机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。学习方式    根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算法按照学习方式分类是一个不错的想法，这样可

摘要：本文融合了Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite和Vision meets Robotics: The KITTI Dataset两篇论文的内容，主要介绍KITTI数据集概述，数据采集平台，数据集详细描述，评价准则以及具体使用案例。本文对KITTI数据集提供一个较为详细全面的介绍，重点关注利用

面向医学图像分析的深度学习研究方案这是一篇有关“深度学习在医学图像处理方面”的研究报告的第一节，主要包含研究对象，常用方法，深度学习简介，研究现状，研究重点。在撰写报告时，我找到了两篇 Deep learning for BioInformation / BioMedicine 的综述文章，也一并分享出来：Deep Learning in BioinformaticAp

牛人主页（主页有很多论文代码）Serge Belongie atUC San DiegoAntonioTorralba at MITAlexei Ffros atCMUCe Liu atMicrosoft Research New EnglandVittorioFerrari at Univ.of EdinburghKristenGrauman at UT Austin

面向医学图像分析的深度学习研究方案这是一篇有关“深度学习在医学图像处理方面”的研究报告的第一节，主要包含研究对象，常用方法，深度学习简介，研究现状，研究重点。在撰写报告时，我找到了两篇 Deep learning for BioInformation / BioMedicine 的综述文章，也一并分享出来：Deep Learning in BioinformaticAp

前言：本文转载lancezhange 的博文《对抗样本和对抗网络》，文章介绍了对抗样本的概念和相关文献，并且进一步介绍了生成式对抗网络（GenerativeAdversarial Nets, GAN）。    所谓对抗 样本是指将实际样本略加扰动而构造出的合成样本，对该样本，分类器非常容易将其类别判错，这意味着光滑性假设(相似的样本应该以很高的概率被判为同一类别)某种程度上被推翻了。

在Caffe中，目前有两种可视化prototxt格式网络结构的方法：使用Netscope在线可视化使用Caffe提供的draw_net.py本文将就这两种方法加以介绍1. Netscope:支持Caffe的神经网络结构在线可视化工具　　Netscope是个支持prototxt格式描述的神经网络结构的在线可视工具，网址:　　http://ethere

CALTECH 101(加利福尼亚理工学院101类图像数据库)的简介及相关论文链接。

opencv 2 归一化函数normalize详解1. 归一化定义与作用    归一化就是要把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。首先归一化是为了后面数据处理的方便，其次是保证程序运行时收敛加快。归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在某个区间上是统计的坐标分布。归一化有同一、统一和合一的意思。    归一

博主目前研究可见光遥感图像的物体检测问题，需要在Google Earth 20级地图上制作数据集。本文主要介绍遥感图像处理平台ENVI以及基于ENVI的样本采集方法。1.ENVI简介　　ENVI——完整的遥感图像处理平台ENVI(The Environment for Visualizing Images)是美国Exelis Visual Information Solutions公司的旗舰产品，