无监督学习可以用于获取特征，优于SIFT方法。 神经网络的输入是一对图片。输入彩色图片可以增加网络的训练性能。但是文章全部用的灰度图像。图片size是 。 三个基本的神经网络框架： channel, Siamese, Pseudo siamese。 Essentially these architectures stem from thedifferent way that each of the ...
2017-10-14 10:55 0 1029 推荐指数：
论文： 引入论文中的一句话来说明对比图像patches的重要性，“Comparing patches across images is probably one of the most fundamental tasks in computer vision and image ...
以下内容摘自《Bag of Tricks for Image Classification with Convolutional Neural Networks》。 1 高效训练 1.1 大batch训练 当我们有一定资源后，当然希望能充分利用起来，所以通常会增加batch ...
Learning Convolutional Neural Networks for Graphs 2018-01-17 21:41:57 【Introduction】 这篇 paper 是发表在 ICML 2016 的：http://jmlr.org/proceedings ...
首先，容我吐槽一下这篇论文的行文结构、图文匹配程度、真把我搞得晕头转向，好些点全靠我猜测推理作者想干嘛，😈 背景 我们知道传统的CNN针对的是image，是欧氏空间square grid，那么使用同样square grid的卷积核就能对输入的图片进行特征的提取。在上一篇论文中，使用的理论 ...
这是CVPR 2019的一篇oral。 预备知识点：Geometric median 几何中位数 \begin{equation}\underset{y \in \mathbb{R}^{n}}{\ ...
Learning Multi-Domain Convolutional Neural Networks for Visual Tracking CVPR 2016 Project page: http://cvlab.postech.ac.kr/research/mdnet/ Paper ...
Is object localization for free? –Weakly-supervised learning with convolutional neural networks. Maxime Oquab, Leon Bottou, Ivan Laptev, Josef ...
这是个06年的老文章了，但是很多地方还是值得看一看的. 一、概要 主要讲了CNN的Feedforward Pass和 Backpropagation Pass，关键是卷积层和polling层 ...
