作者使用RNN构造了一个Structure Inference Machine,将分类器输出的图片中每个人和整张图片的概率分布(即sofmax层输出)做RNN输入,推理出整张图片的Group Activity。
DeepCAMP - Deep Convolutional Action & Attribute Mid-Level Patterns - 论文笔记
CVPR16论文,结合discriminative patch和整张图片信息进行人体动作和属性识别
Thin-Slicing for Pose - Learning to Understand Pose without Explicit Pose Estimation - 论文笔记
这篇文章主要使用了DCNN构造了一个嵌入函数(embedding function),能够感受姿态并将相似姿态的人投影到嵌入空间邻近区域中。作者说其结构能有效剔除服装、背景、和成像因素以学习鲁棒的人体姿态特征。对于各种姿态相关任务,这种方法计算高效并且不需要明确的估计姿势,绕过了定位关节的问题。作者还给出采用此方法的图像检索和姿态识别的例子。
Deep Residual Learning for Image Recognition - 论文笔记
原文地址:Deep Residual Learning for Image Recognition
ResNet采用了深度残差学习的方法将网络深度大大加深,在实现过程中作者使用了诸如恒等映射等先验知识很值得参考。
Going deeper with convolutions - 论文笔记
原文地址:Going deeper with convolutions
GoogLeNet(Inception v1)通过重新设计网络结构在维持计算消耗不变同时增加了网络宽和深。
Very deep convolutional networks for large-scale image recognition - 论文笔记
原文地址:Very deep convolutional networks for large-scale image recognition
VggNet在ILSVRC-2014上分别获得定位和分类项目中第一名和第二名的成绩,其主要采用3x3的小卷积并将模型深度增加到16-19层。
ImageNet Classification with Deep ConvolutionalNeural Networks - 论文笔记
原文地址:ImageNet Classification with Deep ConvolutionalNeural Networks
AlexNet是2012年ILSVRC的冠军, Top1和Top5的Error Rate分别为: 37.5%, 17.0%.
cmder中文显示相关问题解决方案(1.3以上版本)
cmder虽然Windows命令行的进阶版,虽然好看易用,但其中文编码一直是个问题。网上有不少博客给出解决方案,大部分都已因为版本更新失效。
本文解决方案针对1.3以上版本的cmder用户
CSS选择器权重及样式优先级
CSS样式应用到元素上的规则可以简述为:先将所有样式按来源、权重排序;然后取权重高的样式,权重相同的样式根据“就近原则”应用。
我们先从选择器权重说起:
Caffe-Python接口常用API参考
本文整理了pycaffe中常用的API