迁移学习的概述，入门简介

4.Box Refinement/Voting 预测框微调/投票法/模型融合微调法和投票法由工作[4]提出，前者也被称为Iterative Localization。微调法最初是在SS算法得到的Region Proposal基础上用检测头部进行多次迭代得到一系列box，在ResNet的工作中，作者将输入R-CNN子网络的Region Proposal和R-CNN子网络得到的预测框共同进行N...

https://www.leiphone.com/news/201707/TmZfbVdmupizoVcB.html 

https://zhuanlan.zhihu.com/p/1028171806.OHEM 在线难例挖掘OHEM(Online Hard negative Example Mining，在线难例挖掘)见于[5]。两阶段检测模型中，提出的RoI Proposal在输入R-CNN子网络前，我们有机会对正负样本（背景类和前景类）的比例进行调整。通常，背景类的RoI Proposal个数要远远多于前...

DPG包含两个网络：策略网络：控制action运动，故为actor，根据状态s做出决策a；价值网络：不控制action，基于状态s，给a打分，从而指导决策网络做出改进。Critic/策略网络：属于确定性函数。Theta是网络函数。其输入为s，输出不是概率分布，而是一个具体的动作a。给定s，输出的a是确定的，没有随机性。本例中，a是二维的，自由度为2。注意，a，不是说有两个动作，而是有很多动作。可以

http://mp.weixin.qq.com/s/oDMFoPh6wLYFnTP2rG2AuA现在的人脸识别技术已经得到了非常广泛的应用，支付领域、身份验证、美颜相机里都有它的应用。用iPhone的同学们应该对下面的功能比较熟悉iPhone的照片中有一个“人物”的功能，能够将照片里的人脸识别出来并分类，背后的原理也是人脸识别技术。

I3D简介视频的模型，最好要在视频的数据集上进行预训练。I3D模型在现有的数据集上，效果不错。(在本数据集上训练，然后微调，结果很好)在视频中间选一帧，然后做动作分类。效果已经很好了。摘要（1）提出了新的数据集以前的数据集太小，因此无法区分算法的优劣。因此重新构造了数据集。每个视频clip有10s，并且精准的切割(标注)。在此大规模上训练过的数据集，在小数据上有很大的提升。（2）提出了新的模型I3

随机权值平均（Stochastic Weight Averaging，SWA）随机权值平均只需快速集合集成的一小部分算力，就可以接近其表现。SWA 可以用在任意架构和数据集上，都会有不错的表现。根据论文中的实验，SWA 可以得到我之前提到过的更宽的极小值。在经典认知下，SWA 不算集成，因为在训练的最终阶段你只得到一个模型，但它的表现超过了快照集成，接近 FGE（多个模型取平均）。左图...

http://blog.csdn.net/fate_fjh/article/details/528821341.前言   传统的CNN网络只能给出图像的LABLE，但是在很多情况下需要对识别的物体进行分割实现end to end，然后FCN出现了，给物体分割提供了一个非常重要的解决思路，其核心就是卷积与反卷积，所以这里就详细解释卷积与反卷积。    对于1维的卷积，公式

http://blog.csdn.net/whyymlm/article/details/76999469对图片或者视频进行去噪的研究一直以来都是计算机视觉和图像处理领域内的一个重要课题。在现实生活中，因为雨雪会对道路上的路况造成一定程度的遮挡，驾驶车辆行驶在下大雨或大雪的恶劣天气下是非常危险的；不仅如此，在重要位置设置的摄像头也会因为风沙雨雪的遮挡，导致无法提供给公安人员足够的信息来