- 博客(3)
- 收藏
- 关注
RSS订阅原创 A Novel Spatio-Temporal Synchronization Method of Roadside Asynchronous MMW Radar-camera for Sensor
所有车辆通过检测线的时间差都会被记录，形成了一个一维的N+1个元素的向量：$$[t_{i-N}-t_i,...,t_{i-1}-t_i,t_i,t_{i+1}-t_i,...,t_{i+N}-t_i]$$，包含了某个车辆前后N辆车的时间戳差值。x轴和y轴的幅度偏差$$K_x, K_y$$，即雷达方向的1m对应世界坐标系下的$$K_x或者K_y$$m，因此，除了原点之外，其他三点所包含的误差也被考虑在内。因此车辆通过两者的虚拟检测线的时间戳会产生time gap，标记为$$\Delta t_i$$。
2023-12-12 16:25:01
882
原创 DATASET DISTILLATION 论文总结
以往的方法是不断地输入数据集，通过反向传播迭代的方法，更新网络权重，从而达到想要的训练结果。这篇论文提供了一个新的角度，对于分类网络来说，首先根据原来的数据集和网络的初始化权重（固定或随机），通过反向传播迭代更新新的数据集（生成的新数据集）。来形成新的几乎等于（大于等于）分类数量的数据集，再经过有限的几次迭代以后就可以达到比较高的精度。 新生成的蒸馏数据特别像噪声。 按照论文的章节安排...
2019-02-12 19:50:58
2028
1
原创 Knowledge Distillation by On-the-Fly Native Ensemble论文解读
1. 网络结构： Gate为全连接网络，用来学习哪个网络更重要。目前利用全连接网络选择网络部件重要性的方法很流行。“三个臭皮匠顶个诸葛亮？”，感觉很像bagging方法。 2. 损失函数： 训练时softmax都有温度T=3蒸馏，测试时就恢复T=1。 最终的Loss 第一项代表各个分支的损失，第二项代表最后Teacher的损失，第三项代表各...
2019-01-21 15:49:35
1138
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