![](https://img-blog.csdnimg.cn/20190927151053287.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
图像分类学习
文章平均质量分 94
基于深度学习图像分类鲁棒性算法的一些学习
Ace2NoU
蔚藍的海洋,妳心裡面卻有一個不透明的地方
展开
-
【AdaIN】自适应实例规范化图像风格迁移
使用GAN进行图像风格迁移,网络通常与固定的风格集相关联,无法适应任意新的风格。AdaIN首次实现了任意风格的实时传输。其方法的核心是一个新的自适应实例归一化(AdaIN)层,它将内容特征的均值和方差与样式特征的均值与方差对齐。与现有最快方法相当的速度,不受预定义样式集的限制。此外,允许灵活的用户控制,如内容风格权衡、风格插值、颜色和空间控制,所有这些都使用单个前馈神经网络。原创 2022-08-21 19:15:54 · 6409 阅读 · 0 评论 -
【学习笔记】基于元学习的噪声鲁棒网络训练(噪声转移矩阵估计)
这是一篇CVPR2020的论文,论文地址:Training Noise-Robust Deep Neural Networks via Meta-Learning (thecvf.com)https://openaccess.thecvf.com/content_CVPR_2020/papers/Wang_Training_Noise-Robust_Deep_Neural_Networks_via_Meta-Learning_CVPR_2020_paper.pdfAbstract 摘要标签噪声可原创 2022-01-01 19:32:41 · 2729 阅读 · 0 评论 -
【学习笔记】标签噪声下用于鲁棒性学习的对称交叉熵损失函数
这是一篇ICCV 2019的论文,论文地址:ICCV 2019 Open Access Repository (thecvf.com)https://openaccess.thecvf.com/content_ICCV_2019/html/Wang_Symmetric_Cross_Entropy_for_Robust_Learning_With_Noisy_Labels_ICCV_2019_paper.html如果访问较慢,可以尝试科学上网目录1.摘要2.简介3.相关研究4.交叉熵的原创 2021-12-21 16:22:37 · 4829 阅读 · 1 评论 -
【学习笔记】标签噪声下利用深度学习进行图像分类任务——概述
论文地址[1912.05170v1] Image Classification with Deep Learning in the Presence of Noisy Labels: A Survey (arxiv.org)https://arxiv.org/abs/1912.05170v1Abstract用于进行图像分类的神经网络需要大量的标记数据来进行适当的训练。但是,由于分类的困难和标记过程的高代价,使得标签噪声是数据集中普遍存在的问题。众所周知,深度网络对标签噪声具有一定的鲁棒性..原创 2021-12-20 22:12:59 · 6708 阅读 · 0 评论