深度学习
okmacong
喜欢分享与请教,喜欢交朋友,热爱骑行,篮球,健身等常见的运动。人生的座右铭:时间如流水,我们一定要用最美的微笑去面对东升的旭日,留住属于自己的记忆
展开
-
Transferable Interactiveness Knowledge for Human-Object Interaction Detection
本文的思想方法:利用学习迁移的交互知识(人和物是否发生交互)信息,促进人和物交互检测。关于Interactiveness Knowledge:1.作用:指明人和物是否发生交互2.来源:通过交互网络学习,从HOI datasets, regardless of HOI category settings3:...原创 2020-08-14 22:02:40 · 738 阅读 · 0 评论 -
Self-supervised Label Augmentation via Input Transformations(通过输入转换标签增强的自监督的方法)
Abstract 讲了一下自监督常用的于无监督的场景(无标签),这边文章把他应用于监督场景中。 我们的方案训练模型学习原始的和自我监督的任务,但不同于传统的多任务学习框架,优化其相应损失的总和。我们的主要思想是学习关于原始标签和自监督标签的联合分布的单一统一任务。我们通过对输入转换的自我监督来扩充原始标签 这种简单而有效的方法在学习原始任务和自监督任务的同时,允许通过放松一定的不变约束来训练模型。它还支持聚合推理,将来自不同扩增的预测组合在一起,以提高预测精度。此外,我们提出了一种新的知...原创 2020-09-21 22:06:01 · 1741 阅读 · 0 评论 -
Self-Supervised GANs via Auxiliary Rotation Loss(通过辅助旋转损失的自监督的gan)
AbstractProblem: gan网络因为他的遗忘性,造成不稳定。所以 引入条件Gan,但是条件gan需要带有标签的数据。Method: 两个无监督学习技术融合,对抗训练和自监督(具体的允许网络在特征学习任务上进行协作,而在经典的GAN任务中处于敌对状态。监督的作用是鼓励判别器学习有意义的、不会在训练中被遗忘的特征代表)results: 取得和条件GAN相同的结果Introduction介绍了GAN网络,以及不稳定的原因。并列举了几个解决...原创 2020-10-08 15:56:02 · 682 阅读 · 0 评论 -
CNN发展历程
https://blog.csdn.net/maweifei/article/details/52984920https://www.cnblogs.com/skyfsm/p/8451834.htmlhttps://www.jiqizhixin.com/articles/2019-05-27-4https://zhuanlan.zhihu.com/p/30746099原创 2020-05-20 16:27:09 · 371 阅读 · 0 评论