flyminnnnn的博客

来源：MIT，MIT-IBM Waston AI Lab，paper，preprint总的来说，本文有一下几点值得关注采用了一次性训练超网并抽取子网的方式，个人感觉这是 cascade 等多阶段思路的延续，及后续网络只是进一步细化/处理较难任务，网络前期就已经有分类能力了为了增强抽取子网的效果，提出了 PS 的训练方法，训练过程感觉作者说的不是很清楚，感觉是通过多种 loss 共同作用训...

Parallel Programming in Java（第三、四周）Parallel Programming in Java 是 Coursera 的上的一门课程，一共有四周课程内容，讲述Java中的并行程序设计。这里是第三、四周课程的内容笔记。主要内容为 Parallel Loops 和 Dataflow Synchronization and Pipelining，即 循环并行 和 数据流...

原贴地址：Sleepwatcher : Run Script on SleepSleepwatcher 是一个可以再mac睡眠和唤醒时自动执行命令行脚本的工具，下文两部分分别描述了这个工具的安装与设置方法，在实际的使用中不仅可以执行bash脚本，而且可以执行Applescript命令，使用起来十分方便。Sleepwatcher is a Mac OS X background daemo...

Parallel Programming in Java（第二周）Parallel Programming in Java 是 Coursera 的上的一门课程，一共有四周课程内容，讲述Java中的并行程序设计。这里是第二周课程的内容笔记。主要内容为 Functional Parallelism，即 函数式并行Functional ParallelismFunctional parallel...

NSGA-Net: Neural Architecture Search using Multi-Objective Genetic Algorithm来源：paper, code, MSU, GECCO-2019, first Submitted on 8 Oct 2018词汇：WordsMeaninggenetic algorithm遗传算法mutation...

Parallel Programming in Java（第一周）Parallel Programming in Java 是 Coursera 的上的一门课程，一共有四周课程内容，讲述Java中的并行程序设计。这里是第一周课程的内容笔记。主要内容为 Task Parallel，即 任务并行设计Task ParallelTask Parallel 包括 task 创建和 task 终止两部分...

Rethinking Knowledge Graph Propagation for Zero-Shot Learning (DGP)来源：挪威北极大学&清华&中山& MIT &中科院自动化所 & CMU, arxiv-2018，paper，code摘要部分总结来自：论文浅尝 | 当知识图谱遇上零样本学习——零样本学习综述本文在 Zero-sh...

来源：东南&电子科技&西交&南京邮电，IJCAI-18，paper摘要细粒度图像分类(fine-grained image classification, FGIC)，难点在于很大的类内多样性与微妙的类间不同点现有的方法限制在利用图像中的视觉信息嵌入本文使用了一些先验知识，来自于结构化知识基础或者非结构化的文本信息，来简化FGIC问题。建立了一个视觉语义嵌入模型来...

来源：CVPR-2018，台湾国立&CMU，paper概述问题描述：针对每一个输入预测多个见过的和没见过的标签motivation：人类利用兴趣物体之间的语义信息的方式。提出了一个结合知识图谱的框架来描述多标签之间的关系。模型中学习了一种在语义标签空间的信息传播方式，以此来建模见过的和没见过的label之间的相互依赖。Introduction自然图片的标注工作要求神经网络...

文件构成由TensorFlow保存的训练模型文件由四个文件组成：.├── checkpoint├── v18.ckpt-2333.data-00000-of-00001├── v18.ckpt-2333.index└── v18.ckpt-2333.meta每个文件的内容为：文件描述checkpoint指示文件夹中多个不同训练结果的属性，即如果在训练过程中保...

Paper, CMU, CVPR 2017人类有从世界中获取信息并进行推理的能力，可以通过了解物体的特征以及特征之间的的关系来从少量的样本中学习视觉概念。 通过结构化的先验知识以知识图谱的形式来优化image的分类：recognizing, recalling knowledge, reasoning。不再从整体上识别一个物体，而是识别部分特征，通过推理的方式理解物体的类别 方法： pr...

转载自Linux中国，原文：在 Linux 上如何清除内存的 Cache、Buffer 和交换空间像任何其他的操作系统一样，GNU/Linux 已经实现的内存管理不仅有效，而且更好。但是，如果有任何进程正在蚕食你的内存，而你想要清除它的话，Linux 提供了一个刷新或清除RAM缓存方法。Clear RAM Cache and Swap in Linux如何在 Linux 中清除缓存（Cac...

正文CelebA-HQ数据集是通过CelebA原始的未裁剪数据集生成的不同分辨率的版本。数据集下载 Large-scale CelebFaces Attributes (CelebA) Dataset，注意要下载img_celeba.7z这个未裁剪的原始版本数据集转化方式可以参考：CelebA-HQ的jpg格式版转化下载img_celeba.7z，共计14个分卷压缩文件解压文件，先合并...

来源：paper, MSRA & PKU, ECCV 2018一些讲解作者讲解作者认为数据驱动的方式讷讷够提高准确性并且带来更强的适应性，即将原来人工智能系统各个模块中手工设置的部分改由可学习的参数。本文主要针对特征提取部分，例如ROI Pooling方法。区域特征提取的一般化视角基于区域的物体检测方法步骤总结为：图像特征生成、候选区域生成、区域特征提取、区域识别和重复检测去除。...

来源：paper, code，CVPR 2019, 韩国高等科技研究所&蒙特利尔大学AbstractEGNN: edge-labeling graph neutral network学习预测边的label，使得网络可以利用对于类内相似性和类间不相似性的直接连接状态的探索，通过迭代更新边的标签，使得聚类表示是可以进化的适合在各种数量的类别之间迁移并且不需要重新训练Introdu...

来源：论文，code，MSRA & PKU，2018 CVPR知乎笔记主要贡献：提出了一种relation module，可以将常见的物体特征融合进物体之间的关联性信息，同时不改变特征维数，因此可以很方便加入已有的网络框架提出了一种代替NMS的去重模块设计，避免NMS需要手动设置参数的问题，真正实现模型的end-to-end训练论文阅读IntroductionNMS模块被...