- 博客(5)
- 资源 (1)
- 收藏
- 关注
翻译 ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks
qquad最近,通道注意力机制被证明在改善深度卷积神经网络(CNNs)的性能方面具有巨大的潜力。然而,现有的方法大多致力于开发更复杂的注意力模块,以实现更好的性能,这不可避免地增加了模型的复杂性。为了克服性能和复杂性之间的矛盾,本文提出了一种有效的通道注意力(ECA)模块,该模块只增加了少量的参数,却能获得明显的性能增益。通过对SENet中通道注意模块的分析,作者的经验表明避免降维对于学习通道注意力非常重要,适当的跨信道交互可以在显著降低模型复杂度的同时保持性能。
2024-05-10 09:03:07 84
翻译 论文翻译-POLYLOSS: A POLYNOMIAL EXPANSION PERSPECTIVE OF CLASSIFICATION LOSS FUNCTIO
在为分类问题训练深度神经网络时,交叉熵损失(cross-entropy loss)和焦点损失(focal loss)是最常见的选择。然而,一般来说,一个好的损失函数可以采取更灵活的形式,并且应该为不同的任务和数据集量身定做。受函数如何通过泰勒扩展进行近似的启发,我们提出了一个简单的框架,名为PolyLoss,将损失函数看作是多项式函数的线性组合来设计。我们的PolyLoss允许根据目标任务和数据集轻松调整不同多项式的重要性,同时自然地将上述交叉熵损失和焦点损失作为特例。
2023-09-13 23:03:40 107 1
原创 2021年安徽省大数据与人工智能应用竞赛 大数据-本科组赛题(省赛)
第四部分:可视化(15分)这是一份App用户消费行为数据,用来分析用户消费情况及品牌情况,可视化消费变化趋势。1、 进行客户消费行为分析(按年龄段)(5分)按照客户年龄段(age_group)分别对累计消费金额(previous_order_amount)进行求和,对消费人数(customer_id)进行计数运算,对运算的进行双折线图画图操作,要求,累计消费金额与消费人数 进行不同的坐标展示。其中对 previous_order_amount求和后显示为 累计消费金额(万元)对 customer
2021-11-28 16:15:26 6131 1
原创 2021年安徽省大数据与人工智能应用竞赛本科组(省赛)
第三部分:大数据分析1、 创建一个数据库,以你的用户名命名,创建成功后使用use命令切换为该库,并执行set hive.cli.print.current.db=true;截图(2分)1)命令截图:2)执行命令结果截图2、在HIVE中创建需要的表,并写出建表语句,表结构如下:(3分)订单表 data_orderdata_address 地址表 通过orderMainId字段与 data_order表中的order_id 字段关联data_area 地区表 通过street_code字段与d
2021-11-27 16:02:33 3309 1
翻译 论文阅读---“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts
论文阅读—“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts摘要:高效、交互式的静态图像前景/背景分割问题在图像编辑中具有重要的现实意义。经典的图像分割工具使用纹理(颜色)信息,例如:Magic Wand、或边缘(对比度)信息如 Intelligent Scissors。最近,一种基于图切割的优化方法成功地结合了这两种信息。本文从三个方面对graph-cut方法进行扩展。第一:我们开发了一个更强大的迭代优化版本;
2021-11-24 19:50:32 2303
C++程序设计之实验
2018-06-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人