数据结构-图
本文字数： 1.2k 阅读时长 ≈ 2 分钟
高斯滤波
本文字数： 14k 阅读时长 ≈ 25 分钟
在进行图像分割之前通常会使用滤波器进行平滑操作，其目的是消除高斯噪声的影响。学习高斯噪声/高斯滤波的相关概念并实现高斯滤波器
[译]高效的基于图的图像分割
本文字数： 53k 阅读时长 ≈ 1:37
论文及C++实现下载地址：Efficient Graph-Based Image Segmentation
PPM文件解析
本文字数： 6.3k 阅读时长 ≈ 12 分钟
最近进行图像处理时遇到PPM文件，其格式与PGM文件类似，参考Python pgm解析和格式转换进行PPM文件格式解析以及图像格式转换
基于图的图像分割-引言
本文字数： 2k 阅读时长 ≈ 4 分钟
学习R-CNN过程中发现其前期使用了选择性搜索方法进行区域提取，而在选择性搜索方法中使用了论文Efficient Graph-Based Image Segmentation提出的基于图的图像分割算法
[数据集]PASCAL-VOC
本文字数： 660 阅读时长 ≈ 1 分钟
PASCAL VOC(visual object classes)提供了图像以及标记数据，可用于目标分类、检测、分割等任务
官网地址：The PASCAL Visual Object Classes Homepage
相关实现：zjykzj/vocdev
模型集成
本文字数： 628 阅读时长 ≈ 1 分钟
训练多个独立模型，在测试阶段平均其预测结果，是一种有效的提高检测精度的方法，称为模型集成（model ensemble）
超参数优化
本文字数： 1.1k 阅读时长 ≈ 2 分钟
神经网络/卷积神经网络中存在很多的超参数，并且随着优化技术的发展，越来越多的超参数被加入进来，最常见的超参数包括：
- 初始学习率
- 学习率衰减机制（比如衰减常数）
- 正则化策略（
L2惩罚，随机失活强度）
大多数超参数在训练过程中相对固定，比如动量大小，衰减常数等，cs231n提出一些学习技巧来帮助搜索最佳的超参数值
权重初始化
本文字数： 3.2k 阅读时长 ≈ 6 分钟
合理的权重初始化操作有助于实现更快的训练和得到更好的结果，cs231n中讨论了不同的初始化权重方式：Weight Initialization