- 博客(9)
- 收藏
- 关注
RSS订阅原创 使用vscode, 远程服务器, debug
生成launch.json文件，将"justMyCode"改为 false，并在最后加上。在vscode界面右上角，选择Debug Python File。run->start debugging(F5) ，或者右上角。ctrl+shift+p，选择需要的解释器。接下来就可以一步一步调试了，F5。python解释器选择。
2023-04-05 16:38:23
572
原创 Can Visual Dialogue Models Do Scorekeeping?
【对话系统】Can Visual Dialogue Models Do Scorekeeping?创新思想：提出了一种新颖的方法来对视觉对话模型进行基于理论的评估。使用诊断命题，研究了神经网络视觉对话模型在多大程度上逐渐建立适合在整个对话过程中对共享承诺进行。研究背景：在问答过程中，保留正确跟踪参与者的知识。使用的数据集：VisDial。
2023-03-20 15:49:54
83
原创 非root用户在浪潮服务器上安装指定CUDA、cudnn、gcc等到指定目录 2021-08-18
**非root用户在浪潮服务器上安装指定CUDA、cudnn、gcc等到指定目录**前提：适用于服务器上管理员已安装好CUDA版本且无法满足自己需求1. 安装CUDA（这里以CUDA9.0为例，ubantu18.04）1.1 首先下载CUDA9.0，下载连接：下载连接1.2 进入服务器端口，在cuda9.0_package路径下输入以下命令：sh cuda_9.0.176_384.81_linux.run --override orsh cuda_9.0.176_384.81_
2021-08-18 09:47:48
1039
原创 2020-08-08ECO
《ECO：Efficient Convolutional Network for Online Video Understanding》PaddlePaddle论文复现营 https://aistudio.baidu.com/aistudio/education/group/info/13401、介绍 使用单帧的图像，在很多情况下已经可以获得一个不错的初始分类结果了，而相邻帧间的很多信息都是冗余的。因此，ECO 中在一个时序邻域内仅使用单帧图像。 为了获得长时程的图像帧间的上下文关系，仅仅
2020-08-08 14:21:46
221
转载 细粒度图像的研究
转自https://blog.csdn.net/qq_16525279/article/details/80415786?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecas
2020-07-22 20:03:07
759
原创 Deep learning for fine-grained image analysis: A survey
细粒度图像分析的深度学习综述Abstract计算机视觉是利用机器来理解和分析图像的过程，是人工智能的一个重要分支。在CV的各个研究领域中，细粒度图像分析（FGIA）是一个由来已久的基本问题，在各种实际应用中已经变得无处不在。FGIA的任务是从从属类别分析视觉对象，例如鸟类种类或汽车模型。由于细粒度的特性导致的小类间变化和大的类内变化使其成为一个具有挑战性的问题。在深度学习蓬勃发展的过程中，近年来FGIA应用深度学习技术取得了显著进展。本文旨在系统地综述基于深度学习的FGIA技术的最新进展。具体来说，
2020-07-21 21:50:16
1263
原创 浅谈ATSS
文章链接(https://github.com/sfzhang15/ATSS)或者(https://paperswithcode.com/paper/bridging-the-gap-between-anchor-based-and)Contributions指出基于锚框和无锚检测器的本质区别在于如何定义正训练样本和负训练样本。提出了一种自适应的训练样本选择方法，根据目标的统计特性自动选择正、负训练样本。证明在图像上的每个位置平铺多个锚来检测对象是一个无用的操作。在不引入任何额外开销的情况下
2020-07-19 23:24:36
5623
4
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