re-id论文学习

论文学习：《Deep Neural Networks for YouTube Recommendations》

最近在学习推荐系统的论文，仔细研读了《DeepNeuralNetworksforYouTubeRecommendations》一文。这篇文章是2016年Youtube团队将深度学习应用到推荐系统上的一次尝试，下面详细介绍和解读下这篇文章：《Youtube深度神经网络推荐系统》一、Youtube业务的需求Youtube面临以下三方面的挑战：规模大：用户和视频的数量都很大，传统适合小规模的算法无法满足
jiayk2016·2018-06-12 00:40

《word2vec Parameter Learning Explained》论文学习笔记

目录：1ContinuousBag-of-WordModel1.1One-wordcontextUpdateequationforhidden→outputweightsUpdateequationforinput→hiddenweights1.2Multi-wordcontext2Skip-GramModel3OptimizingComputationalEfficiency3.1Hierarc
lanyu_01·2018-04-26 18:57

DeepSort论文学习

论文题目：SIMPLEONLINEANDREALTIMETRACKINGWITHADEEPASSOCIATIONMETRIC1摘要DeepSort是在Sort目标追踪基础上的改进。引入了在行人重识别数据集上离线训练的深度学习模型，在实时目标追踪过程中，提取目标的表观特征进行最近邻匹配，可以改善有遮挡情况下的目标追踪效果。同时，也减少了目标ID跳变的问题。2核心思想算法的核心思想还是用一个传统的单假
cdknight_happy·2018-03-31 16:06

记录自己的一天一天

今天我有博客了，是用来记录我的论文学习情况。之前接触博客还是在初中时候的163博客，也不知道还存不存在了。
biubiuyaya·2018-03-15 15:57

【论文学习】SqueezeNet

SqueezeNet于2016年提出，其主要目的是在保证当时已有的模型准确度的同时减少CNN模型中的参数。原文地址：SqueezeNet:AlexNet-Levelaccuracywith50Xfewerparametersand1。如果网络中的大多数层stride为1，stride>1的层主要连接网络的classifier，那么网络中的许多层都会有较大的activationmap。实验证明延迟下
斯丢劈德Tony·2018-03-11 09:38

OCR系列论文学习笔记链接

论文笔记链接：syntheticdatafor...论文学习、syntheticdatafor...感觉这篇paper的核心在于生成syntheticdata的算法部分，后续的
jiachen0212·2018-03-09 15:21

【论文学习】ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices

原文链接：https://arxiv.org/abs/1707.010831.Abstract作者介绍了一种运算极其高效的CNN架构，ShuffleNet。ShuffleNet主要应用在计算能力有限的移动设备上（如10-150MFLOPs）。ShuffleNet主要采用两种新的操作：逐点组卷积（pointwisegroupconvolution）和通道重组（channelshuffle），这两种操
斯丢劈德Tony·2018-03-02 10:48

Facial Expression Recognition Using Enhanced Deep 3D Convolutional Neural Networks 视频人脸表情识别论文学习笔记

原文链接：https://arxiv.org/abs/1705.07871v1首先paper的任务是：实现视频中人脸表情的识别，视频转化为10frames的序列进行处理。原文：wedividedvideosintosequencesoftenframestoshapetheinputtensorforournetwork。网络总体结构：3DIR(3DInception-ResNet)+landma
jiachen0212·2018-02-27 10:14

【论文学习】MobileNets：Efficient Convolutional Neural Networks for Mobile Vision Applications

MobileNets是谷歌公司在2017年发布的一种可以在手机等移动终端运作的神经网络结构。论文地址：点击打开链接作者给出了移动端和嵌入式视觉应用的MobileNets模型。MobileNets基于流线型结构设计，使用深度可分离卷积（depthwiseseparableconvolutions）来构建轻量级深度神经网络。作者引入了两个简单的全局超参数（）在速度（latency）和精确度进行折中。这
斯丢劈德Tony·2018-02-16 16:11

深度学习模型的量化方法（论文学习 & tensorflow lite量化方法）

Quantization方法介绍效果论文（参考文献a）中以imageNet数据（1.2Mtrainingimages，1Kcategories，50kvalidationimages），使用多个模型，从各个角度做了实验，对比quantization的效果，结果如下：forward效果AlexNet模型，不QuantizationQtilt(ReLU)signtilt(hardtanh)Q(HWGQ
cokeonly·2018-01-10 15:15

【caffe】caffe实现sharing weights

最近在Re-ID任务中有不少网络都是sharingweights的。
q295684174·2018-01-09 19:56

论文学习：Explore and Exploit

论文学习：ExploreandExploit前言前阵子读了一篇KDD2017的论文”APracticalExplorationSystemforSearchAdvertising”，是有关E&E算法的，
legendavid·2018-01-09 16:33

论文学习笔记：曹哲 实时多人人体姿态识别 CVPR2017

  最近学习了曹哲的这篇RealtimeMulti-Person2DPoseEstimationusingPartAffinityFields，认真读了，也看了曹哲直播的视频，虽然程序还是看不懂，但也算是学到东西了，写个笔记记录一下，其实大部分也就是直接把论文翻译过来，里面出现的PPT截图也是我之前自己做的，但是不小心存成兼容模式之后文字变成图片了o(╥﹏╥)o，所以就直接截了图，还是希望能和大家
Smiling_pie·2018-01-08 00:00

ZFNet论文学习

论文名称《VisualizingandUnderstandingConvolutionalNetworks》1.意义该论文是在AlexNet基础上进行了一些细节的改动，网络结构上并没有太大的突破。该论文最大的贡献在于通过使用可视化技术揭示了神经网络各层到底在干什么，起到了什么作用。从科学的观点出发，如果不知道神经网络为什么取得了如此好的效果，那么只能靠不停的实验来寻找更好的模型。使用一个多层的反卷
cdknight_happy·2017-12-20 16:49

【Person Re-ID】SVDNet for Pedestrian Retrieval

paper下载地址：https://arxiv.org/abs/1703.05693code下载地址：https://github.com/syfafterzy/SVDNet-for-Pedestrian-Retrieval网络结构作者所采用的基础网络为resnet-50，在最后一个全连接层的前面加了一个Eigenlayer，其实就是一个全连接层，只不过对参数做了SVD分解，因此称为SVDNet。
q295684174·2017-12-08 20:41

Learning to Segment Every Thing Ronghang论文学习

近来目标检测器准确度显著提升，获得了很多重要的新能力。其中最令人兴奋的一项是为每个检测目标预测前景分割掩码，即实例分割（instancesegmentation）。在实践中，典型的实例分割系统只能关注小部分视觉信息，一般约为100个目标类别。该限制的主要原因是顶级的实例分割算法需要强大的监督系统，而此类监督数据很难收集新的类别，且比较昂贵。相比之下，边界框标注更丰富，也没有那么昂贵。这就引出了一个
大可的杨先森·2017-12-08 09:44

论文学习：YodaNN1: An Architecture for Ultra-Low Power Binary-Weight CNN Acceleration

摘要：Thecomputationaleffortoftoday’sCNNsrequirespower-hungryparallelprocessors（高耗能并行处理器）orGP-GPUs（计算图形处理器）.RecentdevelopmentsinCNNacceleratorsforsystem-on-chipintegration（系统级芯片集成）havereducedenergyconsum
coimzhu·2017-11-20 11:12

对抗样本论文学习：Deep Neural Networks are Easily Fooled

近日看了一些对抗样本（adversarialexamples）方面的论文，在这里对这些论文进行一下整理和总结。以下仅代表个人理解，本人能力有限难免有错，还请大家给予纠正，不胜感激。欢迎一起讨论进步。对抗样本（adversarialexamples）和对抗学习（GAN）截然不同，这一概念在Szegedyetal.(2014b)中提出：对输入样本故意添加一些人无法察觉的细微的干扰，导致模型以高置信度给
Miss_Anonymous·2017-11-14 20:27

【论文学习】Two-Stream Convolutional Networks for Action Recognition in Videos

Two-StreamConvolutionalNetworksforActionRecognitioninVideos原文地址粗略翻译摘要：我们研究了视频中用于训练动作识别的深度卷积网络的架构。这个挑战是捕捉静止帧中的外表和连续帧间中的运动之间的互补信息。我们也志在推广在数据驱动的学习框架中表现最好的手工特征。一共做出了3个贡献：首先，提出了一个two-stream卷积网络架构，这个架构由时间和空
夏洛的网·2017-10-28 17:30

基于深度学习的Person Re-ID（综述）

一.问题的提出    PersonRe-ID 全称是PersonRe-Identification，又称为 行人重检测or行人再识别，直观上可以通过两种思路进行比对，一种是通过静态图像（still-image）进行特征比对，另一种是通过视频的时序特征（temporal）进行VideoRe-Id。    不管是采用图像特征比对的方法还是结合时序特征比对的方法，这里面有以下几个问题很大程度上影响作用效
算法学习者·2017-10-22 21:40

异常行为检测论文学习综述

近来找了几篇异常行为检测的论文，先大概浏览了一下摘要，记录主要内容，以便后续查看。1、AbnormalbehaviordetectionusinghybridagentsincrowdedscenesKeywords:VisualsurveillanceAbnormalbehaviordetectionEventdetectionBehaviorrecognition在本篇论文中，作者提出一种混合
夏洛的网·2017-10-19 10:29

目标检测 资料收集

YOLO详解图解YOLOYOLOv2YOLOv2之总结篇（linux+windows）【论文学习】YOLO9000:Better,Faster,Stronger（YOLO9000：更好，更快，更强）快速多目标检测
Gzzgz·2017-08-18 15:29

论文学习：在线学习算法综述

TitleContent原文在线学习算法综述作者潘志松摘要在线学习：通过流式计算框架，在内存中直接对数据实时运算，为大数据的学习提供了有力的工具引言流式数据特点：动态性无序性无限性突发性体积大传统学习方法归根结底是对某一静态数据分布的学习，没有提供学习数据分布变化规律的方法。这类分布随时间变化的数据称为非稳定数据or演化数据针对流式数据传统批处理式学习方法的问题（1）学习时间长、学习效率低（2）难
iyangdi·2017-05-10 16:17

基于深度学习的Person Re-ID（特征提取）

一.CNN特征提取通过上一篇文章的学习，我们已经知道，我们训练的目的在于寻找一种特征映射方法，使得映射后的特征“类内距离最小，类间距离最大”，这种特征映射可以看作是空间投影，选择一组基，得到基于这组基的特征变换，与PCA有点像。这一篇我们讲的就是基于CNN的特征提取，特征提取过程也就是训练过程，训练结果就是CNN的参数。以TripletFunction为例，对于一个输入图像三元组Trip，通过一个
linolzhang·2017-05-01 23:03

基于深度学习的Person Re-ID（综述）

一.问题的提出PersonRe-ID全称是PersonRe-Identification，又称为行人重检测or行人再识别，直观上可以通过两种思路进行比对，一种是通过静态图像（still-image）进行特征比对，另一种是通过视频的时序特征（temporal）进行VideoRe-Id。不管是采用图像特征比对的方法还是结合时序特征比对的方法，这里面有以下几个问题很大程度上影响作用效果：1.目标遮挡（O
linolzhang·2017-05-01 22:17

机器翻译中的深度学习技术：CNN，Seq2Seq，SGAN，Dual Learning

，机器翻译技术在过去60多年的时间里一直不断的更新，特别是在2012深度学习技术进入人们视野之后，机器翻译的准确率不断刷新，今天就主要盘点一下各类深度学习机器翻译里面的应用现状，给出一些比较有代表性的论文学习一下
lqfarmer·2017-04-20 22:30

机器翻译中的深度学习技术：CNN，Seq2Seq，SGAN，Dual Learning

，机器翻译技术在过去60多年的时间里一直不断的更新，特别是在2012深度学习技术进入人们视野之后，机器翻译的准确率不断刷新，今天就主要盘点一下各类深度学习机器翻译里面的应用现状，给出一些比较有代表性的论文学习一下
lqfarmer·2017-04-20 22:00

论文学习：深度学习时间序列建模

深度学习时间序列建模原文：DeepLearningforTimeSeriesModelingCS229FinalProjectReport4Step1-线性模型线性回归可以看作特殊的退化的神经网络，他没有隐藏层特征创建的过程是浪费的，因为多项式的展开并没有带来统计特性而且耗时可以用子集选择的方法+扩展变量的方法来解决，但是只能在小的subsets上，而且可能会损失重要的训练信息subset选择方法
iyangdi·2017-04-12 16:30

论文学习：深度循环神经网络用于时间序列预测

深度循环神经网络用于时间序列预测原文：DeepRecurrentNeuralNetworksforTimeSeriesPredictionProblem文章简介内容和后面内容极大重合，有点不知所云感觉前面废话有点多文章内容很晦涩摘要增加隐藏层or增加反馈范围都会提高erro下降的速度数据集：癫痫数据(epilepticseizuresuppressionelectro-stimulator)1In
iyangdi·2017-04-12 11:04

论文笔记之---Person Re-identification in the Wild

Abstract本文提出的方法主要解决了三个问题：不同detectors和recognizers的组合的表现，行人检测对于提升再识别过程中准确率有所帮助这一现象背后的机理，以及评估了不同detectors对re-id
He_is_all·2017-03-13 21:50

卷积神经网络论文学习（Lecun1998）

Ⅰ.介绍A.数据学习自动机器学习可以归纳为，是第p个输入模式，W是学习权值，是识别类标号。损失函数，理想输出。，目标是最小化平均损失以及最小化，所以是个折中问题。其中，h是机器的有效容量（h越大会产生过拟合），P是训练样本，其它是常数。实际上的最小化函数为，H(W)为正则项，其能限制参数空间的容量。B.梯度学习算法随机梯度下降：。C.梯度反向传播将如此简单的算法应用到复杂的机器学习问题的原因：1.
qq229873466·2017-02-17 17:10

【论文学习】YOLO9000: Better,Faster,Stronger（YOLO9000：更好，更快，更强）

原文下载：https://arxiv.org/pdf/1612.08242v1.pdf工程代码：http://pjreddie.com/darknet/yolo/目录目录摘要简介BETTERFasterStronger总结要说的摘要提出YOLOv2：代表着目前业界最先进物体检测的水平，它的速度要快过其他检测系统（FasterR-CNN，ResNet，SSD），使用者可以在它的速度与精确度之间进行权
Joe_quan·2016-12-29 15:31

【深度学习论文】Lenet论文学习笔记

Lenet卷积神经网络Lenet官网介绍链接Lenet是一个用来识别手写数字的最经典卷积神经网络，是YannLeCun在1988年设计并提出的，是早期卷积神经网络中最有代表性之一，其论文是CNN领域第一篇经典之作。Lenet的整体网络如上图所示，Lenet要求手写体要尽量靠近中间，否则识别的准确率可能会偏低。网络将白色点设为-0.1，黑色点设为1.175，整体均值为0，方差为1.C1层训练参数：(
CrazyVertigo·2016-12-11 09:24

今日学习感悟

今天花了五个小时左右的时间在DG方法的论文学习上，主要是在定常的N-S方程DG方法上，以及非协调有限元加罚方法上，有以下学习体会：1>非协调有限元方法的文章出发点：Theterm"nonconformingelements"isusedwhenthetrialfunctionsdonotformasubspaceofthecorrespondingenergyspace
Pixiaoqiu·2016-11-05 21:30

DeepLab: Semantic Image Segmentation

DeepLab:SemanticImageSegmentationwithDeepConvolutionalNets,AtrousConvolution,andFullyConnectedCRFs论文学习笔记
TonyYang1995·2016-07-15 11:23

LDA论文学习笔记

以下内容节选自DavidM.Blei的论文《LatentDirichletAllocation》主要是选自LDA的处理流程部分，可能理解上有很大的偏差，或者表达上有问题，如有误导还想大家多多指教。 LDA原始论文链接为：http://www.jmlr.org/papers/volume3/blei03a/blei03a.pdfLDA中关于词，文档，语料的定义：1． 词（word）是基本的离散数据单
vs412237401·2016-02-04 11:00

【论文学习】神经光流网络——用卷积网络实现光流预测（FlowNet: Learning Optical Flow with Convolutional Networks）

目录目录文章说明光流原理神经光流网络结构介绍1收缩部分网络结构flownetsimple结构flownetcorr结构2放大部分网络结构训练数据集1flyingchairs数据集实验与结果分析Flownetsimple与Flownetcorr对比1文章说明这周学习了一篇文章，文章的名字叫做FlowNet:LearningOpticalFlowwithConvolutionalNetworks。这篇
hysteric314·2016-01-16 21:00

Person Re-Identification by Iterative Re-Weighted Sparse Ranking

PAMI2015Sourcecodeavailableat:http://www.micc.unifi.it/lisanti/source-code/re-id/本文提出了一种简单有效的行人检索。
cv_family_z·2015-11-19 11:00

GFS.BigTable.MapReduce谷歌论文学习笔记

个人在做hadoop有关的开发，作为这种国宝始祖级别的论文无论如何都是要拜读一下的，正好可以从中了解到一些hadoop内部运行机制，读罢不得不掩卷而叹，精，精巧，精准 1.GFS(Google File System) GFS提供了一个与位置无关的名字空间，这使得数据可以为了负载均衡或灾难冗余等目的在不同位置间透明迁移。 GFS并没有在文件系统层面提供任何Cache机制。 GFS
·2015-11-10 23:38

Daily Scrum 2012/11/30

  组员 今天任务 明天任务 胡仁君 任务292 继续小组论文学习交流会 任务367 确定信息抽
·2015-11-02 14:50

Daily Scrum 2012/11/29

  组员 今天任务 明天任务 胡仁君 任务292 继续小组论文学习交流会 任务367 确定信息抽取的主要算法 任务367 确定信息抽取的主要算法  
·2015-11-02 14:49

显著性论文学习阶段总结（一）

1.Mingming Cheng,Global Contrast based Salient Region Detection,CVPR2011 1) HC：基于直方图对比度的方法，每一个像素的显著性值是由它与图像中所有其他像素的颜色差异来确定，得到全分辨率显著性图像； 2) RC：基于局部对比度的方法，先将图像分
·2015-11-01 10:02

显著性论文学习阶段总结（二）

1.Ali Borji, Laurent Itti, Exploiting Local and Global Patch Rarities for Saliency Detection, CVPR2012 1) 系统框架：   2) 
·2015-11-01 10:02

【 hector slam】A flexible and scalable slam system with full 3d motion estimation

 Aflexibleandscalableslamsystemwithfull3dmotionestimation 论文学习记录这篇论文系统框架，栅格多阈值，更新同步与伪数据，扫描匹配起始点，协方差交叉融合的思想还是值得借鉴的
zyh821351004·2015-08-12 11:00

《信息检索》第8讲 毕业论文学习指导（资源及预习材料）

课程资源第8讲：毕业论文指导（PPT与2014届毕业生选题及论文）。课堂相关内容（1）找工作面试流程实例：招聘网站投简历；提前一天发两道编程题（陌生的语言，如lua）；笔试（Java基础，应聘web开发）；面试（Java设计模式等）。仅供参考。（2）TED视频：超越极限的生活；《拥抱拒绝》书籍。（3）Coursera课程《Creativity,Innovation,andChange|创意，创新,
行者-丁又专·2014-10-14 13:47

《信息检索》第8讲 毕业论文学习指导（资源及预习材料）

课程资源  第8讲：毕业论文指导（PPT 与2014届毕业生选题及论文）。课堂相关内容（1）找工作面试流程实例：招聘网站投简历； 提前一天发两道编程题（陌生的语言，如lua）； 笔试（Java基础，应聘web开发）； 面试（Java设计模式等）。  仅供参考。（2）TED视频：超越极限的生活；《拥抱拒绝》书籍。（3）Coursera课程《Creativity,Innovation,andChang
dingyouzhuan0221·2014-10-14 13:00

手势跟踪论文学习：Realtime and Robust Hand Tracking from Depth（五）Hand Initialization 2

论文阅读原创，转载标明出处：回顾：上一节我们说到了，作者通过自己定义的X-YFinger和Z-Finger来进行手指的检测，然后来初始化HandPose。其实勒，手指经常都会死斜着的。也就是说不会是标准的X-YFinger和或者Z-Finger。那作者是如何的处理的勒？手指的检测：对于手指的检测，先进行X-YFinger的检测。然后分割出去；再进行Z-Finger的检测。但是如果再进行Z-Fing
u012192662·2014-09-15 18:00

手势跟踪论文学习：Realtime and Robust Hand Tracking from Depth（四）Hand Initialization

论文阅读原创，转载请标明出处：http://blog.csdn.net/ikerpeng/article/details/39251373在多次的阅读这篇论文以后才明白文章的结构为什么这样安排：将HandInitialization这部分放在文章的所有的优化算法的最后，说明整个算法即便是不要这一部分的优化也是可以的。我们从文章中的Table2可以看到，不使用HandInitialization得到
u012192662·2014-09-13 15:00

——Linkin论文学习笔记

Kafka是啥？是个消息中间件吗？那和市面上其他一堆堆的中间件例如ActiveMQ,RabbitMQ有什么区别？答案只有一个：Kafka是个集群的消息中间件+存储，一个节点可以存储几T的数据！为啥一个中间件需要存储数据呢？慢慢道来……原来，对于Linkin这样的互联网企业来说，用户和网站上产生的数据有三种：需要实时响应的交易数据，用户提交一个表单，输入一段内容，这种数据最后是存放在关系数据库(Or
brandohero·2014-09-11 17:00

手势跟踪论文学习：Realtime and Robust Hand Tracking from Depth（三）Cost Function

iker原创，转载请标明出处：http://blog.csdn.net/ikerpeng/article/details/39050619RealtimeandRobustHandTrackingfromDepth中的CostFunction学习首先，我们应该知道，输入的数据是什么：3D 点云数据。                         3D点云给我的感觉应该是这样的输出的是：拟合好的手
u012192662·2014-09-04 12:00
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他