x DNN 模块和 TensorFlow MaskRCNN 开源模型的目标检测与实例分割 的实现.
AIHGF
2019-05-13
1.7K0
Dlib 库 - 人脸检测及人脸关键点检测
Dlib 是一个十分优秀好用的机器学习库,其源码均由 C++ 实现,并提供了 Python 接口,可广泛适用于很多场景.
AIHGF
2019-03-11
12.7K0
Github 项目 - YOLOV3 的 TensorFlow 复现
原文:Github 项目 - YOLOV3 的 TensorFlow 复现 - AIUAI
AIHGF
2019-02-27
4.2K0
Caffe2 - (二十一) Detectron 之模型训练及数据加载流程
根据训练过程 train_net.py,大致梳理下 Detectron 的训练过程和训练时数据加载过程.
AIHGF
2019-02-27
6680
Caffe2 - (二十) Detectron 之 config.py 文件参数
config.py 给出了 Detectron 的默认参数,其位于 lib/core/config.py. 类似于 Faster R-CNN 中对应的形式.
AIHGF
2019-02-27
3.1K0
论文阅读理解 - Convolutional Pose Machines
CPMs 由全卷积网络序列化组成,并重复输出每个关节点的 2D 置信图. 每一个stage,采用图像特征和上一 stage 输出的2D置信图作为输入.
AIHGF
2019-02-27
2.3K0
论文阅读学习 - (DeeplabV3+)Encoder-Decoder with Atrous Separable Convolution
DeepLabV3 采用多个不同比例的并行 atrous conv 来挖掘不同尺度的上下文信息,记为 ASPP.
AIHGF
2019-02-27
2.5K0
论文阅读学习 - 深度学习网络模型分析对比
[Paper - An Analysis of Deep Neural Network Models for Practiacal Applications]
AIHGF
2019-02-27
1.1K0
论文阅读学习 - ResNet - Identity Mappings in Deep Residual Networks
[Code-Torch - Deep Residual Networks with 1K Layers]
AIHGF
2019-02-27
1.1K0
机器学习 - Data Augmentation 策略
[1] - 深度学习大讲堂 - 海康威视研究院ImageNet2016竞赛经验分享
AIHGF
2019-02-27
1.1K0
Caffe2 - (十九) 基于 Detectron 的 DeepFashion 服装 bbox 检测实现
COCO 数据集格式如 - Dataset - COCO Dataset 数据特点.
AIHGF
2019-02-27
9591
Caffe 实践 - 基于 ResNet101 的 Multi-label 多标签标注的训练与部署
以前曾尝试过修改 Caffe ImageDataLayer 源码的方式来读取多个 labels - ImageMultilabelDataLayer [Caffe实践 - 基于VGG16 多标签分类的训练与部署].
AIHGF
2019-02-27
1.1K0
机器学习 - 交叉熵Cross Entropy
[1] - Caffe Loss 层 - SigmoidCrossEntropyLoss 推导与Python实现
AIHGF
2019-02-27
1.1K0
论文阅读学习 - ModaNet: A Large-scale Street Fashion Dataset with Polygon Annotations
原文:论文阅读学习 - ModaNet: A Large-scale Street Fashion Dataset with Polygon Annotations - AIUAI
AIHGF
2019-02-27
1.1K0
网络结构之 Inception V4
原文: AIUAI - 网络结构之 Inception V4 Inception-v4, Inception-ResNet and the Impact of Residual Connection
AIHGF
2019-02-18
1.6K1
基于 Pytorch 的鞋子标签自动标注[译]
涉及的问题是对文本生成描述文本(generating text to describe images).
AIHGF
2019-02-18
1.1K0
计算机视觉、机器学习相关领域论文
·           ActionRecognition by Dense Trajectories[Project][Code]
AIHGF
2019-02-18
5040
谱聚类算法(Spectral Clustering)
谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图,使子图内部尽量相似,而子图间距离尽量距离较远,以达到常见的聚类的目的。其中的最优是指最优目标函数不同,可以是割边最小分割——如图1的Smallest cut(如后文的Min cut), 也可以是分割规模差不多且割边最小的分割——如图1的Best cut(如后文的Normalized cut)。
AIHGF
2019-02-18
1.5K0
谱聚类(spectral clustering)
     给你博客园上若干个博客,让你将它们分成K类,你会怎样做?想必有很多方法,本文要介绍的是其中的一种——谱聚类。      聚类的直观解释是根据样本间相似度,将它们分成不同组。谱聚类的思想是将样本看作顶点,样本间的相似度看作带权的边,从而将聚类问题转为图分割问题:找到一种图分割的方法使得连接不同组的边的权重尽可能低(这意味着组间相似度要尽可能低),组内的边的权重尽可能高(这意味着组内相似度要尽可能高)。将上面的例子代入就是将每一个博客当作图上的一个顶点,然后根据相似度将这些顶点连起来,最后进行分割。分割后还连在一起的顶点就是同一类了。更具体的例子如下图所示:
AIHGF
2019-02-18
1.9K0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档