机器学习与深度学习
机器学习与深度学习相关书籍,论文阅读笔记。
鱼一一
今天也要好好学习的小鱼~
展开
-
VALSE Webinar 20-23期 源头活水:自监督与无监督学习探讨
【B站】报告时间:2020年09月16日(星期三)晚上20:00(北京时间)主题:源头活水:自监督与无监督学习探讨主持人:姬艳丽(电子科技大学)报告嘉宾:谢伟迪(VGG, University of Oxford)报告题目:Self-supervised Visual Representation Learning from Videos术语proxy task自监督videos存在问题:1.训练太弱2.与下游任务不匹配解决目的:学习一个好的表达来predict下一帧面临挑战:原创 2020-09-16 22:55:28 · 812 阅读 · 4 评论 -
ResNeSt到底干了个啥?Split-Attention Networks
英文原文链接: link.代码链接(提供PyTorch和MXNet双版本): link.目录动机和主要贡献网络结构整体结构ResnetSt Block关键结构Split-Attention Block![在这里插入图片描述](https://img-blog.csdnimg.cn/20200529233328683.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZ原创 2020-05-29 23:55:40 · 1589 阅读 · 0 评论 -
初探小样本学习(Few-shot Learning)
目录动机问题设定1.分类1.1DATA1.2MODEL1.3ALGORITHM2.元学习 Meta Learning2.1MAML2.2MW-Net3.度量学习 Metric Learning3.1 DNnet动机人类非常擅长通过极少量的样本识别一个新物体,不需要大量物体的积累。而且人类学习知识的泛化性很高,有“举一反三”“见微知著”的本领。而这些深度模型却是不具备的。研究小样本学习的研究人员希望模型只需要少量的样本就能快速学习,这类研究大致可以分为是基于度量学习(Metric Learning)的方法原创 2020-08-21 11:16:47 · 1281 阅读 · 0 评论 -
DCN_可变形卷积_Deformable Convolutional Networks
原文链接: link.Deformable Convolutional Networks摘要1.介绍摘要由于卷积神经网络(CNN)的卷积核几何结构固定,因此模型几何转换有限。在这项工作中,我们引入了两个新模块来增强CNN的转换建模能力,即可变形卷积和可变形ROI Pooling。两者均基于以下想法:在模块中增加额外的空间采样位置的偏移量,并从目标任务中学习偏移量,而无需额外的监督。新模块可以轻松替换现有CNN中的普通模块,并且可以通过标准反向传播轻松进行端到端训练,从而产生可变形的卷积网络。大量的实验原创 2020-06-19 19:47:55 · 2773 阅读 · 0 评论 -
目标检测系列文章之Mask R-CNN【2017】
Mask R-CNN基本思想创新点网络结构训练细节重要结论英文原文链接: link.前言:KaimingHe组2017年发表的经典paper《Mask R-CNN》基本思想Mask R-CNN在faster R-CNN的基础上添加了平行于原来分类分支的像素级实例分割分支,最终实现了目标识别和实例分割,结构如下:8-GPU服务器训练两天创新点1 原来的【ssp-net变形的RoIPoo...原创 2020-04-07 15:45:08 · 466 阅读 · 0 评论 -
目标检测系列文章之Faster R-CNN【2015】
Faster R-CNN基本思想训练英文原文链接: link.前言:KaimingHe大神组2015年NIPS上的经典paper《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》基本思想一脉相承的rnn未摆脱传统候选区域算法(如Selective Search)的限制,所以诞生了F...原创 2020-04-07 15:20:41 · 171 阅读 · 0 评论 -
目标检测系列文章之Fast R-CNN【2015】
FastR-CNN基本思想端到端训练创新点及问题英文原文链接: link.前言:KaimingHe大神2015年ICCV上的经典paper《Fast R-CNN》基本思想为了解决R-CNN训练速度慢、训练所需空间大的问题,R-CNN的原作者Ross Girshick吸收了SPP-net的特点对R-CNN做出了改进,提出了Fast R-CNN。端到端训练1 输入整张图像+候选区域(Se...原创 2020-04-07 15:08:43 · 576 阅读 · 0 评论 -
目标检测系列文章之SPP-net【2015】
SPP-net基本思想检测流程优点 & 问题英文原文链接: link.前言:2015年IEEE上的经典paper《Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition》基本思想为了解决R-CNN候选区域缩放后的畸变问题和提取特征时的重复计算导致了模型性能和速度的瓶颈,何凯明等人提出了...原创 2020-04-07 15:00:05 · 225 阅读 · 0 评论 -
目标检测系列文章之R-CNN【2014】
R-CNN基本思想数据集和训练缺点选择性搜索算法英文原文链接: link.前言:2014年CVPR上的经典paper《Rich feature hierarchies for Accurate Object Detection and Segmentation》R-CNN摒弃了传统的滑动窗口和人工选取特征的方法,将候选区域算法Selective Search和卷积神经网络相结合。基本思想...原创 2020-04-07 14:50:18 · 257 阅读 · 0 评论 -
干货满满~阿里天池目标检测保姆级教程
老司机手把手教学准备设备技术目标检测相关论文数据分析——数据特殊性质目标检测算法的选择模型预训练调参比赛心态答疑环节郑烨中科院计算所博士生在读,研究方向为FSOD。CV比赛奖项收割者,有较为丰富的目标检测比赛经验。录播链接:https://tianchi.aliyun.com/course/video?liveId=41141准备设备显卡:英伟达公司,支持cuda和cudnn的加速,很...原创 2020-03-21 16:31:15 · 4392 阅读 · 2 评论 -
超分辨率【Super-Resolution】相关论文
1.Deep Convolutional Network嘿Learning a Deep Convolutional Network for Image Super-Resolution 原文链接.嘿Image Super-Resolution Using Deep Convolutional Networks原文链接.嘿Accurate Image Super-Resolution Us...原创 2019-03-16 21:25:45 · 1135 阅读 · 0 评论