![](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 similarityimagenet’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 · 648 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 · 1288 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 · 95 阅读 · 0 评论