- 博客(10)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 mxnet问题整理
mxnet的模块gluon组合layer层的容器mxnet将所有的layer都看作Block，自定义的神经网络结构也是继承自gluon.Block。和pytorch中有ModuleList和module两种堆叠layer的容器。在mxnet中，只有一种Sequential。NDArray转换成numpy使用asnumpy，这和pytorch中的一致。不过对于单个元素的NDArray，mxnet可以...
2018-04-23 16:17:32
2132
原创 多任务学习
多任务学习概述：从普通神经网络到深度学习（说的很清楚）https://www.cnblogs.com/shuzirank/p/7141017.html 多任务学习的最近研究：以NLP为例：http://ruder.io/multi-task-learning-nlp/ 关于triplet loss函数的一个blog：https://blog.csdn.net/xiaofei0801/article...
2018-04-09 17:07:17
1253
原创 初识multi-patches
目的使用multi-patches目前看来，有两种目的，一是想保持原来的分辨率，并使用多patch代表原图；二是想使用patch来处理fine-grained细粒度特征。多patch组合虽然也是裁剪出原图的内容，和物体检测网络不同，多patch更强调彼此之间的联系，所以要将patch组合再一起。组合的方式也就随之而来。1. 最简单的，使用简单组合的方式concatenate2. ...
2018-04-09 16:41:56
423
原创 读论文，多区块处理：Deep Multi-Patch Aggregation Network forImage Style, Aesthetics, and Quality Estimation
Deep Multi-Patch Aggregation Network forImage Style, Aesthetics, and Quality Estimation 目的和一般方法想要研究图片的风格质量等，就需要细粒度fine-grained细节信息。对于本文提出的网络，使用一张图片生成的多个patches来训练。现有的方法如{24，17}，使用随机生成一个patch区块(e.g., c...
2018-04-09 16:21:10
1198
原创 读论文，多区块处理：Joint Patch and Multi-label Learning forFacial Action Unit Detection
Joint Patch and Multi-label Learning forFacial Action Unit Detection 这篇文章是讲脸部动作（action units，AU）微妙，有很多意思可以解读出来。现有方法使用one-vs-all的分类方法，不能探索AU间的依赖关系。这篇文章提出的方法是多区块和多标注学习joint-patch andmulti-label learning...
2018-04-09 16:08:27
900
原创 读论文，多区块处理：Learning Semantic Concepts and Order forImage and Sentence Matching
Learning Semantic Concepts and Order forImage and Sentence Matching 图片和语句的匹配现在这个领域的主要问题之一是像素级别的图片描述缺少高层次的语义信息。这篇文章就提出了semantic-enhancedimage and sentence matching model语义增强图片及语句匹配模型。通过对图片的语义学习并组织为正确的语...
2018-04-09 16:01:36
1096
1
原创 最近几年的衣物检索的网络架构发展历史
重要的相关论文及时间1. DDAN：DeepDomain Adaptation for Describing People Based on Fine-Grained ClothingAttributes2. DARN：Cross-domainImage Retrieval with a Dual Attribute-aware Ranking Network3. ...
2018-04-04 10:00:11
515
原创 读论文，衣物检索：Clothing Retrieval with Visual Attention Model（2017.10.31）
Clothing Retrieval with Visual Attention Model（2017.10.31）创新点VAM不需要强监督训练信息的landmark；提出了Impdrop方法，是将Dropout应用于feature层面 困难：同样是双域问题Landmark所对应的多属性的细粒度标注信息的 处理方式。 相关研究1. Wh方法是为了学习不同域的相似度度量《Where to...
2018-04-03 18:06:56
863
1
原创 读论文，衣物检索：Deep domain adaptation for describing people based on fine-grained clothing attributes
Deep domain adaptation for describingpeople based on fine-grained clothing attributes2015总结：目的是适应多种数据域的网络现有的方法迁移学习，固定某几层；本文的方法是训练两个分支的网络，分布接受不同数据集。这么做的出发点是学得和数据集无关的层次特征。######### 目的和难点 ############...
2018-04-03 10:19:47
600
原创 读论文，衣物检索：Cross-domain Image Retrieval with a DualAttribute-aware Ranking Network （2015）
Cross-domain Image Retrieval with a DualAttribute-aware Ranking Network （2015）######### 总结 ##############1. 处理跨域数据集，使用两分支网络结构，消除online和offline数据集间的差异。2. 处理细粒度特征，使用的是树状结构内嵌fc结...
2018-04-02 17:36:26
757
MarekKowalski/DeepAlignmentNetwork模型参数1
2018-07-18
Dynamic Network Surgery for Efficient DNNs的makefile.config文件
2018-06-12
Dynamic Network Surgery for Efficient DNNs的makefile文件
2018-06-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人