- 博客(15)
- 收藏
- 关注
RSS订阅原创 EgoVQA - An Egocentric Video Question Answering Benchmark Dataset
4、现存的数据集 在本节中，我们简要回顾了四个现有的第三人称的视频问答数据集，这些数据集是公开可用的并且在以前的工作通常会使用到。 在表1中，我们采用[21]中的现有数据集的统计信息并对其进行了少量修改。 我们还将在下一部分将它们与我们建议的EgoVQA数据集进行比较。 如表1第三人称部分所示，所有现有的视频问答数据集都是第三人称的视角。 1）TGIF-QA [35]是一个关于71741幅动画图片的超过165,000个问题的数据集，源自TGIF数据集[41]。 在此数据集上形成了多个任务，包括计算所
2021-01-05 16:39:39
556
原创 论文笔记 - TSN
Temporal Segment Networks: Towards Good Practices for Deep Action Recognition摘要 本文旨在探索针对视频中行为识别的一种有效的 ConvNetConvNetConvNet 体系结构的设计，以及如何在有限的训练样本下来学习这些模型。贡献一：temporaltemporaltemporal segmentsegment...
2020-03-01 20:33:29
454
原创 翻译 - TSN
Temporal Segment Networks: Towards Good Practices for Deep Action RecognitionAbstract.深度卷积网络对于静止图像的视觉识别已取得了巨大的成功。然而，对于视频的行为识别，传统方法的优势并不那么明显。本文旨在探索针对视频中行为识别的一种有效的 ConvNetConvNetConvNet 体系结构的设计原则，并且用有...
2020-03-01 18:44:05
479
原创 论文笔记 - C3D
Learning Spatiotemporal Features with 3D Convolutional Networks翻译过这篇论文后，简单梳理一下本论文。一、摘要 提出了一种简单还有效的时空特征学习方法，它基于大尺度监督视频数据集上训练的深层三维卷积网络（3D3D3D ConvNetsConvNetsConvNets），其中发现三个方面：（1）相比于 2D2D2D ConvNe...
2020-02-22 14:58:50
473
原创 翻译 - C3D
Learning Spatiotemporal Features with 3D Convolutional NetworksAbstract 我们提出了一种简单是有效的时空特征学习方法，它基于大尺度监督视频数据集上训练的深层三维卷积网络（3D3D3D ConvNetsConvNetsConvNets）。我们的发现有三个方面：（1）相比于 2D2D2D ConvNetsConvNetsCon...
2020-02-22 10:18:06
622
原创 函数介绍 （1）argparse （2）append （3）entend （4）model.train （5）model.eval（6）pickle.dump （7）pickle.load
- [ ] argparse- [ ] append() 和 entend()- [ ] model.train() 和 model.eval()- [ ] pickle.dump() 和 pickle.load()一、argparse1、定义：argparse是python标准库里面用来处理命令行参数的库2、代码：import argparse # 首先导入模块pa...
2020-02-05 19:15:45
300
原创 pytorch学习笔记 2.6 Optimizer 优化器
一、优化器Optimizer 加速神经网络训练（Speed Up Training） 越复杂的神经网络 , 越多的数据 , 使得在训练神经网络时花费的时间也就越多。 原因很简单, 是因为计算量太大了，所以我们需要寻找一些方法, 让神经网络的训练快起来。1、Stochastic Gradient Descent (SGD) 把数据分成小批小批的，然后再分批进行计算。每次使用批数据，虽然不能...
2020-02-05 09:50:52
198
原创 pytorch学习笔记 2.5 批训练
目的： 我们可以把数据全扔进去当作一批（Full Batch Learning), 也可以把数据分为好几批，分别扔进去Learning Model。分批训练，一是更好的处理非凸的损失函数；二是合理利用内存容量。DataLoader DataLoader 是 torch 中用来包装数据的工具，所以需要将自己的其他数据形式转换成 Tensor ，然后再放入这个包装器中，可以帮助有效的迭代。...
2020-02-04 21:51:18
122
原创 pytorch学习笔记 2.4 保存提取
目的：训练好了一个模型, 但是想要留到下次用，那么把模型保存下来就是最棒的选择！保存网络1、采用回归的神经网络举例实现保存提取。# 假数据x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # x data (tensor), shape=(100, 1)y = x.pow(2) + 0.2*torch.rand(x.size...
2020-02-04 21:27:38
147
原创 pytorch学习笔记 2.3 Sequential 快速搭建法
目的：用更简单的方式去搭建同样的回归神经网络。【2.1 Regression 回归】快速搭建：1、回顾一下【2.1】的搭建方法，用 class 继承了一个 torch 中的神经网络结构，并对其进行了修改。class Net(torch.nn.Module): def __init__(self, n_feature, n_hidden, n_output): sup...
2020-02-04 20:34:20
162
原创 pytorch学习笔记 2.2 Classification 分类
目的：研究神经网络是如何进行事物的分类。步骤1：建立数据集首先创建一些假数据来模拟真实的情况，例如用两个均值不同的二次分布的数据。import torchimport matplotlib.pyplot as plt# 假数据n_data = torch.ones(100, 2) # 数据的基本形态x0 = torch.normal(2*n_data, 1) ...
2020-02-04 19:36:10
738
原创 pytorch学习笔记 2.1 Regression 回归
目的：研究神经网络是如何通过简单的形式将一群数据用一条线条来表示，即如何在数据中找到他们之间的关系，然后用神经网络模型来建立一个可以代表其关系的线条。步骤1：建立数据集首先创建一些假数据来模拟真实的情况，例如使用一个二元函数：y = a*x^2+b；并给数据 y 加上一点噪声；简单看一下这个图的样子import torchimport matplotlib.pyplot as plt...
2020-02-04 14:37:56
107
原创 pytorch学习笔记 1.3 激励函数(Activation Function)
一、什么是激励函数？1. 激励函数1、激励函数就是解决现实生活中不能用线性方程所概括的问题。2、对于线性问题，用 y = Wx 表示；对于非线性问题，用 y = AF(Wx) 表示3、AF 指激励函数，也就是非线性函数，将其嵌套在原有的结果上，强行把原有的线性结果扭曲，使得输出结果 y 也有了非线性的特征；例如：relu、sigmoid、tanh；4、可以创造自己的激励函数，但是激励函数...
2020-02-02 16:19:31
432
原创 pytorch学习笔记 1.2 Variable变量
神经网络的参数其实都是Variable变量的形式，把Tensor的数据信息放到Tensor的变量中，用变量来慢慢的更新自己的神经网络里面的一些参数一、Variable变量是什么？1、Variable就是 “变量” 的意思。实质上也就是可以变化的量，区别于int变量，它是一种可以变化的变量，这正好就符合了反向传播，参数更新的属性。2、在pytorch中的Variable就是一个存放 “可变化值...
2020-02-02 12:30:56
253
原创 pytorch学习笔记 1.1 numpy和torch对比
一、numpy和torch的简单介绍1、numpy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，numpy会把array放在CPU中加速运算。2、Torch自称为神经网络中的numpy。它会将torch产生的tensor放在GPU中加速运算。PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。二、numpy和torch...
2020-02-02 09:45:25
1096
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人