- 博客(10)
- 收藏
- 关注
RSS订阅原创 什么是零样本学习
零样本学习是一种技术，可让预先训练好的模型预测先前未知数据的类别标签，即训练数据中不存在的数据样本。例如，尽管在训练过程中没有接触过兔子，但一个经过训练能对狮子和老虎进行分类的深度学习（DL）模型却能通过零样本学习准确地对兔子进行分类。这是通过利用与类别相关的语义关系或属性（如栖息地、皮肤类型、颜色等）来实现的，从而弥合已知类别与未知类别之间的差距。零样本学习在计算机视觉（CV）和自然语言处理（NLP）等领域尤为重要，因为在这些领域中，获得标注数据集的机会有限。
2024-06-20 23:51:02
753
原创 分布式训练
通常，当面对任何领域的艰巨任务时，我们通常会把它划分成多个子任务并行运行，这样可以节省时间，并且让一个复杂的任务变得可行。当在深度学习中做这些事情时，我们称之为分布式训练。确切地说，在分布式训练中，我们在训练庞大的深度学习模型时将训练工作量分配到多个处理器上。这些处理器被称为工作节点或简称为工作器。这些工作器并行训练以加快训练过程。主要有两种并行方法——数据并行和模型并行。
2024-06-20 20:25:23
685
原创 参考文献在第十个的时候出现对不齐
👿 😈 😐 😶最近正是写毕业论文的季节，不知道大家是否出现过从第十个开始的参考文献对不齐的现象。然后设置文本之前和文本之后都为0 ，下面我们来讲解一下怎么处理。文本缩进改为：0.78。取消勾选制表符添加位置。编号之后改为：制表符。
2024-05-21 19:15:23
574
1
原创 Frequency and Spatial Dual Guidance for Image Dehazing
现有方法的不足：现有的基于深度学习的方法主要是利用空间信息而忽略了可区分的频率信息。作者提出了：通过共同利用空间域和频率域的信息来进行去雾。为了实现频率域和空间域的双重引导，精心开发了两个核心设计：频域中的幅度引导相位模块和空间域中的全局引导局部模块。前者通过深度傅里叶变换处理全局频率信息，并在幅度谱的指导下重建相位谱，而后者则整合了上述全局频率信息，以方便空间域的局部特征学习。什么是频率域和空间域？从信号的角度理解图像内容。
2024-05-16 17:08:56
995
原创 Densely Connected Convolutional Networks
最近的一些工作表明，卷积神经网络可以更深、更准确、更有效的进行训练，如果他们在靠近输入和靠近输出的层之间存在连接。作者在这篇论文中引入了Dense Convolutional Network（DenseNet），其中每一个层都和其后面的层进行连接。其中卷积第LLL看红色这层，其相当于是第五层，含有的连接数为5，即每层都和后续层之间有一个连接。如果网络有LLLLL122LL1。
2024-05-15 21:45:31
1175
原创 使用opencv读取的图片的形状以及颜色通道顺序
在读取一张图片，然后不做任何处理直接保存这张图片的时候，如果出现了颜色失真（如下，非常简单的代码），则很有可能是我们没有正确认识图片的颜色通道导致的。上面的代码使用opencv读取一张图片，然后直接把这张图片保存下来，结果如下图：左边是原图，右边是保存下来的图片，可以发现明显颜色不同了。在自己研究torchvision下的utils下的save_image()函数的时候在这个地方卡了很久。为什么会出现这个问题呢？其中颜色通道默认为BGR，而不是RGB，所以在保存的时候就出现了问题。
2024-05-14 17:23:39
271
3
原创 Cycle-Retinex: Unpaired Low-Light Image Enhancement via Retinex-Inline CycleGAN
Low light enhancement, CycleGAN, Retinex theory, unsupervised learning.
2024-04-30 10:01:56
679
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