深度学习
雁知返
深度学习,计算机视觉,机器学习
展开
-
连续学习之 -- Overcoming catastrophic forgetting in neural networks
Overcoming catastrophic forgetting in neural networks0. Continual learning basics1. 主要内容1.0 EWC (elastic weight consolidation)References本篇博客,主要分析 “Overcoming catastrophic forgetting in neural networks” 一文的主要思想, 来了解连续学习中的参数正则这一类方法。这是来自2016的工作,它将continual l原创 2020-12-14 17:22:24 · 1850 阅读 · 2 评论 -
语义分割数据集说明(一)------Cityscapes,PASCAL VOC2012
数据集使用说明1. Cityscapes2. PASCAL VOC 20121. Cityscapes该数据集包含精标数据5000份,图片数据存放在“leftImg8bit”目录下,语义ground truth放在“gtFine”目录下(gtFine/test下没有),其中图片尺寸: 1024*2048训练集: 2975, 验证集: 500, 测试集: 1525总共类别数目为:包括...原创 2020-02-21 14:16:56 · 2132 阅读 · 0 评论 -
神经网络结构搜索之--DARTS: Differentiable architecture search
neural architecture search--神经网络搜索原创 2020-01-25 08:30:39 · 1097 阅读 · 0 评论 -
Quadratic Video Interpolation 视频插帧
Quadratic Video Interpolation1. 网络整体结构2.这篇文章来自NeurIPS 2019,主要关于视频插帧。视频插帧的目的是在视频中合成新的中间帧,以提高视频的帧率。以前的关于视频插帧工作的主要特点:通常假设物体帧间运动是匀速的,所以通常采用线性模型进行插帧主要考虑两帧之间的信息,没有考虑高阶的运动信息,也即加速度信息这篇论文的主要创新点是:考虑视频中...原创 2020-01-07 16:35:42 · 3339 阅读 · 1 评论 -
点云深度学习系列由浅入深之--Graph Attention Convolution for Point Cloud Semantic Segmentation
点云深度学习系列文章解读之--Graph Attention Convolution for Point Cloud Semantic Segmentation1.主要内容1.1 Graph Attention Convolution1.主要内容1.1 Graph Attention Convolution原创 2019-12-01 02:09:20 · 2510 阅读 · 1 评论 -
点云深度学习系列由浅入深之--PointNet
点云深度学习系列由浅入深之--PointNet1.随着一些深度传感器的应用,如Kinect,ToF以及激光,获取图像的同时可以得到深度图,进而可以计算出对应图像的点云。点云是表达3D几何结构的一个重要形式,具有如下的特性:(I) 稀疏性:每张图片对应的点云数据反应的是场景中的物体的表面,在3D空间中即为曲面,体积为零,所以在3D空间来看, 点云数据是非常稀疏的。(II) 无序性:假设有n...原创 2019-09-08 17:34:12 · 2470 阅读 · 0 评论 -
点云深度学习系列由浅入深之--SPLATNet: Sparse Lattice Networks for Point Cloud Processing
点云深度学习系列由浅入深之--SPLATNet: Sparse Lattice Networks for Point Cloud Processing在这篇博客里,将介绍处理点云的另一个网络SPLATNet,来自CVPR 2018的工作。之前博客介绍过PointNet,PointNet++。...原创 2019-09-29 16:55:05 · 1170 阅读 · 0 评论