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。

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

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。

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。

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。

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。

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：

本文整理了pycaffe中常用的API