- 博客(5)
- 收藏
- 关注
RSS订阅原创 4.1.2023
具体来说，re-parameterization 技术可以将一个随机变量 z 表示为 μ + σε 的形式，其中 μ 和 σ 是模型的可学参数，ε 是从标准正态分布中采样得到的随机噪声。类似的操作还有，PIL库中的Image.open('1.jpg')，不同的是Image.open()函数返回的是PIL库中的Image对象，其中包含了图像的像素信息以及一些相关的元数据，可以进行后续的各种图像操作。查找表可以由numpy数组表示，其中每个元素表示输入像素值的索引，对应的输出像素值为该元素的值。
2023-04-01 22:33:26
2267
原创 3.30.2023
本文的优点在于基于注意力对图片的细粒度特征的提取，所提出的SAVER方法在自监督的情况下较好的提取出了图片的细粒度特征并与前一步粗糙建模的图像一起输入特征提取网络中，之后采取有监督的方式进行训练，得到的效果在当时来说提高了较大的精确度的提升。（2）在特征提取阶段采用了常用的三元组损失和分类损失，其中三元组损失使用了难正负样本作为输入进行计算。D.将残差图像和原始图片进行拼接，得到一个6通道的张量，并将其输入特征提取部分。B.只将原始图片与生成图片相减得到的残差图片输入特征提取部分；
2023-03-30 17:26:41
57
原创 从零开始的深度学习——写在前面
目前博主研一下学期，就读于某双非院校，本科专业是理科类，中间工作过几年，之后考研，研究生专业选择的是人工智能方向，目前的研究方向是车辆重识别（vehicle re-identification），毕业的目标目前是想继续读博，当然也得看够不够资格，反正尽力吧。算是纯小白从零开始的深度学习吧，导师是一个很厉害的青椒，平时和导师的交流也比较多，导师也会给比较详细的指导，但是基础方面的欠缺得靠自己去弥补，由于之前每次学完一个新概念，过段时间不接触就会遗忘，所以想到通过写博客加深印象，也方便之后的整理归纳。
2023-03-30 16:40:01
47
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