![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
基础知识
文章平均质量分 72
qq_24876435
这个作者很懒,什么都没留下…
展开
-
senet
论文阅读笔记---senet_xys430381_1的博客-CSDN博客概要论文的动机是从特征通道之间的关系入手,希望显式地建模特征通道之间的相互依赖关系。另外,没有引入一个新的空间维度来进行特征通道间的融合,而是采用了一种全新的“特征重标定”策略。SENet的核心思想在于通过网络根据loss去学习特征权重,使得有效的feature map权重大,无效或效果小的feature map权重小的方式训练模型达到更好的结果。具体来说,就是通过学习的方式来自动获取到每个特征通道的重要程度,然后依照这转载 2022-03-21 11:20:39 · 100 阅读 · 0 评论 -
主成分分析(PCA)与2DPCA
主成分分析(PCA)原理详解_李春春的专栏-CSDN博客_主成分分析看论文是遇到2DPCA方法,然后又去回顾了一下经典的PCA方法,对于PCA这篇博客解读还是比较详细,可以参考。2DPCA方法解读可以参考这篇博客:2DPCA—二维主成分分析详解及编程_一地鸡毛的博客-CSDN博客_二维主成分分析一、为什么提出2DPCA(Why)PCA存在着以下问题: 1、使用PCA进行图像分类识别时,需要将二维矩阵转换为一维向量,使得图像内在的结构信息丢失。 2、使用...转载 2022-03-13 21:36:45 · 958 阅读 · 1 评论 -
矩阵低秩有何意义?
参考博客:https://blog.csdn.net/weixin_41894030/article/details/115699611首先来思考,为什么叫“秩”?举个例子就很容易理解,大家排队买票。如果大家互相不认识,那就会一个排一个,非常有秩序。然而,如果突然来了一个与队伍前面的人认识的人,这个人又不自觉排队,非要插队。那后面的人肯定要有意见了,说你要是这样我前面 还有认识的人呢,你插我也插队,这样整个队伍就乱掉了, 谁也买不成。通过这个例子,可以得到一下结论:彼此不认识,那就不相关,就有秩转载 2022-03-09 11:22:34 · 9217 阅读 · 7 评论