learning notes

arxiv: https://arxiv.org/abs/1704.04861 论文翻译：mobilenet(上),mobilenet(下)。 论文阅读笔记参考：MobileNets 论文笔记. 代码实现： 1. google在tensorflow中放出了预训练的模型，根据宽度系数[1,0.75,0.5,0.25] 与 分辨率大小[224,192,160,128]组合一共16个模型，模型

ILRVRC 2015 scese classification challenge第一。 在类别不平衡时的采样策略： >Class-aware Sampling. The Places2 challenge dataset has more than 8M training images in total. The numbers of images in different classes

arxiv : https://arxiv.org/abs/1606.02819v3 code: https://github.com/facebookresearch/low-shot-shrink-hallucinate 类别样本数很少时候的分类。使用方法为： 实验细节：对于类别不平衡的处理办法为： 处理方法1不理解。 - we oversample the novel class

arxiv: https://arxiv.org/pdf/1708.02002.pdf 何凯明 homepage: http://kaiminghe.com/paper 写得很好，可以多读。1.解决的问题： 在稠密目标检测中，产生的目标候选区域中正负样本数量悬殊，大部分都是对 loss没有贡献的easy background example. 很容易进行分类。2.相关 paper: R-CNN