- 博客(7)
- 收藏
- 关注
RSS订阅原创 卷积神经网络和多模态学习
卷积神经网络的提出是为了解决全连接网络在输入数量和隐藏层节点数增大时参数大量增加的问题，采用的方式仍然是参数共享。图像的特征提取总是可以通过在不同尺度上不断抽象而得到，而每一个尺度上的特征均可以通过领域特征来表示；自然图像有一些固有特征，这些特征在不同位置的表现是相同的，那么局部特征提取的参数是可以共享的。卷积层操作用于在不同的地方提取稳定的局部特征，池化层操作用于综合一个较大区域提取到的局部特征，以保持特征的不变性。
2023-03-19 16:56:40
2377
原创 特征选择和稀疏编码
为普通稠密表达的样本找到合适的字典，将样本转化为合适的稀疏表示形式，将学习任务简化，即称字典学习（dictionary learning）或称稀疏编码（sparse coding），前者侧重学得字典的过程，后者侧重对样本进行稀疏表达的过程。子集搜索（sunset search）：逐渐增加相关特征的“前向“搜索，逐渐减少相关特征的”后向“搜索，每一轮逐渐增加选定相关特征同时减少无关特征的”双向“搜索。该方法假设特征子集的重要性是由子集中的每个特征所对应的相关统计分量之和所决定的。直接对给定的学习器进行优化。
2023-03-15 19:53:23
444
原创 实例分割文献阅读笔记（二）DCT-Mask
面对低分辨率不足和高分辨率过于复杂的问题，该文章提出了一个新的mask representation，是用DCT(discrete cosine transform)离散余弦变换将高分辨率的二进制网络掩码endoce成紧凑的向量，应用到大多数基于像素的实例分割方法中，且不需要预处理和预训练，对运行速度也没有影响。），是目标检测中使用的一个概念，IoU计算的是“预测的边框”和“真实的边框”的交叠率-，即它们的交集和并集的比值。阅读 DCT-mask：离散余弦变换mask的实例分割表示。
2023-03-14 21:40:44
405
原创 神经网络算法
BP神经网络不仅可用于多层前馈神经网络，还可用于其他类型的神经网络，例如训练递归神经网络。但通常所说的BP网络，一般是用BP算法训练的多层前馈神经网络。给定训练集，即输入个属性描述，输入维实值向量。在个输入神经元，个输出神经元，个隐层神经元的多层前馈神经网络结构中，一些参数的设置如下。
2023-03-13 20:19:08
1989
原创 实例分割文献阅读笔记（一）SimT
但是现在的方法都只考虑了目标域中存在封闭集标签噪声（closed-set label noise）的问题，没有人考虑开放集标签噪声（open-set label noise）问题。然而在现实场景下，open-set标签噪声是普遍存在的，所以我们的这个工作首次考虑了域自适应任务中open-set标签噪声，并将closed-set和open-set标签噪声分布一起用一个噪声转移矩阵建模，然后利用建模的噪声转移矩阵来显示地去掉噪声伪标签的负面影响，因此，域自适应问题就被转化成如何去估计这个噪声转移矩阵了。
2023-03-11 19:52:23
216
1
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