- 博客(2)
- 资源 (5)
- 收藏
- 关注
原创 元学习(meta learning)入门笔记--MAML
1、meta learning对于经典的深度学习方法,我们是通过人为定义的网络结构,人工设计的参数初始化方法,还有人工设计的梯度更新策略,来逐步更新函数f的参数,最终找到一个对当前数据较好的函数f,如下:对于元学习方法,我们希望能够替换这些人工设计的部分,让机器自己学会什么样的设置对训练任务是有利的,即找到一个函数F,它能根据数据,给出一个比较好的函数f,这也就是“学会去学习”。于是,对于元学习而言,我们可以定义一系列的learning algorithm,比如不同的网络参数设置就对应.
2020-11-14 16:12:25 1820
原创 多尺度图像细节提升(multi-scale detail boosting)Python版
论文核心思想是:使用三个尺度的高斯模糊,和原图做减法,获得不同程度的细节信息,然后通过一定的组合方式把这些细节信息融合到原图中,从而得到加强原图信息的能力。以下给出python版本实现:import cv2import globimport osimport numpy as npdef multiScaleSharpen(src, Radius): sigma1 = 1.0 sigma2 = 2.0 sigma3 = 4.0 B1 = cv2.Gauss
2020-11-13 11:16:24 1634
Detect-the-common-of-images-master.zip
2020-04-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人