![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
BurtonMan
喜欢研究历史,为了避免把历史当作故事来读,在慢慢整理历史文献,来梳理历史脉络,其内容均摘专业文献,非个人原创研究。
这里主要是研究技术,历史主要在知乎,即
https://www.zhihu.com/people/man-burton
公众号:real的观点
展开
-
RepPoints: Point Set Representation for Object Detection解读
摘要现代的检测器很依赖矩形框bbox,比如anchors,proposals和final predictions,呈现在不同的识别阶段里。bbox虽然很方便,但它只能提供粗糙的目标定位和特征提取。注:final predictions如何理解呢,在引言里说了from anchors and proposals to final predictions,就很明白了,它的意思是最终的输出结果。为什么bbox只是提供粗糙的目标定位和特征提取呢?文章的后面简单的说明了,bbox只是提取了4个边界点,并原创 2020-06-13 13:22:00 · 1587 阅读 · 5 评论 -
Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields解读
摘要我们的方法,能够有效的检测一个图像中的多人。通过Part Affinity Fields来学习身体的各部分及关联性,利用全局纹理信息,自下而上的方法,达到实时性和高精度。通过两个分支来学习到部位的位置和关联性。引言一张图中的多人pose的难点:1.不知道一幅图有多少人,他们会存在不同的位置和不同的scale。2.人与人之间存在接触、遮挡、切断等复杂的空间干扰。3.多人时,会存在时间复杂度的问题注:提到多人Pose的难点,这些是很多问题,都存在的问题。检测也是相同的问题...原创 2020-05-24 08:09:40 · 708 阅读 · 0 评论 -
CentripetalNet: Pursuing High-quality Keypoint Pairs for Object Detection解读
摘要基于关键点的检测器得到了不错的性能,但关键点匹配错误是普遍性存在的,严重的影响了其检测器的性能。作者通过centripetal shif将相同的类别的实例分开。CentripetalNet是预测角点的位置和向心偏移,通过向向心偏移来对齐角点的匹配。注:这里说明,基于关键点检测器的难点是针对相同类别的实例。而这个分析来源于在公开数据集中,跑前面论文的模型,分析出的bad case。为了提点,针对普遍存在的问题,进行优化。corner pooling通过提取bbox的边缘信息,这里为了更原创 2020-05-24 08:10:03 · 1111 阅读 · 0 评论 -
深度学习一点主观经验
来源:https://zhuanlan.zhihu.com/p/137927248喜欢历史的同学,欢迎关注本人的公众号和知乎:很多同学在使用深度学习的项目中,大概率会存在如下疑问:项目中,绝大多数时候,几乎只是在加数据训练,但为什么自己做不好? 优秀的深度学习同学,到底和普通的同学,优秀在什么地方?根据自己的经验,总结了几个关键点,适合我自己,但不一定适合别人。大的战...转载 2020-05-05 07:36:30 · 405 阅读 · 0 评论 -
高维空间中的高斯分布和随机投影
Computer Science Theory for the Information Age-3: 高维空间中的高斯分布和随机投影 - Boostable - 博客园 Boostable原创 2015-08-25 17:20:51 · 20821 阅读 · 4 评论 -
机器学习-决策树/CART剪枝
原创 2015-07-22 03:22:54 · 1383 阅读 · 0 评论 -
机器学习-隐Markov模型(hmm)
原创 2015-06-24 10:30:28 · 702 阅读 · 0 评论 -
机器学习-EM算法\混合模型
原创 2015-06-03 02:46:39 · 842 阅读 · 0 评论 -
机器学习-贝叶斯
原创 2015-06-03 02:30:40 · 551 阅读 · 0 评论