原创 Matrix Computations-4nd Edition---Chapter 1. Matrix Multiplication

最近感到數學太渣,想慢慢地撿起,從矩陣計算開始,買了一本書:Matrix Computations-4th edition, Gene H. Golub, Charles F. Van Loan ,將學習中的體會記錄到這裏(主要是比較模

原创 課程資源---持續更新

1:Purdue University Digital Image Processing I

原创 好論文是如何煉成的-林宙辰

微軟亞洲研究院視覺計算組林宙辰研究員在又一個與實習生對話的“星期五講座”中,從宏觀到微觀,從寫論文的哲學、習慣到技巧,系統地解答了:“爲什麼要寫論文”、“什麼樣的論文才是好論文”、“好論文是如何寫出來的”三個問題。   爲什麼要寫論文—

原创 latex參考文獻

1: latex參考文獻中加入& 在某些時候,需要在bib的參考文獻中加入&符號,可以用以下操作: $\&$

原创 幾個較經典的interactive image segmentation算法

看論文時,看到了幾篇基於交互的圖像分割算法,這裏羅列一下,後期有時間時再一一拜讀,大家有好的論文可以告訴我,我會隨時進行補充 1:  Interactive Image Segmentation Based on Level Sets

原创 Michael Jordan on Machine Learning

這是Michael Jordan關於big data的訪談錄,其中有講到deep learning,以下是原文連接: Machine-Learning Maestro Michael Jordan on the Delusions

原创 Spectral Graph Theory

關於Spectral Graph Theory幾個課程的鏈接 1: CMU Spectral Graph Theory, Linear Solvers and Applications 2 : illinois Spectral

原创 計算機視覺領域企業

圖普科技: http://www.tuputech.com格靈深瞳: http://www.deepglint.com大疆創新:http://www.dji.com/Face++: http://www.faceplusplus.com.

原创 美劇資源-網盤鏈接

看了一些美劇,昨天與朋友聊到,說是很難找到比較全的資源,故而把鏈接放出來。由於版權限制,我只放兩個資源,至於其他的,如有需要網盤鏈接的,在留言處留下郵箱,我會集中抽時間發送鏈接到郵箱。以下是我的部分珍藏: 放出的鏈接: 1

原创 Semi-supervised Learning in Gigantic Image Collections

1: 文章信息 Rob Fergus, Yair Weiss, Antonio Torralba: Semi-Supervised Learning in Gigantic Image Collections. NIPS 2009: 52

原创 深度學習---開源框架(Github)

1:TensorFlow: Google開源了TensorFlow,必然是開源深度學習軟件中的明星產品 https://github.com/tensorflow/tensorflow 2:Caffe 源自加州伯克利分校,由

原创 工具包或者代碼---持續更新

包含一些不錯的工具包,主要是源代碼之類: 1:Darwin http://drwn.anu.edu.au/ 2 : LIBSVX A Supervoxel Library and Benchmark for Early Video P

原创 一些Deep Learning的資源---持續更新中

最近看到不少deep learning的論文與好的資源,將這些收集起來,會持續不斷的補充,也歡迎大家提供信息 1:華南理工一個碩士zouxy09的CSDN博客,寫得不錯 http://blog.csdn.net/zouxy09/arti

原创 Saliency Region Selection in Large Aerial Imagery using Multi-scale SLIC Segmentation

1 : Saliency Region Selection in Large Aerial Imagery using Multi-scale SLIC Segmentation, Proc. SPIE 8360, Airborne In

原创 換臉-入門

目前深度學習的應用已經深入各個方向,涌現了很多有意思的技術,尤其是最近很火的面部互換很有意思,本文將結合原理與代碼來進行一個比較簡單的入門介紹,分爲以下兩個部分: 原理 代碼 原理 Autoencoder 首先來看autoenc