基於深度學習的性別分類
所謂性別分類指的是給定一張圖片，輸出其中人臉的性別（男性或者女性），由於準確率比之前有大幅提升，基於深度學習的方法目前佔據了主流，CVPR2015上曾發表了一篇基於AlexNet的論文，詳細分析參見基於 CNN的年齡和性別檢測
其存在的問題如下:
1是結構偏舊，畢竟15年很多模型都還沒有出來
2是複雜度高，不適合應用到嵌入式端
3是資料問題，由於用於訓練的圖片僅含有正臉的資料，因此它對於正臉的分類效果還算差強人意，稍微有點傾斜或者模糊基本就慘不忍睹
作者給出的程式碼是基於caffe的，大約4個小時就可以訓練完成，精度在95%左右
當把其移植到計算棒的時候Profile下時間就會發現conv2層佔了幾乎一半的執行時間，因此有必要對其進行優化
相關推薦
學習筆記之——基於深度學習的分類網路
之前博文介紹了基於深度學習的常用的檢測網路《學習筆記之——基於深度學習的目標檢測演算法》，本博文為常用的CNN分類卷積網路介紹，本博文的主要內容來自於R&C團隊的成員的調研報告以及本人的理解~如有不當之處，還請各位看客賜教哈~好，下面
基於深度學習的性別分類
所謂性別分類指的是給定一張圖片，輸出其中人臉的性別（男性或者女性），由於準確率比之前有大幅提升，基於深度學習的方法目前佔據了主流，CVPR2015上曾發表了一篇基於AlexNet的論文，詳細分析參見基於 CNN的年齡和性別檢測 其存在的問題如下: 1是結構偏舊，畢竟15年
基於深度學習和遷移學習的遙感影象場景分類實踐（AlexNet、ResNet）
卷積神經網路（CNN）在影象處理方面有很多出色的表現，在ImageNet上有很多成功的模型都是基於CNN的。AlexNet是具有歷史意義的一個網路，2012年提出來當年獲得了當年的ImageNet LSVRC比賽的冠軍，此後ImageNet LSVRC的冠軍都是都是用CNN做的，並且層
基於深度學習的三維點雲分類的介紹
轉自博主 particle，該文章翻譯自http://www.itzikbs.com/3d-point-cloud-classification-using-deep-learning 在過去的這些年裡，對二維影象已經有了大量深入的研究，並且有著長足的發
【基於深度學習的細粒度分類筆記8】深度學習模型引數量(weights)計算，決定訓練模型最終的大小
Draw_convnet 這幅圖是通過開源的工具draw_convnet(https://github.com/gwding/draw_convnet)生成的。在清楚整個前向計算網路中的每一個層的輸入輸出以及引數設定後可以自己手動畫出計算圖出來，對於引數量計算就很直觀了
基於深度學習的遙感影象分類總概
部落格轉載自：https://blog.csdn.net/qq_40116035/article/details/81414835 傳統的分類方法分兩種：監督分類和非監督分類。監督分類要求對所要分類的地區必須要有先驗的類別知識，即先要從所研究地區中選擇出所有要區分的各類地物的訓練區，用於建立
基於深度學習的文字分類6大演算法-原理、結構、論文、原始碼打包分享
導讀：文字分類是NLP領域一項基礎工作，在工業界擁有大量且豐富的應用場景。傳統的文字分類需要依賴很多詞法、句法相關的human-extracted feature，自2012年深度學習技術快速發展之後，尤其是迴圈神經網路RNN、卷積神經網路CNN在NLP領域逐漸獲得廣
基於深度學習的文字分類方法庫（NLP）
注：本文翻譯自GitHub上的一篇介紹，介紹了基於深度學習的文字分類問題。程式碼和部分模型介紹在GitHub上，文末有連結。這個庫的目的是探索用深度學習進行NLP文字分類的方法。它具有文字分類的各種基準模型。它還支援多標籤分類，其中多標籤與句子或文件相關聯。雖然這些模型很多都
基於深度學習的病理全切片分類與識別
論文筆記 | 基於深度學習的乳腺轉移瘤識別（Deep Learning for Identifying Metastatic Breast Cancer） https://blog.csdn.net/u014593748/article/details/78200173 Dermatol
基於深度學習的細粒度影象分類綜述
文章概要 1.簡介 細粒度影象分類 (Fine-grained image categorization), 又被稱作子類別影象分類 (Sub-category recognition)，是近年來計算機視覺、 模式識別等領域一個非常熱門的研究課題。 其目的是對屬於同一基礎類別的影象（
基於深度學習的三維點雲分類和分割(找了幾篇文章)
https://blog.csdn.net/bflong/article/details/79655200http://www.sohu.com/a/162727821_715754https://www.cnblogs.com/li-yao7758258/p/8182846
基於深度學習的大規模多標籤文字分類任務總結
自然語言處理方向的論文模擬到現在，有以下想法： 1. 很多模型都為啟發式演算法，從直觀上很好理解，但是對於大多數人來說，就是一個黑盒，70%時間都在處理資料和調參。 2. 在資料競賽中，常用的模型就是CNN和RNN，先調出baseline，然後再進行模型融合
基於深度學習的場景分類演算法
目前出現的相對流行的場景分類方法主要有以下三類： （1） 基於物件的場景分類： 這種分類方法以物件為識別單位，根據場景中出現的特定物件來區分不同的場景； 基於視覺的場景分類方法大部分都是以物件為單位的，也就是說，通過識別一些有 代表性的物件來確定自然界的位置。
基於深度學習的圖像語義分割技術概述之5.1度量標準
-s 公平性 的確 由於 表示 n-2 sub 包含 提升 本文為論文閱讀筆記，不當之處，敬請指正。 A Review on Deep Learning Techniques Applied to Semantic Segmentation:原文鏈接 5.1度量標準 為何需
基於深度學習的病毒檢測技術無需沙箱環境，直接將樣本文件轉換為二維圖片，進而應用改造後的卷積神經網絡 Inception V4 進行訓練和檢測
進制 思科 開發 主題 需求 做的 病毒 無法 大於 話題 3: 基於深度學習的二進制惡意樣本檢測 分享主題：全球正在經歷一場由科技驅動的數字化轉型，傳統技術已經不能適應病毒數量飛速增長的發展態勢。而基於沙箱的檢測方案無法滿足 APT 攻擊的檢測需求，也受到多種反沙箱技術的
【OCR技術系列之四】基於深度學習的文字識別（3755個漢字）
架構 indices 編碼 協調器 論文 準備 分享 深度 ast 上一篇提到文字數據集的合成，現在我們手頭上已經得到了3755個漢字（一級字庫）的印刷體圖像數據集，我們可以利用它們進行接下來的3755個漢字的識別系統的搭建。用深度學習做文字識別，用的網絡當然是CNN，那具
基於深度學習生成音樂
cto ont -name 編碼 mp3文件 script 取值 style bsp 之前在看Andrew Ng 的deep learning 視頻教程,在RNN 這一節的課後作業裏,實現了一個基於deepjazz的music generator,實驗之後發現產生的結
深度學習—線性分類器理解
訓練集 所有 分享 距離 tro 更新 問題 最優化 線性分類 1、我們將要實現一種更強大的方法來解決圖像分類問題，該方法可以自然地延伸到神經網絡和卷積神經網絡上。這種方法主要有兩部分組成：一個是評分函數（score function），它是原始圖像數據到類別分值的映射。另
基於深度學習做命名實體識別
note 深度學習 以及 效果 數據集 pre 之前 得到 高達 基於CRF做命名實體識別系列 用CRF做命名實體識別(一) 用CRF做命名實體識別(二) 用CRF做命名實體識別(三) 摘要 1. 之前用CRF做了命名實體識別，效果還可以，最高達到0.9293，當然這是自己
【原創】總結大創項目-基於深度學習的智能紅綠燈調控系統
部門 圖像識別 痛苦 支持 軟件 醫療 要求 穩定 車道檢測 一、產品定位分析 （註：以下調研均發生於2017年5月前。） 由於此次項目最初是為了參加Intel舉辦的某屆基於深度學習的創新應用比賽，當時召集了小組成員集思廣益，想一些具有創意的點子作為此次