- 博客(9)
- 收藏
- 关注
RSS订阅原创 领域自适应
把网络分为特征提取器和标签分类器，让源数据和目标数据生成的特征分布一样。找到一个特征提取器，对训练和测试资料经过处理之后忽略不同的部分。L：分类越正确越好，Ld：分辨越正确越好，：让L越小越好，Ld越大越好。训练和测试数据有不同分布。
2024-04-26 16:12:46
258
1
原创 Rich feature hierarchies for accurate object detection and semantic segmentation论文笔记
文献的研究目的是为了提高对象检测和语义分割的准确性，特别是在PASCAL VOC这样的标准数据集上。研究的核心是提出一种名为R-CNN（Regions with CNN features）的新型算法，该算法通过结合区域提议和卷积神经网络（CNN）来实现更精确的对象定位和分类。研究方法包括以下几个关键步骤：1. **区域提议提取**：- 使用自底向上的方法，如Selective Search，从图像中提取可能包含对象的区域提议。这些提议作为后续处理的输入。
2024-04-18 23:00:13
987
原创 Fast R-CNN论文阅读笔记
原始网络中的最后一个最大池化层被替换为一个RoI（区域感兴趣）池化层。这个RoI池化层被配置为设置H和W的值，以确保与网络的第一个全连接层兼容（例如，对于VGG16，H和W都设置为7）。
2024-04-18 23:00:01
830
原创 来自人类的恶意攻击
正确率高还不够，需要识别人类的欺骗。加入杂讯，攻击分为有无目标的攻击。根据有无目标设定Loss函数，杂讯还应该尽可能不被人察觉。有两种方式计算怎么样才算不被人察觉。一种是原来的像素平均下来差异小，一种是只看哪个像素差异最大。
2024-04-15 16:38:35
383
1
原创 《计算机视觉中的机器学习：综述》论文笔记
主要有两种类型：模拟图像处理和数字图像处理。关键因素是：1 图像获取2 操控和分析图像3 输出分析后的图像在模拟图像处理中，只能用基础的视觉技术来分析图像。数字图像处理遵循以下三个规则：1 预处理2 增强3 提取信息第一步是把RGB转换成灰度，还有各种预处理、
2024-03-26 20:07:30
342
原创 自编码器
自监督学习也叫pre-train，适用于一些不用标注数据的任务，比如做填空题。降维。为什么能成功？图片的变化形式可能只有有限个，用低纬度就能表示。
2024-03-25 22:03:25
328
原创 生成式对抗网络（GAN）
我们的目标是让Generator生成的分布和真实的数据越像越好，但是这个距离很难衡量。训练Discriminator的目标是让它能分辨出哪些是G生成的数据，哪些是真实的数据。而跟JS divergence有关。所以有了以下式子：换个distance计算。
2024-03-19 20:42:59
462
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