- 博客(3)
- 收藏
- 关注
原创 2021人工智能太湖论坛
2021人工智能太湖论浙江大学 李玺 团队 论文:Ultra-fast-lane-Detection 目标检测论文:https://arxiv.org/abs/2004.11757贡献:解决车道检测的视觉识别问题。与深度分割方法相比,该方法不需要对每个像素进行分割,而是选择车道的位置,并在不同的维度上进行分割,具有超快的速度。此外,我们的方法使用全局特征进行预测,这有一个更大的感受域比分割公式。通过这种方式,视觉线索问题也可以得到解决。基于提出的公式,我们提出了结构损失,明确利用车道的先验信息。
2021-10-25 15:29:41
347
原创 深度子域适应网络:Deep Subdomain Adaptation Network for Image Classification
1、简介深度学习需要大量的标签样本,为解决标签问题提出了迁移学习,即从相关的source domain 去学习标签好的数据。但由于不同域间的数据分布也不同,所以学习得到的模型泛化能力不高。在训练、测试数据的分布有变动的情况下去学习一个判别模型叫做domain adaptation 或transfer distributions。在深度特征学习中嵌入domain adaptation模块去提取固定特征 已经证明能带来新的优势。之前的domain adaptation都是在全局域上做迁移,导致一个域内不同
2020-06-02 17:41:18
6278
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人