![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习Deep Learning
PRIS-SCMonkey
愿有科研可奔赴,且有岁月共回首
展开
-
【Neural Style Transfer】Stroke Controllable Fast Style Transfer(含代码详解)
在介绍我们这次的论文之前,我们先来思考一些问题:在NST中,什么是风格图像中的风格信息? 个人理解,风格图像中的风格信息指的是风格图像中的色彩、纹理、笔触等因素,这些因素的不同组合使得图像呈现出不同的风格信息。那么,再进一步的思考,我们怎样提取这些风格图像中的风格信息呢? 在深度学习没有出现之前,大多数是利用图像处理和滤波来实现的,例如高斯滤波或者双边滤波;有了深度学习以后,开始从图像中提取高维的特征信息来表示风格信息,例如2015年Gatys提出利用Gram矩阵来表示图像中的风格信息,并且这一想法使原创 2020-09-24 13:48:25 · 1135 阅读 · 0 评论 -
弱监督的语义分割论文汇总(持续更新ing)
弱监督的语义分割论文汇总弱监督语义分割导读弱监督语义分割论文整理基于Bounding box的弱监督语义分割基于Image-level labels的弱监督语义分割基于Scribbles的弱监督语义分割基于Points的弱监督语义分割弱监督语义分割导读一般认为,图像级的标注是弱标注(例如图像分类的类别标注),像素级的标注是强标注(例如分割标注的mask标注),对于普通的分割任务来说:数据是图像,标注是mask,这属于完全监督问题Supervised;如果标注是annotations或者图像级标注,原创 2020-05-27 11:30:55 · 6487 阅读 · 2 评论 -
【Neural Style Transfer】Deep Photo Style Transfer(含代码详解)
2017CVPR: Deep Photo Style TransferAbstract 摘要Method 方法Background:Neural Style Algorithm by Gatys et al.Core idea:Photorealism RegularizationCore idea:Augmented style loss with semantic segmentationFinal Total Loss and Our ApproachResults and Comparison 结果原创 2020-05-26 16:37:06 · 1577 阅读 · 1 评论 -
【CVPR2020】Semi-Supervised Semantic Image Segmentation with Self-correcting Networks
在本文中,介绍了一种有原则的半监督框架,该框架仅使用一小组完全监督的图像(具有语义分割标签和检测框标签:Boundingbox+mask)和一组仅具有对象边界框标签的图像(具有检测框标签:Boundingbox)。框架借助一个辅助模型(该模型为弱集生成初始分割标签)和一个自校正模块来训练主分割模型,该模块使用越来越精确的主模型在训练过程中改善了生成的标签。原创 2020-04-13 10:31:42 · 4315 阅读 · 12 评论 -
【DA】Deep Visual Domain Adaptation: A Survey(持续更新ing)
1. DA Overview2. Approaches of Deep DA2.1 Categorization of One-step DA2.1.1 Discrepancy-based DA:基于差异的DA2.1.2 Adversarial-based DA:基于生成的DA2.1.3 Reconstruction-based DA:基于重构的DA2.2 Categorization of M...原创 2020-03-29 18:54:12 · 2035 阅读 · 0 评论 -
【Transfer Learning】迁移学习的总体概述和阅读推荐(会持续更新)
推荐迁移学习入门的读物,包括论文、手册、山头、综述blabla的。原创 2020-03-25 22:15:34 · 3988 阅读 · 0 评论 -
【oh-my-zsh】打造强大又美观的linux终端
Part 01——terminal, shell, bash的区别Part 02——zsh 和 oh-my-zshPart 03—— 安装oh-my-zshPart 04——更换oh-my-zsh主题Part 05——安装oh-my-zsh插件extractzsh-syntax-highlightingzsh-autosuggestionsPart 06——使用tips切换shell添加路径隐去...原创 2020-02-02 23:01:27 · 7367 阅读 · 7 评论 -
【Transfer Learning】tSNE降维可视化
写在最前面:什么是tSNE?举个栗子:tSNE的Python实现最近接触了一个特别好用的看数据分布的可视化降维的方法——tSNE,但是也在这个坑里挣扎了非常久的时间,血与泪的经验是这是一个可视化的工具,只是一个可视化的工具,重要的还是数据和算法!!!现在准备收拾收拾暂时出坑了(说这句话的时候脑海里突然浮现出了《爱与不爱之间》,大家可以自行google或者百度或者脑补),把一些记录分享给大家。...原创 2020-01-28 22:34:12 · 5924 阅读 · 22 评论 -
【Transfer Learning】Deep feature transfer between localization and segmentation tasks
忙里偷闲写一篇博客,因为实在是很久没有写博客了,内心觉得有一些内疚,我就是个这么乖巧的博主和小编(这么说我要开始催师弟们写博客了阿哈哈哈~)。我们进入正题,最近因为课题的原因,多多少少的接触了一些迁移学习的内容,就将一些学习笔记和内容记录下来。从Paper名字来看,这是一篇在定位和分割任务之间做深度特征迁移的,使用的也是分割的基础网络UNet,一个很基础的分割网络。 这篇论文可在在Axiv【Pap...原创 2019-12-03 22:03:41 · 269 阅读 · 0 评论 -
【python实战】append()函数的两三事
昨天,同实验室的善良可爱又nice的小姐姐coding的时候遇到了一个令人意想不到的bug(也可能是我们资历太浅),主题就是python中的append()函数, 所以就把这个令人抓狂的过程记录下来,按需自取,用师弟的话来说就是 “战胜恐惧,微笑面对”。我们先来看一下append() 的基本操作:就是在list中添加元素或者一个新的list。那么举一反三,我们想在元素为list的list里a...原创 2019-11-07 22:37:45 · 1793 阅读 · 0 评论 -
【杂七杂八的笔记】2019CVPR论文快读
2019年CVPR一共收到创纪录的5165篇有效投稿,比2018年的3309篇多出近2000篇,最终有1294篇论文被接收,最终录取率为25.2%。1294篇录取论文中,有288篇被录用为Oral论文。现在,距离2020年CVPR的截稿还剩整整一个月,在这种紧迫的时间里,2019CVPR的快读就处于比较尴尬的位置。但是无论怎样也用这篇博客预祝伙(大)伴(佬)们Paper都中!都中!全都中!!! 附...原创 2019-10-15 21:45:11 · 1130 阅读 · 0 评论 -
目标检测——CornerNet
CornerNet是一个比较综合的目标检测论文,如果要详细看的话要补充好多的知识,所以像我们基础比较薄弱的看起来比较吃力,但是一点点慢慢来嘛,总有一些事情是可以坚持下去的,比如说…写博客。【Paper】CornerNet:Detecting Objects as Paired Keypoints...原创 2019-04-08 19:08:00 · 2671 阅读 · 0 评论 -
【Neural Style Transfer】 Fast Neural Style
上周写了深度学习与艺术——画风迁移 Neural Style的文章,这周就来聊一聊Fast Neural Style,从名字可以看出,Fast Neural Style的最大的特色就是快,也就是说如果再优化网络配置ok的话完全可以达到落地应用的地步了。在聊Fast Neural Style之前,我们先来回顾一下Neural Style,其实用Gatys的一张图就可以解释Neural Style在...原创 2019-03-26 15:04:15 · 1732 阅读 · 6 评论 -
目标检测——Mask R-CNN【请结合其他博客一起食用】
大家好 今天来到了我们Maskrcnn 的分享 由于MaskRCNN网络包含了很多之前介绍过的知识点,例如RPN,FPN,RoIPooling,RoIAlign,故这遍文章看上去显得比较‘单薄’,如果想弄清楚Mask RCNN网络,需要结合之前的博文一同食用~~ o(=•ェ•=)m 前言本篇论文其实还是分割为主,但是目前我们的网络基础是分类和检测,知识积累还不够,所以如有分割问题解释...原创 2019-03-22 17:07:10 · 7915 阅读 · 5 评论 -
目标检测——Focal Loss
【Paper】Focal Loss for Dense Object Detection1. Background of object detection首先我们回顾单阶段目标检测(One-Stage)是如何实现的:上图是YOLO的框架针对一张图片featuremap的变化,可以看到,网络输出的结果是对所有预设集合的分类与回归。总损失函数如下:(1)L(pi,ti)=1Ncls∑i...原创 2019-03-29 14:16:53 · 1031 阅读 · 1 评论 -
【论文翻译】PSENet:Shape Robust Text Detection with Progressive Scale Expansion Network
Shape Robust Text Detection with Progressive Scale Expansion Network基于渐进式尺寸可扩展网络的形状鲁棒文本检测论文链接:https://arxiv.org/pdf/1806.02559.pdf论文代码:https://github.com/whai362/psenet【摘要】 形状鲁棒性文本检测面临的挑战主要有两个方面:1...翻译 2019-03-18 22:14:03 · 15717 阅读 · 8 评论 -
【Super Resolution】超分辨率——SRCNN
SRCNN01 闲聊——图像的超分辨率02 SRCNN——超分和DL的结合02-1 双三次插值02-2 SRCNN的网络结构02-3 Training 训练阶段03 EXPERIMENTS 实验阶段04 对于一些名词的理解SRCNN01 闲聊——图像的超分辨率在一切开始之前,先整体的介绍一下图像的超分辨率(Image Super Resolution)。图像的超分辨率从图像角度可以分为单张...原创 2019-07-30 14:13:15 · 3955 阅读 · 0 评论 -
【论文翻译】HCL2000—A Handwritten Chinese Character Database
HCL2000—A Large-scale Handwritten Chinese Character Database for Handwritten Character RecognitionHCL2000—一个大型的手写汉字识别的数据集【摘要】 本文提出了一种大规模离线手写汉字数据库-HCL2000,供研究界使用。该数据库包含3,755个经常使用的简体中文字符,由1,000名不同的受试者...翻译 2019-03-13 16:43:32 · 2345 阅读 · 0 评论 -
随手记——运行TensorFlow代码几个问题
最近在跑TensorFlow的深度学习网络的代码,随手记一下碰到的bug,也是仅供参考。这篇博客是随时更新的,欢迎大家补充和提问!问题一 简称:ValueError(Variable already exists)问题描述: ValueError: Variable epoch_number already exists, disallowed. Did you mean to set reu...原创 2019-04-24 18:26:10 · 156 阅读 · 0 评论 -
目标检测——SSD
我们知道Yolo的核心思想是将物体检测问题转化了单一的回归问题(之前的是分类和回归问题),而SSD算法是一种直接预测目标类别和bounding box的多目标检测算法。在正式介绍SSD之前,我们先来看一下论文,了解了这篇论文之后,SSD的思路就会清晰很多。 Paper:Scalable Object Detection using DeepNeural Networks 论文:基于深度网...原创 2019-05-14 10:47:37 · 3043 阅读 · 0 评论 -
轻量级深度学习网络——ESPNet v2
作者介绍了一种轻量、效率高、通用的卷积神经网络ESPNet v2,用于对可视化数据和顺序数据进行建模。相比前一代网络,v2使用逐点群卷积和深度空洞可分离卷积。作者在四个不同的任务上使用该网络进行测试包括对象分类,语义分割,目标检测和语言建模,取得了优异与其他轻量级网络的效果。原创 2019-07-03 18:33:29 · 11521 阅读 · 6 评论 -
【Super Resolution】超分辨率的总结——评价指标
SR常用的评价指标有两种,一种是PSNR(峰值信噪比),另一种是SSIM(结构相似性评价),这两种评价指标是SR中最基础的测量被压缩的重构图像质量的指标。(1)PSNR——峰值信噪比 Peak Signal-to-Noise RatioPSNR是信号的最大功率和信号噪声功率之比,来测量已经被压缩的重构图像的质量,通常以分贝(dB)来表示。PSNR指标越高,说明图像质量越好。PSNR=10∗l...原创 2019-07-09 15:43:31 · 10319 阅读 · 6 评论 -
【论文翻译】SIXray : A Large-scale Security Inspection X-ray Benchmark
整体来说,本篇论文提出了一个x射线的数据集,其中有1,059,231张图像,含危险品六类,并提出了对于重叠图像类别不平衡的处理方法CHR。翻译 2019-07-23 18:17:17 · 7434 阅读 · 17 评论 -
Ubuntu16.04 安装TensorFlow-gpu版本
Ubuntu16.04安装TensorFlow-gpu版本1. 查看CUDA和Cudnn的版本2. 选取适合的TensorFlow-gpu版本3. 安装TensorFlow-gpu4. 测试TensorFlow-gpu是否安装成功5. 一些报错的解决方案5.1 numpy的版本过高5.2 选用的TensorFlow-gpu版本和CUDA/Cudnn版本不符Ubuntu16.04安装Tenso...原创 2019-08-02 17:29:32 · 1856 阅读 · 1 评论 -
深度学习中的各种卷积总结
深度学习中的各种卷积总结在深度学习中,卷积是一个非常重要的概念,卷积也是卷积神经网络拥有良好的图像处理能力的关键。这篇文章将介绍一下不同类型的卷积,为了简单起见,本文只关注于二维的卷积。原创 2019-07-26 21:06:22 · 4070 阅读 · 3 评论 -
【Super Resolution】超分辨率——SRGAN
接触这篇paper的理由——据说这是第一篇将GAN应用到超分领域的论文。在SRGAN之前,个人认为,超分网络的本质Paper:Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network...原创 2019-08-27 20:42:39 · 6591 阅读 · 10 评论 -
深度学习网络篇——NIN(Network in Network)
正式开讲之前,首先跪舔一下:这篇论文真的是条理清楚思路清晰,可读性贼强,建议读下原文学习一下!让我们怀着崇敬的心先来看看论文的作者:木有图木有图Min Lin, Qiang Chen, Shuicheng Yan(别看了,就是没有图,略略略,啊哈哈哈哈哈哈~)先说说这篇论文的创新点。这篇论文有两个创新点,一是MLPconv,二是全局平均池化,这两个创新点也就是这篇论文主要在讲*...原创 2018-11-27 11:26:02 · 5216 阅读 · 2 评论 -
目标检测——FPN
简单来说,FPN 的整体目标就是使用卷积网络的从高到低的具有语义的特征金字塔,构建一个具有高层次语义的金字塔;提出了自上而下和横向连接来连接丰富的语义特征和高分辨率,使网络适应与分类和定位的任务。论文:Feature pyramid networks for object detection论文链接:https://arxiv.org/abs/1612.03144Code:https://g...原创 2019-03-17 21:22:04 · 2620 阅读 · 2 评论 -
目标检测——R-FCN
Paper:R-FCN: Object Detection via Region-based Fully Convolutional Networks作者:Jifeng Dai, Yi Li, Kaiming He, Jian Sun Visual Computing Group / Microsoft Research Asia1 提出框架首先说一说为什么提出了RFCN。作者分...原创 2019-03-19 22:50:45 · 1008 阅读 · 0 评论 -
机器学习数据集篇——KMNIST数据集
Deep Learning for Classical Japanese Literature基于古日文的深度学习【摘要】 许多机器学习研究的重点是生成在基准任务上表现良好的模型,从而提高我们对与这些任务相关的挑战的理解。从ML研究人员的角度来看,任务本身的内容在很大程度上是无关的,因此人们越来越多地要求基准任务更多地关注与社会或文化相关的问题。在本文中,我们介绍了一种新的数据集Kuzushi...原创 2019-03-09 21:32:12 · 6485 阅读 · 0 评论 -
Ubuntu16.4+CUDA9.0+cudnn7.4.1+Anaconda2+caffe2安装教程
文章目录写在最前面的话第一步 安装系统第二步 安装驱动第三步 安装CUDA9.0和Cudnn7.4.1第四步 安装Anaconda2第五步 安装caffe2写在最前面的话这篇博客是参考了很多的博客和安装教程在自己装电脑的时候总结出来的,可能不像很多基础教程那样手把手的教,但是顺着我们思路认真的阅读每一句话一定可以装成功的。此外还链接了很多大佬们的博客,大家有兴趣可以读一下。在这里,感谢大佬们把...原创 2018-12-06 16:14:30 · 1208 阅读 · 0 评论 -
深度学习网络篇——Inception v2
文章目录1.Abstract&Instruction2. 减缓Internal Covariate Shift3. 通过Mini-Batch统计进行标准化1.Abstract&InstructionIID独立同分布假设,就是假设训练数据和测试数据是满足相同分布的,这保障了通过训练数据获得的模型能够在测试集获得好的效果及其泛化能力。神经网络学习过程本质就是为了学习数据分布。...原创 2018-12-13 15:18:09 · 1321 阅读 · 2 评论 -
再一次源码编译caffe2的血泪史
文章目录写在一切之前,放弃源码编译caffe2还来得及不放弃源码编译caffe2的结果是......问题1 :各种各样的错误问题2:E: 无法定位软件包 build-essential问题3:NCCV warning问题4:简称Makefile:127:写在一切之前,放弃源码编译caffe2还来得及或许你不能理解我为啥要再一次从源码编译caffe2,因为我已经从源码编译了n次caffe2也没...原创 2018-12-06 13:37:23 · 4562 阅读 · 3 评论 -
深度学习网络篇——Inception v3
文章目录先夸一夸我们的GoogLeNetInception v3的薅羊毛顺序第一部分 总体设计原则1、避免表达的瓶颈,特别是在网络前面的部分2、高维度特征更适合在网络局部中处理3、在较低维度的输入上进行空间聚合,不会降低网络表示能力4、平衡网络的宽度和深度第二部分 分解大卷积核1、大卷积分解为小卷积2、非对称卷积的空间分解第三部分 使用辅助分类器第四部分 有效网格尺寸缩减第五部分 Inceptio...原创 2018-12-12 22:02:30 · 2749 阅读 · 0 评论 -
深度学习网络篇——VGGNet(Part1 网络结构&训练环节)
我们上篇文章了解了一下NIN ,接下来我们来了解一下VGGNet,可以说是另一波的跪舔和膜拜。VGGNet主要是分为两篇文章,第一篇文章来分享一下VGGNet的网络结构还有训练环节,第二篇文章是分享VGGNet做的分类实验和总结。此为第一篇。作者介绍对VGGNet的跪拜_(:3 J Z)_作者对六个网络的实验结果在深度对模型影响方面,进行了感性分析(越深越好),实验结果是16和19层的VG...原创 2018-11-27 15:57:02 · 3883 阅读 · 16 评论 -
深度学习网络篇——VGGNet(Part2 分类测试&总结)
我们上篇文章了解了一下VGGNet的网络结构还有训练环节,这篇文章是分享VGGNet做的分类实验和总结,也算是VGGNet的分享收尾工作~分类实验数据集:ILSVRC的数据从2012 用到了2014,数据集有三类:训练集(1.3M张图),验证集(50K张图),测试集(100K张图还有标签,买一送一吗?)用两种方法来评估:top-1和top-5的错误率。前者是多类分类的错误率,例如,错误分类图像...原创 2018-11-27 16:12:00 · 1235 阅读 · 0 评论 -
深度学习——分类网络的总结(持续更新ing~)
为了让学习思路比较清晰,我们把近期网络篇学习的大纲放在下面(实际上也是激励我们…认真学习不能放弃呜呜呜)!后面会将持续更新的网络篇的博客地址放在下面,还请各位大大们持续关注和支持!!!蟹蟹大家!给你们比心心~一、AlexNet(2012年)深度学习网络篇——AlexNet深度学习网络篇——AlexNet在MNIST的代码实现二、ZFNet(2013年)深度学习网络篇——ZFNet(Pa...原创 2018-11-26 14:28:07 · 5110 阅读 · 0 评论 -
深度学习网络篇——AlexNet在MNIST的代码实现
AlexNet是深度学习网络篇学习的基础网络,这篇文章在MNIST上做一次实现。在MNIST上实现AlexNet的代码有很多大大们都写过,这篇文章分享一下我们自己写的时候有些小体会。写代码之前的一点儿小准备要搭建一个深度学习的网络,我们首先要了解数据集!整体来说,MNIST的AlexNet的实现(分类问题) MNIST的输入大小是28x28,手写数字0-9,共10类。如果有小伙伴想更深入的了...原创 2018-11-22 15:44:17 · 2147 阅读 · 0 评论 -
深度学习网络篇——ZFNet(Part3 ZFNet的实验环节)
上篇ZFNet的文章中我们简单的分享了一下ZFNet的网络结构和训练细节,这篇文章将分享ZFNet论文上的实验环节。ZFNet做了很多巧妙的实验,从这边文章中也可以看到未来深度网络发展方向的蛛丝马迹。一、Experiments实验1.ImageNet 2012该数据集由1.3M / 50k / 100k的训练/验证/测试样例组成,分布在超过1000个类别中。首先,使用(Krizhevsky...原创 2018-11-21 15:10:08 · 906 阅读 · 0 评论 -
深度学习网络篇——ZFNet(Part2 ZFNet的训练细节)
上篇文章中我们介绍了ZFNet的发展历程和一些算法小心机,在这篇文章中我们将分享一下ZFNet的训练细节!Come on!!!Baby!!!一、ZFNet训练细节【AlexNet和ZFNet的区别】1.AlexNet中使用2个GPU运的稀疏连接;在ZFNet中被单GPU密集连接替换;2.将AlexNet第一层卷积核由11变成7,步长由4变为2(预告一波);【ZFNet的训练】-----...原创 2018-11-21 12:09:37 · 1265 阅读 · 3 评论