- 博客(65)
- 收藏
- 关注
翻译 第十九章 番外篇:google-research《深度学习调参指南》
翻译 google-research: deep learning tuning playbook.
2023-07-19 20:54:22
890
2
翻译 DVERGE快速理解
DVERGE:Diversifying Vulnerabilities for Enhanced Robust Generation of Ensembles今天看了这篇论文,大致了解了一下。先讲一下自己的理解,后半部分放翻译(可能存在错误)。针对对抗攻击有两种常用的解决方法,第一种是对抗学习,即人为设计较小的噪声(约束,保证视觉上无法辨认)加入到图像中,让模型学习处理过的图像,从而增强图像的鲁棒性。第二种是集成学习,通过训练多个子模型,希望子模型之间能够具有互补的效果。但是研究发现在同一数据集上训练
2021-06-22 15:01:41
319
原创 DG-Net++快速理解
Joint Disentangling and Adaptation for Cross-Domain Person Re-Identification我以为我懂了,看了模型图发现还是高估了自己。先更新一部分,还有一部分没有整理好论文快速理解论文地址:https://arxiv.org/pdf/2007.10315.pdf代码地址:https://github.com/NVlabs/DG-Net-PP这篇论文是在DG-Net上面的扩展,主要解决的是跨域问题。用到了unsupervised d
2021-04-01 11:22:17
743
原创 DG-Net快速理解
Joint Discriminative and Generative Learning for Person Re-identification帮微博妹妹整毕设,发现之前学习ReID的时候还是漏掉了很多东西,比如基于GAN的ReID模型,下午看了看论文,整理一下内容。论文地址:https://arxiv.org/abs/1904.07223源码:https://github.com/NVlabs/DG-Net (还没来及的跑)视频链接:https://www.bilibili.com/video
2021-03-30 17:52:00
434
翻译 [翻译]Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neu
今天才发现上采样还有个这样的方法,之前一直没注意过。原理很好理解,但是不太明白为什么效果会好,所以去翻论文撸一遍。翻译了一部分,没有翻译完。可能是我自己阅读理解的问题,感觉论文里面的filter和feature map有点混淆,然后介绍原理的地方读起来别别扭扭的【怪我英语底子不好个人感觉相比于看整篇论文,还是看别人总结的原理更容易理解-使用亚卷积神经网络实时图片和视频超分辨率Abstract在图像超分辨率算法上,很多基于深度神经网络的模型都取得了成功,不管是在准确率还是表现上效果都不错。这些
2021-03-26 10:51:55
633
原创 SSD-pytorch 训练过程全记录
SSD-pytorch 训练过程全记录文章目录SSD-pytorch 训练过程全记录准备工作数据集处理训练过程train.py的修改训练错误1:loss为NAN训练错误2:in layers/modules/multibox_loss.py In line 97, loss_c[pos]=0, the shape of mask [32,8732] ar index 0 not match the shape of the indexed tensor [270424,1] at index 0.训练错误
2020-12-03 15:05:45
1234
原创 yolo模型格式转换报错
使用torch.jit.trace(model,img) 对yolov5模型进行格式转换,出现报错。内容类似于:xxxxxxx:the number of sizes provided (0) must be greater or equal to the number of d解决方法:增加参数check_trace=Falsetorch.jit.trace(model,img,check_track=False)验证结果无误。...
2020-10-15 17:47:39
1196
原创 深度学习心律分类概括
最近在做信号分类的问题,看了一些心电图信号分类的论文,想要作为参考。不过这类论文普遍都属于医学类,使用的方法用也大部分比较简单。有点收获的是还顺便学习了傅里叶变换和小波变换。虽然说是实时识别,但其实也是进行了切块,按窗口进行识别,存在一定延时,和我工作方向的备选方案一致。数据处理部分,对于不同长度的ECG数据,通常会使用一些办法来进行切割,看的几篇论文中比较常见的是借助R-peak进行切割。这一部分对我的工作方向帮助不大。在进入深度模型前,有写论文进行了额外的特征提取,在这些论文中普遍使用了小波变换
2020-07-24 17:17:17
357
翻译 TCN时间卷积网络
TCN时间卷积网络参考使用的benchmark:https://github.com/locuslab/TCN包含多种分类、预测样例,基于pytorch环境。Introduction通常序列模型问题都是使用循环神经网络解决的,然而最近一些结果发现卷积神经网络在序列问题上可以实现超过循环神经网络的结果。一般在研究的时候都会把循环神经网络作为一个序列模型任务的起始点,但是现在我们要选择卷积神经网络。于是就产生了一个问题:卷积序列模型的成功是否和特定的应用领域有关,序列处理和循环网络之间的关联是否可以重
2020-06-12 18:06:43
2766
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人