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boundingbox来进行训练，并且得到了较好的结果，这样可以代替用pixel-level训练中的groundtruth；3.当我们用少量的pixel-levelannotations和大量的图像整体的弱标签来进行半监...
论文笔记（4）：Fully Convolutional Networks for Semantic Segmentation
首先回顾CNN测试图片类别的过程，如下图：主要由卷积，pool与全连接构成，这里把卷积与pool都看作图中绿色的convolution，全连接为图中蓝色的fullyconnected。卷积主要是获取高维特征，pool使图片缩小一半，全连接与传统神经网络相似作为权值训练，最后通过softmax输出概率最高的类别。上图中n...
论文笔记（1）：From Image-level to Pixel-level Labeling with Convolutional Networks
文章采用了多实例学习（MIL）机制构建图像标签同像素语义的关联。该方法的训练样本包含了70万张来自ImageNet的图片，但其语义分割的性能很大程度上依赖于复杂的后处理过程，主要包括图像级语义的预测信息、超像素平滑策略、物体候选框平滑策略和MCG分割区域平滑策略。下图是论文所用方法的一般性说明：（1）使用来...
论文学习：Fully Convolutional Networks for Semantic Segmentation
发表于2015年这篇《FullyConvolutionalNetworksforSemanticSegmentation》在图像语义分割领域举足轻重。通常CNN网络在卷积层之后会接上若干个全连接层,将卷积层产生的特征图(featuremap)映射成一个固定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像...
centos 7 network.service control process exited
一、servicenetworkrestart出错问题描述：vmware12下centos7网络模式，NAT昨晚作者打算更新自己虚拟机python,发现没网络pingwww.baidu.com，然后windows上ping192.168.187.130本地，发现没问题，所以重启网络服务:servicenetworkre...
Language Modeling with Gated Convolutional Networks(句子建模之门控CNN）--模型简介篇
最近忙着实验室的项目，一直没有时间做仿真，所以就先写一下之前看的一篇文章，总结一下吧。这次要说的是GatedCNN，这也是第一次将门限控制引入到CNN中的文章，感觉十分有新意，效果也很棒。下面我们来看一下，文章的主要贡献包括：提出一种新的门控机制缓解梯度传播，降低梯度弥散等现象相比LSTM，模型更加简单，收敛速度更快模...
（译）理解 LSTM 网络 （Understanding LSTM Networks by colah）
@翻译：huangyongye原文链接： UnderstandingLSTMNetworks前言：其实之前就已经用过LSTM了，是在深度学习框架keras上直接用的，但是到现在对LSTM详细的网络结构还是不了解，心里牵挂着难受呀！今天看了tensorflow文档上面推荐的这篇博文，看完这后，焕然大悟，对LST...
Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches 译文
我们提出了一种从已纠正的一对图片来提取深度信息的方法。我们的方法聚焦于很多立体构建算法的第一阶段：匹配损失（matchcost）计算。我们通过卷积神经网络通过对小的图像块的相似度的学习，来解决这个问题。通过构建一个二分类的数据集（相似，不相似的样本）进行有监督的训练。我们提出连个网络去实现这个任务，一个调整速度、一个调...