![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
深度学习论文阅读相关、代码相关
saya1009
Computer Vision 计算机视觉,人工智能领域之一,简称CV,在该领域中的一切问题都可以通过:第一步:人工(按住键盘左下角那个键的同时,按住C);第二步:智能,需要靠你大脑中亿万神经元的协同合作才能完成,你需要在屏幕中精确的选好位置,然后按下最下角那个键+V。这两步缺一不可!
展开
-
利用文本信息引导视觉的模型CLIP
一、CLIP模型论文:Learning Transferable Visual Models From Natural Language Supervision论文地址:https://arxiv.org/abs/2103.00020论文代码:https://github.com/openai/CLIP1、Motivation(1)在现实世界里得到大量有标签的数据是困难的,受人力、金钱、现实等因素限制,“有严格限制”的标签是难以得到的,比如,一张狗的图片它对应的标签是dog,dog是给定的类别标签原创 2022-03-09 21:17:14 · 951 阅读 · 1 评论 -
Parametric Contrastive Learning:长尾问题中的对比学习
一、监督学习中的损失函数公式在监督学习中,上面公式是我们最常见的形式,其中,q为query representation,也就是特征,w_y是fc层的权重,相乘得到logits。二、长尾中重加权的损失函数公式以Class-Balanced Loss Based on Effective Number of Samples这篇论文为例,为了解决数据的不平衡问题,通常在传统损失函数前面乘以权重。三、无监督对比学习MoCo简单介绍一下这个著名的算法MoCo,即Momentum Contrast。首先原创 2022-02-28 16:46:54 · 2343 阅读 · 0 评论 -
【长尾学习论文总结】
问题:和传统意义上数据增强的样本有所不同,这更符合分类器眼中的“增强”样本,这样得到的新样本是否真的具有少数类样本的特征?通过添加BatchFormer模块,在一个Batch里,建立单个样本与其它样本的关系,该模块能够即插即用,适用于很多工作。该文章假设类别特征服从高斯分布,统计基类的均值和协方差,与新类结合,得到新的均值和协方差,由此生成新样本。通过给多数类样本增加一个扰动,使得多数类样本能够转变为少数类样本,从而获得新的少数类样本。将上一篇论文的方法应用到长尾分类中。上一篇论文应用到长尾分类中。原创 2022-09-13 15:57:37 · 429 阅读 · 0 评论 -
简单了解Knowledge distillation知识蒸馏
论文:Distilling the Knowledge in a Neural Network一、什么是知识蒸馏,为什么要使用知识蒸馏?知识蒸馏就是把一个大模型的知识迁移到小模型上,因为大模型虽然能达到较高的精度,但它的训练往往需要大量的资源和时间,小模型的训练需要的资源少,训练速度快,但它的精度往往不如大模型。显然,不是每个人都拥有足够的资源训练大模型,为了使用更少的资源、更快的速度,并且精度不能太差,不如让小模型Student学习大模型Teacher的知识,用更少的资源就能达到不错的精度。二、知识原创 2022-01-13 11:37:05 · 6079 阅读 · 0 评论 -
tensorflow1.x和tensorflow2.x的转换
很多论文里的代码都是tensorflow1.x的版本,但是现在基本都用2.x了,把1.x版本改成2.x版本先看转换表,转换表里有的直接按转换表进行转换,比如添加compat.v1。特殊的不能直接转换的,比如Hparams,它本质是一个字典,直接用字典使用就行了,将它的引用params.x改成params[x]。实在不行只能百度看别人的方法了,能简单转换最好,但有些东西就是很难转换,最好别碰1.x版本,会带来不幸。...原创 2021-08-09 17:51:28 · 463 阅读 · 0 评论 -
半监督学习:MixMatch
算法的整个流程还是比较清晰简单的,主要使用了Mixup这一数据增强,混合了标签数据和无标签数据。流程步骤如下:一、记batch size为B,标签样本为X,无标签样本为U,temperature为T,无标签样本数据增强的次数为K,在实验中,K设为2,这里的数据增强就是指普通的数据增强而不是mixup。二、对一个batch中的X进行一次数据增强,得到对一个batch中的U进行K次数据增强,得到三、对所有增强的无标签数据进行预测,并对它们的预测求平均,再通过temperature进行sharpen,原创 2022-05-27 09:57:25 · 688 阅读 · 0 评论 -
ImageNet下载完后解压
参考https://www.cnblogs.com/liuyangcode/p/13854613.html原创 2021-08-12 11:44:36 · 787 阅读 · 0 评论 -
iCAN使用faster r-cnn得到目标检测结果文件为空
问题在于图片文件夹后少了/,添加上/后解决…/tf-faster-rcnn/tools/Object_Detector.py --img_dir /home/featurize/Data/eximages3**/** --img_format jpg --Demo_RCNN /home/featurize/Data/ex3_Object_Detection.pkl原创 2021-05-05 20:28:13 · 283 阅读 · 0 评论 -
mmdetection的使用
1、进入mmdetection源码地址https://github.com/open-mmlab/mmdetection2、按照文件中的get_started.md的步骤安装:创建虚拟环境open-mmlab并激活Create a conda virtual environment and activate it.conda create -n open-mmlab python=3.7 -yconda activate open-mmlab安装PyTorch和torchvision原创 2021-05-10 10:41:26 · 403 阅读 · 0 评论 -
批量命名图片名
changeid={}import osdir = '/home/featurize/data/sets/nuimages/samples/CAM_FRONT'#dir = '/home/featurize/data/sets/nuimages/examples'imglist = os.listdir(dir)#获得该目录下的所有文件,该目录下的所有图片名均为数字num_files = len(imglist)for x in range(0,num_files): #print("-原创 2021-04-12 09:05:06 · 100 阅读 · 0 评论 -
anaconda 安装使用过程
1、安装anaconda:百度搜下都有。2、设置清华镜像源channels:找到.condarc文件,删除default,改成如下。channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda - https://mirrors.tuna.tsinghua.edu.cn/anacond原创 2021-01-06 09:52:45 · 139 阅读 · 0 评论 -
AlphaPose安装测试过程中可能出现的错误
github中INSTALL.md(地址:https://github.com/MVIG-SJTU/AlphaPose/blob/master/docs/INSTALL.md)有详细的安装过程,但是安装过程中出现了一些问题。Install PyTorch创建虚拟环境,按照步骤就行。conda create -n alphapose python=3.6 -yconda activate alphaposepip3 install torch1.1.0 torchvision0.3.0Ge原创 2021-04-02 21:40:55 · 658 阅读 · 2 评论