專注Android 圖形顯示 多媒體
發(fā)簡信
IP屬地：浙江
-
OpenGL 計算著色器1.簡介 計算著色器(Compute Shader)是一個特殊類型的著色器，其獨立于OpenGL的圖像渲染管道之外。他們被設(shè)計出用于充分利用圖像處理器GPU的大規(guī)模并發(fā)計算能...
-
雙流法 (Two-Stream) 以及 C3D卷積簡介 雙流法 以及 C3D 算是行為識別中比較經(jīng)典也是比較基本的兩種方法，一下就對這兩種方法進行一個簡單的記錄。簡單來說，其實雙流法與C3D卷積網(wǎng)絡(luò)所要處理的問題都是在一段視...
-
R-FCN 以及 FCN 的粗略理解簡單來說 FCN 其實就是一個網(wǎng)絡(luò)，它里面全部都是卷積層和池化層。那么對于，這樣子的網(wǎng)絡(luò)可以做什么呢？ 我們知道CNN對于一張圖片的卷積提取特征到最后 feature map...
-
Faster RCNN 粗略理解Faster RCNN 簡單來說，是將區(qū)域框的建議做成了一個可以訓(xùn)練的網(wǎng)絡(luò)框架（RPN）。隨后對RPN出來的結(jié)果來進行 Fast RCNN 的篩選。 RPN 網(wǎng)絡(luò)如何做到建議...
-
MobileNets（v1）, SqueezeNetMobileNets MobileNets 總體來說是一個減少參數(shù)計算量的一個網(wǎng)絡(luò)架構(gòu)。并且提出了兩個參數(shù)進行網(wǎng)絡(luò)模型參數(shù)的縮減（其實就是兩個比例來進行計算量的縮放，在【0,...
-
Joint Training of a Convolutional Network and aGraphical Model for Human Pose Estimation【解讀】這是一篇14年的關(guān)于使用卷積神經(jīng)網(wǎng)絡(luò)框架做關(guān)節(jié)點熱力圖的一篇文章。該篇文章在以下方面進行了改進?！鞠噍^于改進，我們先要敘述一下不足的地方】 Multi-Resolution ...
-
DeepPose: Human Pose Estimation via Deep Neural Networks （解讀）這是一篇比較經(jīng)典的人體姿態(tài)識別的文章，以下簡單介紹一下其重大的改進。整篇論文的基調(diào)在于一個關(guān)節(jié)點位置的回歸，使用DNN對人體關(guān)節(jié)節(jié)點位置進行定位。因為CNN網(wǎng)絡(luò)對于圖像大小的...
-
古希臘神話的神譜【未亂搞世代】
最初的天神 卡俄斯 —— 卡俄斯是存在于宇宙形成之前的一片黑暗空間；它的形狀不可描述，可以稱為“混沌”； 歐律諾墨 —— 混沌中的女神，與自己用北風創(chuàng)造的大蛇俄菲翁結(jié)合； 柯...
-
古希臘神話中造人和神的過程
在太初茫茫之時，世界處于一種雜亂無語的“混沌”狀態(tài)；太陽尚未出世，月亮也沒誕生，大海、陸地、天空都糅雜在一塊彼此不分。過了一陣子，天空與大地開始彼此沖突，冷熱軟硬彼此爭斗分離...
-
LRN 和 BN 的區(qū)別 （補一個 LCN）LRN 與 BN 的區(qū)別： ==== LRN 首先，我們知道 LRN 首先是在 AlexNet 中首先，被定義，它的目的在于卷積（即 Relu 激活函數(shù)出來之后的）值進行局部...
-
【日】古事紀 - 記 叁
兔與鱷魚 這個大國主神呢，有許多的兄弟（應(yīng)該也是堂兄或者表兄弟吧），但是他的兄弟們都把自己的國土讓給了大國主神（不是很懂他們的思想），更狗血的是，讓國土的原因是在于，這些兄弟...
-
【日】古事紀 - 記 貳
祓除 伊邪那岐從黃泉回來之后，越發(fā)覺得自己身體不舒服?！揪駶嶑?，跟你上街踩了狗屎，就會覺得渾身不舒服】他就到了筑紫日向之桔小門之阿波岐原，舉行祓除。（接下來就是各種的造神活...
-
【日】古事紀 - 記 壹別天神 神世七代 日本的神世七代的內(nèi)容非常的奇怪，從第三代開始，每一代的神都是兄妹兩人一起出現(xiàn)?！倦y道這就是日式妹控文化的起源？？】 日本島的形成 當然在歷史長河中，一個島嶼...
-
AP，Precision，Recall, mAP 之間的關(guān)系準確率(Accuracy), 精確率(Precision), 召回率(Recall) 和 F1-Measure ====舉個栗子：假設(shè)我們手上有60個正樣本，40個負樣本，我...
-
SPPNet and Fast RCNN 粗略理解SPPNet 簡單說一下 SPPNet 的操作，這個是通過你輸入的size 來決定你最后pooling 層的 SizeX，SizeY, 以及它的 StrideX, Strid...
-
-
關(guān)于不同Batch_Size在LSTM訓(xùn)練與預(yù)測中使用（Keras框架）
博文內(nèi)容借鑒： How to use Different Batch Sizes when Training and Predicting with LSTMs鏈接：http...
-
機器學(xué)習算法抽象層面解釋【樸素貝葉斯，決策樹】
樸素貝葉斯 重要知識點：【樸素貝葉斯的想法是每個特征都是相互獨立，它們互不干涉，所以可以寫成這樣子的形式】【P(X| A,B ) = P (X | A) * P(X| B )...