实习以来开始接触目标跟踪相关的算法，在目标跟踪的任务中，越来越多的方法开始利用深度学习来进行性能的提升，但是基于MOSSE算法思想的传统方法依然占据一席之地，首先我们介绍这一系列算法的相关基础知识，其次我们分析后续基于MOSSE算法的一系列优化算法。

愿我永保赤子的心，我不能迷失在过程里，感谢所有相遇的人。

最近两个月忙着找实习和做实验写论文，一直没更新博客，今天上午听了港中文大学欧阳万里老师关于目标检测的讲座，在思路上很有的启发，结合自己的理解记一下笔记。

在PaddlePaddle上参与了一个开源的Interesting Example的项目, 简单的介绍一下, 欢迎大家参与进来! 请移步idea list

Caffe中的数据的存储交换以及操作都是以blob的形式进行的，layer是模型和计算的基础，net整和并连接layer, 其中Layer层是整个框架的基本计算模块.

阅读Caffe源码过程中的C++学习笔记, 大部分内容来自其他人博客, 趁着学习Caffe源码也学习一下C++的特性, 结合Effective C++那本书, 寻找那本书中的条款在Caffe源码中的应用, 逐渐的补充这篇文章

在用了一段Caffe之后, 打算从今天开始阅读源码, 一方面巩固一下C++的语言特性，增强代码阅读能力, 另一方面学习一下深度学习框架的设计思想, 那么就从Caffe的最基本数据结构开始吧!

在2016百度世界大会上开源的分布式深度学习框架Paddle, 这篇文章是PaddlePaddle的官方文档里关于图像处理方面的学习记录。

在学习了FCN之后特别地兴奋, 也许这就是网络结构的创意带来的思路上的刺激感吧, 于是开始跑一个FCN试试, 还是觉得 Siftflow-fcn8s 比较靠谱, 一个是数据量适当, 另一个是训练任务比较适合现在正在做的事情, 于是训练了一下官方demo, 之后又训练了Pascal-context的任务

最近在负责基于特定关键词的文本分类模块, 写一篇博客总结一下

在布置caffe in docker的过程中, 发现docker容器的存储空间不够用了, 记录一下怎么给容器扩容