前向传播与后向传播与神经网络类似。Loss = -yt*log(yt’)。其中yt表示时刻t正确的结果，yt’是预测的结果。RNN的弊端：当时间间隔变大时，早些时间的信息难以被学习。直观原因：RNN的激活函数tanh可以映射到-1到1之间，利用梯度下降调优时用链式法则，很多个小于1的数值相乘会很快逼近0。

本文处理了半监督视频物体分割的问题，如给出第一帧的掩码，在视频中将这个物体从背景中分开。我们展示了OSVOS，一个基于全卷积神经网络的结构。这个结构在ImageNet进行预学习，对前景进行语义分割，最终利用一张标注的图片来实现整个视频序列中该物体的分割。所有帧都是独立处理的，但是结果显示连贯稳定。我们在两个有...

ADAS系统面临的瓶颈事认知问题，其中包括两类，一类是道路和车道线认知，一类是障碍物（如车辆、行人）识别。本文关注前者。道路颜色、texture（质地、结构）、道路的边界以及车道线是被是人类行驶时的主要认知线索。道路和车道线检测包括检测道路的长度、车道线的数量和位置、合并、分离和终止线以及道路在城市、乡村和...

尽管在交通标志识别和分类领域已经取得了不错的成绩，但是很少有在real world images中同步处理两个tasks的研究。论文有两个特点。一是创建了一个100000张全景的Benchmark,有30000张包含了交通标志。这些图片覆盖了不同光线和天气状况。每个交通标志都被标注了一个label,边框和pixel mask.这个Benchmark是Tsinghua-Tence...