dimension reduction、 feature disentangle

已于 2023-03-28 07:12:15 修改
阅读量117 收藏
点赞数
分类专栏： 李宏毅机器学习 python 文章标签： python 深度学习 机器学习
于 2023-03-20 07:53:59 首次发布
原文链接：https://www.bilibili.com/video/BV1Wv411h7kN?p=83&vd_source=f682f3681a5f1e425870161030723e0e
版权

Auto-encoder

PCA

PCA的eigenvalue，解出来的w，是orthonormal的，nerual network的gradient descent找出来的w，不一定是orthonormal的

LLE和t-SNE
LLE假设高纬度上，相邻的点，一个坐标轴方向上距离为0，使得另一个坐标轴上点的欧氏距离最小，但涉及3个或3个以上坐标轴时，不能假设其余坐标轴上的点的距离都为0，求一个坐标轴方向上的点的距离最小，所以要有限制条件，所得到的结果的维度要比原来的维度大

laplacian eigenmaps
支持向量机svd
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

Feature Disentangle
在这里插入图片描述
在这里插入图片描述
feature disentangle

应用在解释dl上：
在这里插入图片描述

inf-inf
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
3D【11】人脸重建：Disentangling Features in 3D Face Shapes for Joint Face Reconstruction and Recognition
DCD_LIN的博客
04-04 1699
这篇文章的思想跟Multilinear Autoencoder for 3D Face Model Learning 本质上是完全一样的。将人脸重建看成是一个线性问题，然后求解线性系数和特征向量。而且训练方法也是一样的。分两步：1、预训练encoder；2、预训练decoder；3、训练整个模型。 两篇文章的区别是：该论文用的是3DMM的理论，而上面我提到的那篇用的是高阶SVD张量分解理论。 ...
Datacamp 笔记&代码 Unsupervised Learning in Python 第三章 Decorrelating your data and dimension reduction
Jinny的博客
07-31 560
更多原始数据文档和JupyterNotebook Github: https://github.com/JinnyR/Datacamp_DataScienceTrack_Python Datacamp track: Data Scientist with Python - Course 23 (3) Exercise Correlated data in nature You are given ...
论文阅读：AAAI2022 PFD_Net :Pose-guided Feature Disentangling for Occluded Person Re-identification Based
张齐贤的博客
01-03 6069
1.作者提出了一种新的姿态引导特征解纠缠transform，用于occluded person Re-ID，利用姿态信息清晰地解开语义成分（如人体或关节部分），并选择性地匹配非被遮挡部分。 2.作者设计了一种姿态引导的push损失，以帮助关注人体部位，减轻遮挡和噪声的干扰，避免了特征学习的失败。 3.为了证明作者的方法的有效性，作者在封闭的，整体的Re-ID数据集上进行了实验。大量的实验结果表明，该方法优于SOTA方法。
Interpreting and Disentangling Feature Components of Various Complexity from DNNs
This is Yu SI's blog. Kenny(司宇SIYU)
07-11 450
Paper: https://arxiv.org/abs/2006.15920 Motivation: 将原始特征分解成不同复杂度阶的特征分量。进一步设计分析解缠特征分量的度量。 方法： 不同复杂度的特征分量的解缠受知识蒸馏的启发。将目标 DNN 视为教师网络。然后，设计几个不同深度的解缠结网络（即解缠结网络）来模仿教师网络中间层的特征。由浅层解缠结网模仿的特征组件通常对应于低复杂性的特征组件。除了低复杂度的组件外，更深的解缠器网络可以逐步学习一个复杂度更高的附加特征组件。此外，我们发现 disentan
Recognize Actions by Disentangling Components of Dynamics
karen17的博客
05-17 341
行为识别：Recognize Actions by Disentangling Components of Dynamics论文笔记 文章补充材料：http://openaccess.thecvf.com/content_cvpr_2018/Supplemental/1067-supp.pdf Abstract 本文提出一种新的convnet结果，该结构可以完全从原始视频帧中提取compon...
Distance Preserving Dimension Reduction for Manifold Learning
05-03
一篇关于使用QR分解降维的文章，探索了对降维过程中保持不变的属性
Dimension Reduction A Guided Tour
09-04
Dimension Reduction A Guided Tour give a tutorial overview of several foundational methods for dimension reduction. We divide the methods into projective methods and methods that model the manifold on...
Dimension Reduction：A Guided Tour
11-11
oriented PCA, and several techniques for sufficient dimension reduction. For the manifold methods, we review multidimensional scaling (MDS), landmark MDS, Isomap, locally linear embedding, Laplacian ...
Dimension reduction techniques
04-02
Anestis Antoniadis在2003年所做的“用于模式分类的降维技术”报告的幻灯。
lpp.rar_LPP matlab_dimension reduction _lpp
09-24
This file implement lpp algorithm for dimension reduction and clustering techniques. Dimension reduction, Clustering.
PFD_net和TransReID学习——二：HRNet提取人体关键点
jokerCe的博客
11-20 249
最近在学习行人重识别方向的《Pose-Guided Feature Disentangling for Occluded Person Re-identification Based on Transformer》文章和源码，这篇文章网络PDF的backbone是采用《TransReID: Transformer-based Object Re-Identification》的主干网络TransReID，所以下面在书写的时候会一起说明。在该部分，其实我们需要的只是heatmap，对应的调用部分在。
RevCol：可逆的多 column 网络
qq_60199131的博客
03-20 729
RevCol：可逆的多 column 网络，除了宽、高，再增加了一个维度
CVPR2019行人重识别、车辆重识别及行人图像生成论文汇总
热门推荐
weixin_42881607的博客
04-19 1万+
论文题目1、Joint Discriminative and Generative Learning for Person Re-identification. Zhedong Zheng; Xiaodong Yang; Zhiding Yu; Liang Zheng ; Yi Yang ; Jan KautzMotivation2、Unsupervised Person Re-identific...
随机数种子的作用
帆的博客
07-23 1064
设置随机数种子（random seed）的目的是为了确保随机数生成器在每次运行时产生相同的随机数序列，从而保证实验结果的一致性。随机数种子通过初始化随机数生成器的内部状态，使得在相同的种子值下，随机数生成器每次调用时生成的序列是相同的。
Java-Lambda
lizhiwei21的博客
07-21 482
lambda表达式可以理解为对匿名内部类的一种简化 , 但是本质是有区别的面向对象思想 :强调的是用对象去完成某些功能函数式编程思想 :强调的是结果 , 而不是怎么去做。
使用9种方法隐藏和显示元素
lulei5153的博客
07-21 200
【代码】使用9种方法隐藏和显示元素。
提取autocad2024图形中图块的属性的代码-统计选中图块长度属性的总长度
VB973490770的专栏
07-24 110
阀门位号：XV-123。
【Python数据增强】图像数据集扩充
最新发布
阿齐Archie
07-25 605
该脚本用于图像数据增强，特别是目标检测任务中的图像和标签数据增强。通过应用一系列数据增强技术（如旋转、平移、裁剪、加噪声、改变亮度、cutout、翻转等），生成多样化的图像数据集，以提高目标检测模型的鲁棒性和准确性。
dimension reduction
03-16
维度约简（dimension reduction）是指通过对数据进行变换或降维，将高维数据转化为低维数据的过程。这个过程可以帮助我们更好地理解和分析数据，同时也可以减少计算复杂度和存储空间。常见的维度约简方法包括主成分...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值