- 博客(8)
- 收藏
- 关注
原创 Mining Latent Classes for Few-shot Segmentation(21)
Mining Latent Classes for Few-shot Segmentation
2023-09-21 17:41:21 42
原创 20年(CVPR)Boosting Few-Shot Learning with Adaptive Margin Loss
Adaptive Margin Loss is used in Few-Shot Learning
2023-09-20 22:31:24 54
原创 2017年(CVPR)Rethinking Atrous Convolution for Semantic Image Segmentation(The augment of the ASPP)
The augment of the ASPP,'DeepLabv3' system
2023-09-13 22:09:56 35
原创 解决源空间和目标空间数据分布不一致问题
然而,在实际应用中,由于数据来源的不同,源领域和目标领域的数据分布可能存在显著的差异,导致在目标领域上应用源领域的模型效果不佳。迁移学习的优势在于可以充分利用已有的数据和模型,减少对大量标注数据的需求,并且可以在数据稀缺或目标任务样本不足的情况下实现较好的性能。领域自适应在许多实际场景中都具有重要的应用价值,如计算机视觉中的目标检测、图像分类等任务,自然语言处理中的文本分类、情感分析等任务。领域自适应的目标是通过利用源领域的知识来改善在目标领域上的学习性能。
2023-09-12 19:56:13 165
原创 (2015年Pami)Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(SPPNet)
SPPNet
2023-09-11 22:31:45 20
原创 (2017年Pami)DeepLab: Semantic Image Segmentation with Deep Convolutional, Atrous Convolution, CRFs
ASPP结构的首次提出
2023-09-10 21:31:43 16
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