前言 谷歌推出的NASNet架构，用于大规模图像分类和识别。NASNet架构特点是由两个AutoML设计的Layer组成——Normal Layer and Reduction Layer，这样的效果是不再需要相关专家用human knowledge来搭建卷积网络架构，直接用RNN把Hyperparameter计算出来，这样就实现了网络结构...

在三维重建过程中，如果使用了IMU-惯导系统，一般可以得到一个大致可信的相机位姿转换。基于IMU短时间可信的原则，重建问题着重在地图的构建问题，即根据图像来获取点集的空间位置（六自由度），重要的一点的是获取深度信息。文章有改动，如有感觉不适，请移步原文章。原文链接：三角测量原理与双目视觉景深恢...

（一）：次优最近邻：http://en.wikipedia.org/wiki/Nearest_neighbor_search有少量修改；如有疑问，请看链接原文.....1.Survey:Nearest neighbor search (NNS), also known as proximity search,similarity search or...

NLP中关于语音的部分，其中重要的一点是语音信号从背景噪音中分离。比如在一个办公室场景中，有白天的底噪-类似于白噪音的噪音、空调的声音、键盘的啪啪声、左手边45度7米元的地方同事讨论的声音、右手边1.5米远处同事讨论的声音、打印机的声音。各种声音混杂在一起，从自然人的角度来分别，很容易做到区分各种声音。 以自然人的观点来看，...

自然语言处理的三个里程碑：http://blog.csdn.net/sddamoke/article/details/1419973两个事实分别为：一、短语结构语法不能有效地描写自然语言。二、短语结构规则的覆盖有限。Chomsky 曾提出过这样的假设,认为对一种自然语言来说,其语法规则的数目是有限的,而据此生成的句子数目是无限的。文中提到...

在古老的CNN方法出现以后，并不能适用于图像中目标检测。20世纪60年代，Hubel和Wiesel(百度百科 )在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural Networks-简称CNN）。参...

原文连接：MxNet和Caffe之间有什么优缺点一、前言：Minerva: 高效灵活的并行深度学习引擎不同于cxxnet追求极致速度和易用性，Minerva则提供了一个高效灵活的平台让开发者快速实现一个高度定制化的深度神经网络。Minerva在系统设计上使用分层的设计原则，将“算的快”这一对于系...

前言：经过尝试过几次Caffe，theano，MxNet之后，很长时间没有进行caffe的更新，此次在Ubuntu16.04下安装Caffe，折腾了一天时间，终于安装成功。参考链接：Caffe+UbuntuKylin14.04_X64+CUDA 6.5配置一 配置CUDA8.0既然使用了最新...

深度学习为深度神经网络机器学习。07年最先引起注目的是DNN，在语音识别上有突出的表现；深度CNN在机器视觉领域的超常表现引领模式识别领域科学界和工业界的潮流，基于图像数据本身的二维结构天然适合CNN处理；RNN对时序和变长数据的处理优势促使语音识别和视频分析又有较大发展；此外可应用于增强学习的新的深度网络形式可以完成游戏策略训练过程，提...

几乎每一次神经网络的再流行，都会出现：推进人工智能的梦想之说。前言：Marr视觉分层理论 Marr视觉分层理论（百度百科）：理论框架主要由视觉所建立、保持、并予以解释的三级表象结构组成，这就是: a.基元图(the primal sketch)—由于图像的密度变化可能与物体边界这类具体的物理性质相对应，因此它主...