![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 88
dxz_tust
拥抱开源~
展开
-
NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis原创 2022-08-10 23:41:39 · 854 阅读 · 0 评论 -
解读FROST: Faster and more Robust One-shot Semi-supervised Training
比较新的文章,先占个坑,大概看了看,将目前比较火的对比表征学习和半监督结合起来了,感觉上很牛逼的样子原创 2020-11-23 22:57:40 · 219 阅读 · 0 评论 -
解读(DivideMix)DIVIDEMIX: LEARNING WITH NOISY LABELS AS SEMI-SUPERVISED LEARNING
这是Salesforce在今年年初出的一篇关于半监督学习的文章被ICLR 2020收录,目前还保持在SOTA状态。文章主要做了两点工作:• 提出了一个co-divide方法。• 利用label co-refinement 和co-guessing 改善之前的谷歌提出的MixMatch方法1.co-divide方法大概思路:同时训练两个网络,让每个网络在样本损失分布上去拟合GMM模型,并利用GMM模型,将训练数据分为标签数据和未标签数据,co-divide 使前面分的标签与未标签数据分别在原创 2020-08-01 23:20:43 · 4612 阅读 · 1 评论 -
关于类激活图(CAM)运行机制的解读
CAM:https://arxiv.org/abs/1512.04150Grad-CAM:https://arxiv.org/pdf/1610.02391v1.pdfGrad-CAM++:https://arxiv.org/abs/1710.11063最近看了网上很多关于这三篇解读的文章,但是对于一个“CAM新人“来说,还是遇到了很多疑惑。下面总结几点:1.CAM能让我们对CN...原创 2020-03-01 17:50:40 · 13275 阅读 · 4 评论 -
解读FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence
还是Google research出品论文:https://arxiv.org/abs/2001.07685官方代码:https://github.com/google-research/fixmatch主要贡献:(A+B=C的操作)1.主要结合了pseudo label和 consistency regularization(两种数据增强方式实现) 方法。2.在cifar1...原创 2020-01-27 22:24:48 · 14957 阅读 · 8 评论 -
解读RealMix:Towards Realistic Semi-Supervised Deep Learning Algorithms
来源:https://arxiv.org/pdf/1912.08766.pdf官方代码:https://github.com/uizard-technologies/realmix主要贡献:1.在cifar10数据集上仅仅只利用每类250个标签数据实现了sota(error rate:9.79%)2.在标签数据和无标签数据完全 mismatch的情况下,依然能够surpass b...原创 2019-12-21 23:36:29 · 1305 阅读 · 0 评论 -
Unsupervised Data Augmentation for Consistency Training
论文地址:https://arxiv.org/pdf/1904.12848v4.pdf官方实现代码(tensorflow):https://github.com/google-research/uda同样来自于谷歌的,偶然看到的,关于无监督数据增强方法文章主要在三种任务上进行了相关实验:文本分类、图像分类、迁移学习创新点:监督学习中的数据增强方法在半监督学习中同样可以用来对无标...原创 2019-11-09 19:14:15 · 2096 阅读 · 0 评论 -
解读MixNet: Mixed Depthwise Convolutional Kernels
最近刚出的paper,来自于谷歌大脑:https://arxiv.org/pdf/1907.09595.pdf动机:为了探索到底多大的kernel size 能够实现高的准确率?通过做了一个以深度可分离卷积 在MobeilNet上为基准的实验不同的网络最好结果对应着不同的kernel size.。large kernel size can capture more deta...原创 2019-07-27 22:47:57 · 5322 阅读 · 5 评论 -
解读:Learning Generalizable and Identity-Discriminative Representations for Face Anti-Spoofing
论文地址:https://arxiv.org/abs/1901.05602该论文创新点:1.提出了一个TCP (Total Pairwise Confusion) loss 用来增加CNN的泛化能力。2.将FDA( Fast Domain Adaptation)整合到CNN中,以减轻domain changes 带来的影响。3.提出了一个多任务学习方式,即用一个CNN同时完成活体检...原创 2019-03-18 21:17:16 · 2335 阅读 · 0 评论