自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(4)
  • 收藏
  • 关注

原创 论文阅读(二)Self-paced contrastive learning withhybrid memory for domain adaptive object re-id.

一个可靠的类,它应该离别的类或者别的离群点更远,同样,一个可靠的类内的所有样本的距离应该足够近,足够紧凑。因此受此启发,设计了两个判断标准,一个是判断类是否独立,即是否离别的类或者离群点远,还有一个是判断类是否足够紧凑,即类内样本的距离是否足够近。首先我们要明确的是,Hybrid Memory里面存的是什么,里面存的是源域的类中心和目标域的所有样本。主要方法:首先,设计了一个可以使用以上三类一起训练的loss,然后,考虑到非集群点可能的噪声问题,优化了聚类过程,以挑选更可靠的样本。vi是该类的所有样本点。

2023-09-05 22:31:57 69

原创 论文阅读(一):Weakly Supervised Text-based Person Re-Identification

优化过程如图中所说,(1)对于聚类后没有在类中的样本,首先在另一个模态中找到它对应的instance B,(2)如果B在类内,则在类中找到离B最近的instance C,(3)在另一个模态中拿到C对应的instance D,如果D在类内,则A也属于D这一类。其中CMPM解决的是跨模态对齐的问题,HSM是难样本挖掘,MPLR是聚类分配id的。对于两个文本,先各自提取句子中的名词,再将所有名词的交集除以名词的并集,得到文本的IoU。这包括两部分,跨模态的难样本挖掘和模态内的难样本挖掘。(1)跨模态难样本挖掘。

2023-09-04 17:40:57 130 1

原创 RCNN原文理解与代码分析

RCNN算法步骤详解与代码

2022-09-20 16:46:25 3036 1

原创 学习笔记——吴恩达机器学习(1)

吴恩达机器学习课程第一章

2022-03-20 19:44:09 123

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除