![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
讲座
小珈猫
这个作者很懒,什么都没留下…
展开
-
【valse】细粒度识别
Learning from fine-grained and long-tailed visual data 迁移学习:大数据集—>小数据集 迁移任务的指标上升率:与数据的量级是对数的关系 结果如下所示: 更多的预训练数据并非有用~ 在2018找出迁移任务的子集而非所有的,找出一定的相似度,利用预训练的子集即可~ 即衡量domain similarity imagenet’和inat有很强的偏差 在迁移学习的时候有一个平均效应,并不是更多的数据就会带来更好的结果 Dealing with long-原创 2020-11-17 15:21:49 · 674 阅读 · 0 评论 -
【Valse2020】细粒度图像识别年度进展概述
细粒度识别的挑战:类间差异大,类内差异小 常用的数据集:鸟,花,汽车…… 不同的范式: 1. by localization-classification subnetworks 定位子网络,典型工作:ICCV,S3N原创 2020-11-16 20:06:06 · 1298 阅读 · 0 评论 -
【讲座】推荐基石
何为推荐? 推荐UI演进 推荐的应用 推荐的常见评估指标: 离线评估指标举列: •AUC:衡量分类算法将这个正样本排在负样本前面的概率。 •准确率:推荐给用户的商品中,属于测试集的比例 •召回率:测试集中有多少在用户的推荐列表中线上迭代指标: 与搜索和广告的区别: 推荐系统的架构: ...原创 2020-09-01 16:05:35 · 102 阅读 · 0 评论