原创 ZCA白化變換推導——Learning Multiple Layers of Features from Tiny Images
參考文獻：Learning Multiple Layers of Features from Tiny Images：附錄 設數據集 X 的維數爲 d×n ，且已經中心化 則協方差矩陣爲 1/(n-1)*X*X' 我們想讓這n個d維向量中
2020-02-24 11:47:07
原创 cuda-convnet 在其他數據集上的使用教程
cuda-convnet 是 Alex Krizhevsky 公開的一套CNN代碼，運行於Linux系統上，使用GPU做運算，在cuda-convnet中僅僅提供了Cifar數據集的demo，並且網站上並沒有說明cuda-convnet代
2020-02-24 11:46:56
4
原创 LAPACK使用中出現問題的解決方案（VS平臺下的）
安裝方法引自http://blog.csdn.net/michealmeng555/article/details/6525840 可能會報的錯 1. 錯誤類型：重複定義 解決方案：在項目屬性->鏈接器->輸入->忽略特定默認庫
2020-02-24 11:46:56
原创 hdf5格式的matlab讀寫操作
最近要用caffe處理一個multi-label的迴歸問題，就是輸出是一個向量，不是一個具體的數值，這個時候之前的leveldb格式就不湊效了，因爲caffe源代碼裏面默認label是一個數值，網上搜了下，都說hdf5格式可以解決這個問題
2020-02-24 11:46:56
原创 如何在caffe中添加新的Layer
本文分爲兩部分，先寫一個入門的教程，然後再給出自己添加maxout與NIN的layer的方法 （一） 其實在Github上已經有答案了（https://github.com/BVLC/caffe/issues/684） Here's
2020-02-24 11:46:56
原创 CNN中感受野的計算
感受野（receptive field）是怎樣一個東西呢，從CNN可視化的角度來講，就是輸出featuremap某個節點的響應對應的輸入圖像的區域就是感受野。 比如我們第一層是一個3*3的卷積核，那麼我們經過這個卷積核得到的feature
2018-08-25 22:23:17
3
原创 神經進化學的簡單介紹和一個簡單的CPPN(Compositional Pattern Producing Networks)DEMO
最近迷上神經進化(Neuroevolution)這個方向，感覺是Deep Learning之後的一個很不錯的研究領域。該領域的一個主導就是仿照人的遺傳機制來進化網絡參數與結構。注意，連網絡結構都可以進化，就是不像是傳統的神經網絡，結構是
2018-08-25 22:23:08
36
原创 Affine Transformation中Rotate Transformation的等價變換
2D圖像中的仿射變換種類有平移，旋轉，放縮與SHEAR變換，具體公式可以參考http://cn.mathworks.com/discovery/affine-transformation.html 最近的工作是爲了訓練一個網絡來回歸這些仿
2018-08-25 22:23:07
5
原创 fblualib安裝教程
源碼地址https://github.com/facebook/fblualib 整個安裝教程都建立在你沒有ROOT權限的情況下的，所以一切的安裝都需要你打開shell腳本，一步步執行裏面的安裝指令，並且要修改很多因爲沒有root權限而造
2018-08-25 22:23:05
11
原创 Max Jaderberg用於生成合成樣本的腳本解析
博主十分青睞於使用合成樣本來訓練模型，因爲這種方法非常簡單可依賴，而在text detection領域裏，提到合成樣本不得不說一下VGG組的工作，有關利用合成樣本（Synthetic Data）來訓練模型的文章大家可以去http://ww
2018-08-25 22:23:03
6
原创 ICDAR2015 Robust Reading Task4參賽感想
Robust Reading的Task 4是今年才推出的比賽，與已經公開多年的Task1和Task2相比，Task4的樣本是用手機隨機拍攝的生活場景，不是刻意針對文字拍攝的。 Task1的圖像樣例 Task2 的圖像樣例 Task
2018-08-25 22:23:03
3
原创 caffe-stn移植到高版本的方法
stn (Spatial Transform Network) 的caffe代碼還是有不少的，我個人使用的是https://github.com/happynear/SpatialTransformerLayer 這份代碼的好處是隻給你
2018-08-25 22:23:02
3
原创 利用向量化對圖像做快速賦值
問題背景： 假如我們有一張圖，像素值全部取自一個顏色集合C (有點像是png的壓縮原理) ，目的是將其分辨率降低爲原來的1/2，而且降低分辨率之後的圖像像素一定還是都屬於原來的顏色集合C，假如直接用imresize的話，就會出現壓縮之後像
2018-08-25 22:23:02
原创 籃球最強隊伍與馬爾科夫模型
打籃球的時候經常遇到這樣的情況，11個人，分成4、4、3一共三組，人少的一組上場的時候，由上一場敗下陣的隊伍中出一個人來補上空位。於是我就想，如此反覆的組合隊伍，會不會出現一個最強組合，使得這4個人一直贏比賽呢？當然，這忽
2018-08-25 22:23:02