cheerful090-CSDN博客

原创【Tools】NGC Pytorch使用

NGC：Nvidia Gpu Containerhttps://www.nvidia.cn/gpu-cloud/deep-learning-containers/ NVIDIA GPU Cloud (NGC)NGC 提供的高性能 AI 容器包含 TensorFlow、PyTorch 和 MXNet 等深度学习框架，可以为 AI 研究人员提供诸多帮助。这些预先集成的 GPU 加速框架以及诸如 CUDA 运行时库、NVIDIA 库和操作系统之类的所有必要相关项都由 NVIDIA 进行了调整、测试和验证，现

2022-01-14 19:53:24 2847

原创 [论文阅读：姿态识别&Transformer] 2110 HRFormer: High-Resolution Transformer for Dense Prediction

[论文阅读：姿态识别&Transformer] 2110 HRFormer: High-Resolution Transformer for Dense Prediction文章目录[论文阅读：姿态识别&Transformer] 2110 HRFormer: High-Resolution Transformer for Dense Prediction摘要：1.Introduction2. 相关工作3. High-Resolution Transformer3.1. Multi-reso

2021-12-29 20:22:30 1723

原创 [论文阅读：姿态识别&Transformer] Attend to Who You Are: Supervising Self-Attention for Keypoint Detection...

[论文阅读：姿态识别&Transformer] 2111 Attend to Who You Are: Supervising Self-Attention for Keypoint Detection and Instance-Aware Association文章目录[论文阅读：姿态识别&Transformer] 2111 Attend to Who You Are: Supervising Self-Attention for Keypoint Detection and Insta

2021-12-28 21:43:47 2627

原创 [论文阅读：姿态识别] 2107 SimDR: Is 2D Heatmap Representation Even Necessary for Human Pose Estimation?

[论文阅读：姿态识别] SimDR: Is 2D Heatmap Representation Even Necessary for Human Pose Estimation?文章目录[论文阅读：姿态识别] SimDR: Is 2D Heatmap Representation Even Necessary for Human Pose Estimation?摘要：1.IntroductionContributions2. 相关工作3. 框架总览3.1. 基于热图的坐标表示3.2. SimDR：从分类的

2021-12-22 15:38:03 3032 1

原创 [论文阅读：姿态识别&Transformer] 2104 TokenPose: Learning Keypoint Tokens for Human Pose Estimation

[论文阅读：姿态识别&Transformer] 2104 TokenPose: Learning Keypoint Tokens for Human Pose Estimation文章目录[论文阅读：姿态识别&Transformer] 2104 TokenPose: Learning Keypoint Tokens for Human Pose Estimation摘要：1.IntroductionContributions2. 相关工作3. 框架总览3.1. FCN-based Huma

2021-12-21 17:06:03 2218 1

原创 [论文阅读：姿态识别&Transformer] POET: End-to-End Trainable Multi-Instance Pose Estimation with Transformers

[论文阅读：姿态识别&Transformer] 2103 POET: End-to-End Trainable Multi-Instance Pose Estimation with Transformers文章目录[论文阅读：姿态识别&Transformer] 2103 POET: End-to-End Trainable Multi-Instance Pose Estimation with Transformers摘要：1.introduction2. 相关工作2.1. Transf

2021-12-14 16:57:00 3497

原创 [论文阅读：姿态识别&Transformer] TFPose: Direct Human Pose Estimation with Transformers

[论文阅读：姿态识别&Transformer] TFPose: Direct Human Pose Estimation with Transformers文章目录[论文阅读：姿态识别&Transformer] TFPose: Direct Human Pose Estimation with Transformers摘要：1.IntroductionContributions2. 相关工作3. 框架总览3.1. TFPose Architecture3.2. Transformer En

2021-12-13 19:56:12 4059

原创 [论文阅读：姿态识别&Transformer] TransPose: Keypoint Localization via Transformer 2021 ICCV

[论文阅读：姿态识别&Transformer] TransPose: Keypoint Localization via Transformer 2021 ICCV2021 ICCV 来自东南大学paper https://arxiv.org/abs/2012.14214github https://github.com/yangsenius/TransPoseTranspose使用卷积进行特征图提取，Transformer编码层通过query-key-value注意力迭代地从序列中捕获

2021-12-11 22:38:30 5609 3

原创 [论文阅读：Transformer] 2111 Restormer:Efficient Transformer for High-Resolution Image Restoration

[论文阅读：Transformer] 2111 Restormer:Efficient Transformer for High-Resolution Image Restorationlow-level领域最新Transformer: Restormerhttps://paperswithcode.com/paper/restormer-efficient-transformer-for-high 可以看到其已经在low-level领域屠榜了代码：https://github.com/swz30/

2021-11-29 20:15:17 4729 3

原创 [论文阅读：姿态识别] Integral Knowledge Distillation for Multi-Person Pose Estimation

这里写自定义目录标题[论文阅读：姿态识别] Integral Knowledge Distillation for Multi-Person Pose Estimation2020 IEEE Signal Processing Letters 在多人姿态估计中使用知识蒸馏工作重点框架总览Feature Distillationlogit DistillationStructure Distillation最终优化实验结果消融实验[论文阅读：姿态识别] Integral Knowledge Distilla

2021-09-15 22:56:50 808 1

原创【学习笔记】机器学习-强化学习简介

强化学习强化学习（Reinforcement Learning）1. 基本概念2. 简介：3. 基本概念4.特点应用二、遗憾最小化算法（博弈）1、概述2、遗憾匹配强化学习（Reinforcement Learning）1. 基本概念强化学习(reinforcement learning)，又称再励学习、评价学习，是一种重要的机器学习方法，在智能控制机器人及分析预测等领域有许多应用。用于描述和解决智能体（agent）在环境交互过程中通过学习策略以达到回报最大化或实现特定目标的问题。侧重在线学习并试

2021-02-16 13:27:00 1638

原创【学习笔记】机器学习-无监督学习

无监督学习一、无监督学习（unsupervised learning）1. 典型例子：聚类（Clustering）2.无监督学习的重要因素二、 K均值聚类（K-means 聚类）1. K均值聚类算法第一步：初始化聚类质心第二步：把每个待聚类数据放入唯一一个聚类集合中第三步：根据聚类结果，更新聚类质心第四步：算法循环迭代，直到满足条件2. 聚类迭代结束条件3. K均值聚类算法的另一个视角：最小化每个类簇的方差4. K均值聚类算法的不足三、主成分分析（Principle Component Analysis

2021-02-16 12:57:05 1199 1

原创【学习笔记】监督学习-分类和回归

一、回归1.回归分析（regression analysis)用于确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的变量的多少，分为一元回归和多元回归分析；按照因变量的多少，可分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且自变量之间存在线性相关，则称为

2021-02-07 17:42:53 2711

原创【学习笔记】机器学习-监督学习

一. 机器学习（Machine Learning，ML）基本概念1.定义：机器学习是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”2.基本手段（1）从原始数据中提取特征（2）学习映射函数????（3）通过映射函数????将原始数据映射到语义空间，即寻找数

2021-02-07 16:11:53 1964

原创联邦学习分类及前景应用

这里写自定义目录标题联邦学习联邦学习的分类1. 根据数据特点分类2. 根据场景分类联邦学习与分布式学习的区别3. 联合学习的前景与应用4. 模型鲁棒性4.1 恶意攻击4.2 非恶意故障参考文献联邦学习第一次开始写博客，就从前两天调研的联邦学习开始好了。下面将以联邦学习的分类、联邦学习与分布式学习的区别、联邦学习的前景与应用以及模型鲁棒性四个方面展开。联邦学习的分类联邦学习的孤岛数据有不同的分布特征。对于每一个参与方来说，自己所拥有的数据可以用一个矩阵来表示。设矩阵Di表示第i个参与方的数据；设矩阵

2021-01-26 16:26:04 8242 1

cheerful090的博客