笔记
文章平均质量分 75
秃头嘤嘤魔
这个作者很懒,什么都没留下…
展开
-
Charles抓包基本应用
mac电脑上下载安装Charles,以及介绍一些Charles常用的功能。原创 2022-07-06 15:06:41 · 960 阅读 · 0 评论 -
01背包问题
点击此处转载 2021-11-29 15:18:10 · 76 阅读 · 0 评论 -
Dense Dilated Network for Few Shot Action Recognition
Motivation数据稀缺问题是新出现的行动类别的一个常见问题,这阻碍了神经网络学习辨别特征。同一类别中的动作具有多种背景,这需要足够数量的带注释的视频数据来训练深度神经网络。因此作者想能不能用很少的例子找到学习新动作类别的方法?方法作者采用了图像识别任务中一个新颖的DenseNet,采用密集连接来充分利用整个视频的时空信息。将一个视频分为n个片段,使用TSN分别提取空间信息和时间信息,然后使用具有密集连接的块提取特征,最后得到每个片段的预测分数,融合分数得到视频的预测结果。Dense Dila原创 2021-04-21 10:32:52 · 699 阅读 · 3 评论 -
Learning by Aligning Videos in Time
方法首先学习一个嵌入空间,在这个空间中,内容相似的两个视频可以方便地在时间上对齐。作者首先旨在优化嵌入空间,仅考虑两个视频之间的全局对齐成本,这可能导致琐碎的解决方案。为了克服这个问题,作者调整嵌入空间,使得对于每个输入视频,时间上靠近的帧被映射到嵌入空间中的邻近点,而时间上远离的帧被相应地映射到嵌入空间中的远处。Notations:fθf_\thetafθ表示一个参数为θ\thetaθ的神经网络,定义两个输入X={x1,x2,...,xn}X=\{x_1,x_2,...,x_n\}X={x1,原创 2021-04-20 15:04:01 · 368 阅读 · 2 评论 -
Few-shot Action Recognition with Prototype-centered Attentive Learning阅读笔记
遇到的问题相同类间存在交叉,还会存在一些外围的孤立样本,这种数据分布对于小样本识别而言会产生很大的影响。因此作者提出采用transformer中的自注意力来减轻这些限制。同时作者认为,以query样本为中心的匹配机制缺乏数据有效性,没有充分利用有限数据之间的分布关系,因此提出了一个以原型为中心的匹配作为补充。方法作者提出了一个原型为中心的注意学习模型,解决了类间重叠和外围孤立样本的问题。1、 提出了HAL混合注意力学习,在支持集上应用自监督,在从查询集到支持集上应用交叉监督,从而降低类间差别2原创 2021-03-03 10:38:55 · 832 阅读 · 6 评论 -
Few-Shot Video Classification via Temporal Alignment
这篇文章是2019年的关于小样本在行为识别领域的应用,其主要是通过对齐两个视频的帧,用最小路径的代价衡量两个视频的相似度从而实现视频分类的。原创 2020-12-06 11:16:40 · 1199 阅读 · 0 评论 -
基于度量metric学习的few-shot learning
本文主要看了四种网络,分别为孪生网络、匹配网络、原型网络和关系网络,对这四个网络进行简要的介绍,详细可看原文。Siamese Neural Networks for One-shot Image RecognitionMatching Networks for One Shot LearningPrototypical Networks for Few-shot LearningLearning to Compare: Relation Network for Few-Shot Learning原创 2021-03-03 10:17:04 · 836 阅读 · 1 评论