湘粤Ian-CSDN博客

原创论文超详细精读|五千字：PB-GCN

《Part-based Graph Convolutional Network for Action Recognition》 1.引入了基于部分的图卷积网络(PB-GCN)来从骨架视频中识别动作。本质上，parts上的图卷积的目的是捕捉parts的高级属性并学习它们之间的关系。2.将骨架图划分为四个子图，子图之间共享关节，并学习使用基于部分的图卷积网络的识别模型。与使用整个骨架图的模型相比，这样的模型提高了识别性能。

2022-11-05 22:33:20 1023 12

原创论文超详细精读|七千字：AGC-LSTM

看完标题《An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition》，摘要和结论，我了解到了以下信息： 1.提出了一种新的注意力增强图卷积LSTM网络（AGC-LSTM)，用于从骨架数据中识别人体动作。 2.提出的AGC-LSTM不仅可以捕获空间配置和时间动态中的区别特征，而且可以探索空间和时间域之间的同现关系。

2022-11-05 17:29:57 1266

原创机器学习06|两万字：决策树【jupyter代码详解篇】

本文用到的所有数据决策树(Decision Tree)首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析，本质上是通过一系列规则对数据进行分类的过程决策树是一种典型的分类方法。CLS算法是早期提出的决策树学习算法，是很多决策树学习算法的基础框架。依据其中选择分类属性的策略不同，可以得到不同的决策树算法。比较常用的决策树有ID3，C4.5和CART三种和实现，其中CART一般优于其他决策树，并且可用于回归任务。下面我们将编写代码实现这三种决策树算法。

2022-11-04 21:41:34 3198 6

原创论文超详细精读|八千字：DGNN

本文创新点如下 1.DGNN有向图神经网络：基于自然人体关节和骨骼之间的运动依赖性，将骨骼数据表示为有向无环图(DAG)。设计了一种新的有向图神经网络，用于提取关节、骨骼及其关系的信息，并根据提取的特征进行预测。2.图拓扑的自适应：为了更好地拟合动作识别任务，在训练过程的基础上对图的拓扑结构进行了自适应处理，取得了显著的改进。3.利用骨架序列的运动信息与空间信息相结合。

2022-11-02 20:29:00 1414 4

原创论文超详细精读|五千字：ResGCN/DenseGCN

1.提出了成功训练深度GCNs的新方法。借鉴了CNN的概念，特别是残差(residual)/密集(dense)连接和扩张(dilated)卷积，并将它们适应于GCN架构。2.使用这些新概念构建了一个非常深的56层GCN，并展示了它如何显著提高点云语义分割任务中的性能(与最先进的技术相比增加3.7%的mIoU)。

2022-10-30 11:24:57 3090 1

原创机器学习05|一万五字：SVM支持向量机02 【jupyter代码详解篇】

支持向量机(SVM)在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。本资料包含了SVM的完整解析及全部实现代码。从DataSet.txt中导入数据一直讲到SVM的线性非线性实现。

2022-10-29 16:36:27 2346 15

原创机器学习05|一万五字：SVM支持向量机01 【原理详解篇】

支持向量机(SVM)在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。本资料包含了SVM的完整解析及全部实现代码。从DataSet.txt中导入数据一直讲到SVM的线性非线性实现。

2022-10-29 11:59:38 1369

原创论文超详细精读|五千字：STGR

提出了一种新的时空图路由方案，利用骨架节点之间的内在高阶关系。该模块与分类网络共同学习，更好地匹配动作识别任务。在图节点上提出了感受野，证明了之前模型的瓶颈是不同节点不平衡的感受野，证明了本文的时空图路由方案的有效性。

2022-10-27 15:39:55 1285

原创论文超详细精读|八千字：AS-GCN

1. 引入了一个encoder-decoder（编码器-解码器）结构，称为**A -link** 推理模块(AIM)，以捕获特定于动作的潜在依赖关系，即直接从动作中捕获活动链接，这样可以捕获更丰富的依赖关系。 2. 扩展了现有的骨架图，以表示高阶依赖关系，即**S-link** 结构链接。 3. 将这两种类型的link组合成一个广义的骨架图。

2022-10-22 16:16:42 2542

原创论文超详细精读|万字：2s-AGCN

1. 提出了一种新的双流自适应图卷积网络(2S-AGCN)用于基于骨架的动作识别。**模型中的图的拓扑既可以统一地学习，也可以通过BP算法以端到端的方式单独学习。** 2. 提出了一种同时对**一阶和二阶信息（骨架的长度与方向）建模的双流框架**，在识别精度上有了显著的提高。它将骨架数据的图结构参数化，并嵌入到网络中，与模型共同学习和更新。 3. 文章主要创新点有两个，一个是双流网络，另外一个是自适应。

2022-10-21 13:11:14 2915 3

原创论文超详细精读|六千字：ST-GCN

提出了一个新的动态骨架模型，称为时空图卷积网络(ST-GCN)，它通过自动从数据中学习空间和时间模式，传统的骨骼建模方法通常依赖于手工制作的部件或遍历规则，从而导致表达能力有限和泛化困难，ST-GCN则超越了以前方法的局限性。该公式不仅具有较强的表达能力，而且具有较强的泛化能力。

2022-10-20 16:43:48 1624 1

原创机器学习04|两万五字：optimizer优化器【详解及jupyter代码】

在这一节中，我们将构建一个三层的神经网络来处理手写数字识别问题，之后我们将运用AdaGrad、RMSprop、Momentum、Nesterov Momentum和Adam优化算法来加速梯度下降的过程，首先我们先来实现一个简单的神经网络。

2022-10-12 19:41:54 826

原创论文超详细精读：SMPL: A Skinned Multi-Person Linear Model

SMPL是一个逼真的人体形状和姿势学习模型，与现有的渲染引擎兼容，允许动画师控制，并可用于研究目的。目的是创建逼真的动画人体，可以表示不同的身体形状，通过姿势自然变形，并显示出像真人一样的软组织运动，同时可以利用已有的软件和渲染引擎以加快速度。笔者从人工智能小白的角度，力求能够从原文中解析出最高效率的知识。之前看了很多博客去学习AI，但发现虽然有时候会感觉很省时间，但到了复现的时候就会傻眼，因为太多实现的细节没有提及。而且博客具有很强的主观性，因此我建议还是搭配原文来看。请下载原文搭配阅读本文，会更高效哦！

2022-10-08 15:37:50 6001

原创论文超详细精读|六千字：ICCV19-PIFu

笔者从人工智能小白的角度，力求能够从原文中解析出最高效率的知识。之前看了很多博客去学习AI，但发现虽然有时候会感觉很省时间，但到了复现的时候就会傻眼，因为太多实现的细节没有提及。而且博客具有很强的主观性，因此我建议还是搭配原文来看。请下载原文搭配阅读本文，会更高效哦！

2022-10-08 13:13:47 1168

原创 GoogleNet 论文精读&&代码逐行解析

笔者从人工智能小白的角度，力求能够从原文中解析出最高效率的知识。之前看了很多博客去学习AI，但发现虽然有时候会感觉很省时间，但到了复现的时候就会傻眼，因为太多实现的细节没有提及。而且博客具有很强的主观性，因此我建议还是搭配原文来看。请下载原文《Going Deeper with Convolutions》搭配阅读本文，会更高效哦！

2022-10-04 00:02:16 1428

原创【跨保985计算机】2022跨保实录|六千字保姆教程

如果你也想跨保计算机，请看下去，后有详细和规划。从大一不知道自己喜欢什么，留在本专业，到大二下决定AI是自己的兴趣所在，毅然决定跨保计算机。这一路，我形单影只，一度怀疑自我，一阵迷茫挣扎，我焦虑，我犹豫，但我一直坚持下来。心中有热，脚下一定就会有路。以下是根据我个人经历所写，不能保证绝对正确，观点与我个人认知有关，希望可以对你有所帮助。

2022-09-28 12:56:17 3336 6

原创 VGG 论文精读&&代码逐行解析

笔者从人工智能小白的角度，力求能够从原文中解析出最高效率的知识。之前看了很多博客去学习AI，但发现虽然有时候会感觉很省时间，但到了复现的时候就会傻眼，因为太多实现的细节没有提及。而且博客具有很强的主观性，因此我建议还是搭配原文来看。请下载原文《Very Deep Convolutional Networks for Large-Scale Image Recognition》搭配阅读本文，会更高效哦！

2022-09-25 11:04:20 727 3

原创 ResNet 论文精读&&代码逐行解析

笔者从人工智能小白的角度，力求能够从原文中解析出最高效率的知识。之前看了很多博客去学习AI，但发现虽然有时候会感觉很省时间，但到了复现的时候就会傻眼，因为太多实现的细节没有提及。而且博客具有很强的主观性，因此我建议还是搭配原文来看。请下载原文原文搭配阅读本文，会更高效哦！使用残差学习框架使训练深层网络变得更加容易。用了152层网络，比VGG深8倍，但计算复杂度更低（好奇为什么？）将常用模型的CNN主干网络换成了残差网络，且在许多数据集上有不错的效果，例如目标检测数据集COCO。

2022-09-25 10:40:19 1567

原创 AlexNet 论文精读&&代码逐行解析

笔者从人工智能小白的角度，力求能够从原文中解析出最高效率的知识。之前看了很多博客去学习AI，但发现虽然有时候会感觉很省时间，但到了复现的时候就会傻眼，因为太多实现的细节没有提及。而且博客具有很强的主观性，因此我建议还是搭配原文来看。请下载原文原文搭配阅读本文，会更高效哦！把ImageNet数据集用监督学习的方法去训练，并利用GPU 加速，与当时前沿的技术结果进行了对比，取得了不错的分类效果。

2022-09-25 10:30:44 509

原创机器学习03|万字：正则化【详解及jupyter代码】

在这个实验中，是以Logistic回归作为基础，将再次复习Logistic回归，对Logistic回归将有更深的理解。通过对比未进行正则化的Logistic回归与正则化的Logistic回归在相同数据集上的表现来理解正则化缓解过拟合现象的作用。

2022-09-21 21:54:33 1292

原创【图文全过程】学生购买服务器并搭建docker环境

【服务器购买】【docker下载】学生党从零开始购买腾讯云服务器并且下载docker至Ubuntu镜像。

2022-09-21 10:58:38 1054

原创机器学习01|一万五字：线性回归【详解及jupyter代码】

单变量线性回归的模型由两个参数θ0\theta_0θ0,θ1\theta_1θ1Peakdemand≈θ0+θ1⋅(Hightemperature)。我们的目标也就是找到一条"最符合"的直线，确定这条直线的参数θi\theta_iθi。

2022-09-18 19:07:34 2190 1

原创机器学习02|六千字：逻辑回归【详解及jupyter代码】

做机器学习应用的时候很多时间是花费在特征处理上，我们注意到原始数据存在许多维度为非数字的数据，是不能直接用于构建模型的。如教育程度：（小学，初中，高中+）可以被扩展到如下三个维度：小学学历（是，否），初中学历（是，否），高中学历以上（是，否）。经上述处理后的数据存储在X_train文件中，每个样本的维度被扩展到了106维，本实验直接使用X_train的数据构建模型。归一化把每个特征的数据映射到0到1之间，消除指标之间的量纲影响，同时可以避免某些特征对模型预测结果的影响过大。但作为优化目标时二者无不同。

2022-09-17 23:41:09 1796 1

机器学习06:决策树【代码及数据文件】

机器学习05:SVM【代码及数据文件】

机器学习04之各种优化器选择【代码及数据文件】

空空如也