论文笔记《ImageNet Classification with Deep Convolutional Neural Network》
一、摘要 了解CNN必读的一篇论文，有些东西还是可以了解的。 二、结构 1、 Relu的好处： 1、在训练时间上，比tanh和sigmod快，而且BP的时候求导也很容易 2、因为是非饱和函数，所以基本不会出现梯度消失的情况 Relu只要控制 ...
原文：《Multi-focus image fusion with a deep convolutional neural network》论文笔记
Abstract 图像融合有两个关键的步骤，一个是特征提取一个是融合规则。通过学习一个神经网络模型可以生成联合生成特征提取和融合规则这两部分。网络训练数据是高分辨图像块和对应的模糊处理。 .Introduction 总 分 总 引题 图像融合的理论可以分为基于变换域和基于空间域两部分。分别就两类域各自具有代表性的方法进行阐述。之后总结确定引出本文主题。有论文提出可以将多聚焦图像融合看成分类问题 如 ...
2019-03-25 16:11 0 640 推荐指数：
相关推荐
论文笔记之《Event Extraction via Dynamic Multi-Pooling Convolutional Neural Network》
1. 文章内容概述 本人精读了事件抽取领域的经典论文《Event Extraction via Dynamic Multi-Pooling Convolutional Neural Network》，并作出我的读书报告。这篇论文由中科院自动化所赵军、刘康等人发表于ACL2015会议，提出 ...
论文笔记（6）：Weakly-and Semi-Supervised Learning of a Deep Convolutional Network for Semantic Image Segmentation
这篇文章的主要贡献点在于： 1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型； 2.可以利用bounding box来进行训练，并且得到了较好的结果，这样可以代替用pixel-leve ...
论文笔记《Notes on convolutional neural networks》
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 ...
【论文笔记】Question Answering over Freebase with Multi-Column Convolutional Neural Networks
论文原址：https://www.aclweb.org/anthology/P15-1026.pdf 该文章发于ACL 2015，作者提出了一个基于Freebase，使用multi-column convolutional neural networks(MCCNNs)的自动 ...
论文笔记之：Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
Learning Multi-Domain Convolutional Neural Networks for Visual Tracking CVPR 2016 Project page: http://cvlab.postech.ac.kr/research/mdnet/ Paper ...
论文笔记(Filter Pruning via Geometric Median for Deep Convolutional Neural Networks Acceleration)
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}}{\ ...
论文笔记 — Learning to Compare Image Patches via Convolutional Neural Networks
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 ...