Python图像数组操作使用python以及numpy通过直接操作图像数组完成一系列基本的图像处理numpy简介：NumPy是一个非常有名的 Python 科学计算工具包,其中包含了大量有用的工具,比如数组对象(用来表示向量、矩阵、图像等)以及线性代数函数。数组对象可以实现数组中重要的操作,比如矩阵乘积、转置、解方程系统、向量乘积和归一化。这为图像变形、对变化进行建模、图像分类、图像聚类等提供了基础...
分类：
编程语言 时间：
2016-01-27 13:04:39
阅读次数：
316
本文介绍一下2015 ImageNet中分类任务的冠军——MSRA何凯明团队的Residual Networks。实际上，MSRA是今年Imagenet的大赢家，不单在分类任务，MSRA还用residual networks赢了 ImageNet的detection, localization, 以及COCO数据集上的detection和segmentation, 那本文就简单分析下Residual...
分类：
Web程序 时间：
2016-01-15 01:15:06
阅读次数：
739
在imagenet上的图像分类challenge上Alex提出的alexnet网络结构模型赢得了2012届的冠军。要研究CNN类型DL网络模型在图像分类上的应用，就逃不开研究alexnet，这是CNN在图像分类上的经典模型（DL火起来之后）。在DL开源实现caffe的model例子中，它也给出了al...
分类：
Web程序 时间：
2016-01-11 16:31:30
阅读次数：
712
本文主要研究使用不平衡数据训练CNN对图像分类的影响。文中使用的数据集是CIFAR-10。使用这些生成的不同的训练集，分别去训练一个CNN。结果显示，不平衡训练集会对结果造成很大的负面影响，而训练集在平衡的情况下，能够达到最好的performance，同时oversampling是一个非常有效的解决imbalance的方法。...
分类：
其他好文 时间：
2015-11-17 00:23:41
阅读次数：
693
LibSVM使用指南本文包含以下几个部分：支持向量机--SVM简介LibSVM的安装LibSVM的使用LibSVM参数调优Java版LibSVM库函数的调用SVM简介在进行下面的内容时我们认为你已经具备了数据挖掘的基础知识。SVM是新近出现的强大的数据挖掘工具，它在文本分类、手写文字识别、图像分类、...
分类：
其他好文 时间：
2015-11-11 11:24:17
阅读次数：
335
Caffe是一个清晰而高效的深度学习框架，本文详细介绍了caffe的优势、架构，网络定义、各层定义，Caffe的安装与配置，解读了Caffe实现的图像分类模型AlexNet，并演示了CIFAR-10在caffe上进行训练与学习
分类：
其他好文 时间：
2015-09-16 19:38:55
阅读次数：
263
因自己论文研究需要用到LLC，但作者Jinjun Wang好像只给出了matlab的实现，自己尝试用C++，用到了OpenCV中的Mat类，但速度实在是忒慢了，每个1000*2000左右的图像需要2000多秒，这怎能容忍！谁来帮忙看下哪里可以简化加速嘞？void LLC_coding_appr(Mat& dic,Mat& x,int knn,vector& His)
{
double beta=...
分类：
编程语言 时间：
2015-08-13 18:12:54
阅读次数：
402
基于Pre-Train的CNN模型的图像分类实验MatConvNet工具包提供了好几个在imageNet数据库上训练好的CNN模型，可以利用这个训练好的模型提取图像的特征。本文就利用其中的 “imagenet-caffe-ref”的模型，提取图像特征(softmax前一层的输出，4096维)，在几个...
分类：
其他好文 时间：
2015-07-23 21:33:15
阅读次数：
437
注：本文学习自CVPR《Linear Spatial Pyramid Matching Using Sparse Coding
for Image Classification》、《Image classification Vy non-negative sparse coding, low-rank and sparse decomposition》及《基于稀疏编码的图像视觉特征提取及应用》...
分类：
其他好文 时间：
2015-07-08 13:05:09
阅读次数：
1085
vgg和googlenet是2014年imagenet竞赛的双雄，这两类模型结构有一个共同特点是go deeper。跟googlenet不同的是，vgg继承了lenet以及alexnet的一些框架，尤其是跟alexnet框架非常像，vgg也是5个group的卷积、2层fc图像特征、一层fc分类特征，可以看做和alexnet一样总共8个part。根据前5个卷积group，每个group中的不同配置，vgg论文中给出了A~E这五种配置，卷积层数从8到16递增。从论文中可以看到从8到16随着卷积层的一步步加深，貌...
分类：
其他好文 时间：
2015-07-01 20:40:47
阅读次数：
198
