论文笔记
Anida_qin
算法工程师,关注机器学习,深度学习领域。CV&NLP&挖掘
展开
-
PU-Learning
速读论文:Learning From Positive and Unlabeled Data: A Survey从方法上讲,主要有两种。two step: 先对数据用聚类或者任一相关算法分类(选出可信度高的neg案例),然后再放到任一分类网络里训练,然后再根据训练的结果分类未标记,再次训练,直到模型稳定或者loss较小。 基于可分性和连续性假设biased learning: 全部将未标...原创 2019-12-23 17:55:36 · 570 阅读 · 0 评论 -
文案生成论文速读
欢迎交流指正CTRL - A Conditional Transformer Language Model for Controllable Generationhttps://arxiv.org/pdf/1909.05858.pdf模型应该没变, 变得是训练数据的格式,会将数据分类,每一个分类变成 比如, book x,y 或者wiki x, y。...原创 2019-10-30 10:51:03 · 482 阅读 · 0 评论 -
ICCV 2019 论文速读
知识蒸馏(Teacher & Student)Learning Lightweight Lane Detection CNNs by Self Attention Distillation利用层与层之间的促进关系,相当于逼着前面的层与后面层的输出结果相似,加上distillation到loss目标函数中,有点teacher vs student 的思想,将冗余的大网络精简为小网络。...原创 2019-10-28 17:55:50 · 166 阅读 · 0 评论 -
MobileNet v1论文笔记
MobileNet 论文笔记论文链接概述论文思想非常简单,主要就是利用depthwise CNN的结构来减少计算量,从而减小模型大小。论文提出了两个超参数,可以简单的调整模型大小。出发点一个是从Filter大小上,一个是从Feature大小上。模型结构超参数1:Width Multiplier简单来说这个就是调整Filter大小,进而减小模型大小 ...原创 2018-09-16 18:12:37 · 401 阅读 · 0 评论 -
MobileNet V2论文笔记
https://www.jianshu.com/p/4c9404d4998c转载 2019-05-08 16:30:30 · 194 阅读 · 0 评论 -
【YOLO系列文章】YOLOv2 和 YOLO9000解读
YOLOv2从三个方面改进论文地址:https://arxiv.org/abs/1612.08242博文参考:https://blog.csdn.net/u014380165/article/details/77961414BetterBatch NormalizationBN可以将数据的分布归一化,有利于网络收敛。即使去掉了YOLOv1的dropout,也不会发生过拟合现象。BN可以...原创 2019-01-25 17:44:07 · 341 阅读 · 1 评论