- 博客(139)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 空间金字塔池化(Spatial Pyramid Pooling, SPP)
空间金字塔池化(Spatial Pyramid Pooling, SPP)在SPPnet和Fast-CNN中都用到了空间金字塔池化(Spatial Pyramid Pooling, SPP)来提高object detection的效率。SPP本质的目的是为了使得CNN可以接受任意尺寸的输入图片，从而避免了图像预处理中要将图片resize到统一尺寸这个限制。SPPnet论文中给出了如下的图示：...
2019-08-17 10:27:40
1652
2
原创 Category-level Adversaries for Semantics Consistent Domain Adaptation
CVPR2019: Taking A Closer Look at Domain Shift: Category-level Adversaries for Semantics Consistent Domain Adaptation##引言PS. 来自于悉尼科技大学杨易老师团队一篇paper，CVPR2019的oral。主要是对domain adaptation带来语义的约束（Categor...
2019-07-19 11:05:51
841
原创 ICML2019: Learning Classifiers for Target Domain with Limited or No Labels
ICML2019: Learning Classifiers for Target Domain with Limited or No Labels引言本文提出了一种视觉属性编码（visual attribute encoding）方式，将图片编码为低维度的概率向量。得到了图片对应的编码后我们就可以训练分类器进行分类，进一步地该方法可以应用到aomain adaptation（DA），few ...
2019-07-18 18:48:08
872
原创 ICML2019: Domain Agnostic Learning with Disentangled Representations
ICML2019: Domain Agnostic Learning with Disentangled Representations引言目前的domain adaptation考虑了两种情况：single source & single target（认为源域为一种分布，目标域为一种分布，进行adapt）; multi-souce & single target（存在多个源...
2019-07-02 17:03:34
2462
2
原创 Transferability vs. Discriminability: Batch Spectral Penalization for Adversarial Domain Adaptation
ICML2019: Transferability vs. Discriminability: Batch Spectral Penalization for Adversarial Domain Adaptation引言对抗学习在domain adaptation中常用于adapt源域和目标域特征的分布差异性。 但是在使用对抗学习时，是否会影响到分类效果呢，即我们学到的特征是否依然能保证可区...
2019-06-26 15:22:14
3300
原创 目标检测总结整理
目标检测总结整理接触过图像处理的童鞋，对于目标检测一定不陌生吧。目标检测可一直是计算机视觉和机器学习领域的热点。这篇文章主要是依据小编自己的学习体会，对目标检测的发展历程进行了总结。最初，目标检测算法是基于传统手工特征的；大约在2013年，基于深度学习的目标检测开始逐渐火起来，基于传统的手工特征的目标检测算法被逐渐抛弃；目前随着生成式对抗网络GAN的大热，基于GAN的目标检测也开始火起来了。...
2018-08-15 16:27:29
5433
原创 跨模态检索：带你领略图文检索的魅力
跨模态检索：带你领略图文检索的魅力引子作为经常“百度一下”的众多网民中的一份子，我们经常使用百度，输入要搜索的关键词，来检索要想的文本信息，此时是使用文本来检索文本；有时我们又会使用百度图片检索的功能，上传图片来寻找相似的图片，此时是以图来检索图；但我们也经常使用文本来搜索相应的图片，此时我们输入信息的类型和获得的信息的类型就不同了，我们称之为“跨模态”。简 介来下个专业点的定义：...
2018-08-15 16:19:06
17541
5
原创 通用人工智能：我们还有多远？
通用人工智能：我们还有多远？通用人工智能的提出已经成为近年研究的一个热点。微软全球执行副总裁、人工智能研发的总掌舵人沈向洋说：“单独做一个东西之后，今天有非常强的AI系统，比如Alphago在围棋上战胜柯洁。这些都非常了不起，开发系统的时候做出些非常了不起的技术，但今天没有人去想通用人工智能到底是什么，到底要多少的输入。”我们一直梦想着有一个通用的模型，可以建模整个世界，使各种各样的问题都...
2018-08-15 16:08:00
13917
1
原创 从佳佳到表情识别
从佳佳到表情识别佳佳机器人是中科大陈小平老师团队的作品，号称 “中国第一美女机器人”。今天我们以佳佳为基础，来谈一谈表情的识别。首先有请“佳佳”自我介绍： “大家好，我是佳佳，身高1.6米，体重90多斤，是个可爱的萌妹子。我可以进行人机对话，进行握手等行为，说话的时候口型也会匹配，还可以根据与用户的交互来表现我的高兴或者沮丧等情感。我曾担任过2016“首届全球华人机器人春晚”和“谁是棋王...
2018-08-15 16:03:06
963
原创 CVPR：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks摘要背景：图像到图像的迁移是计算机视觉中的一个很有意思的问题。目标是学习一个从输入图片到目标图片的映射，在训练中需要使用成对的训练集。问题：成对的训练数据并不是那么容易获得的。本文方法：学习一个从源域(source dom...
2018-07-06 16:24:53
11977
13
原创 CVPR: Bilateral Ordinal Relevance Multi-instance Regression for Facial Action Unit Intensity
Bilateral Ordinal Relevance Multi-instance Regression for Facial Action Unit Intensity EstimationAbstract问题：捕捉面部表情的微小表化很困难；AU强度的标注费时费力。本文： 提出弱监督的BORMIR模型：weakly supervised regression mod...
2018-07-05 10:09:28
759
原创 CVPR：Facial Expression Intensity Estimation Using Ordinal Information
Facial Expression Intensity Estimation Using Ordinal InformationAbstract先前工作不足之处：大都关注于基本的表情的识别，只有少部分工作关注连续的表情强度的检测。原因是缺乏有标记的表情强度的数据。 本文工作：将表情的强度检测看成一个回归问题，通过利用面部表情的onset-apex-offset演化模型，本文的方法可以...
2018-07-02 15:23:07
948
原创 CVPR：Weakly-supervised Deep Convolutional Neural Network Learning for Facial Action Intensity Estima
Weakly-supervised Deep Convolutional Neural Network Learning for Facial Action Intensity EstimationAbstractAU强度检测在情感计算和人机交互中有着重要的作用，实际上以及有很多工作利用CNN来进行AU强度的检测，但是都需要大量的标注数据。因此本文提出一个“基于知识的半监督的深度卷积神...
2018-06-27 18:55:19
706
原创 确定性跳跃循环状态网络(CRJ)教程
确定性跳跃循环状态网络(CRJ)教程本篇文章是上一篇文章回声状态网络(ESN)的延申，在阅读本文之前，希望您已经阅读了上一篇博文。确定性跳跃循环状态网络(CRJ)是ESN的一个变种，如下图所示：在CRJ中，中间节点通过单向的循环边和双向的跳跃边连接，所有的输入权重、循环权重、跳跃权重分别共享值ririr_i，rcrcr_c，rjrjr_j。特别地，输入权重的符号由某个无理数的小数展...
2018-06-15 10:12:49
3563
5
原创 人工智能：从搜索角度来谈谈优化
人工智能：从搜索角度来谈谈优化我们先对优化问题进行描述，定义一个优化问题为： min f(x)s.t. h(x)≤0min f(x)s.t. h(x)≤0min~f(x) \\s.t.~~h(x)\leq 0 其中f(x)f(x)f(x)是目标函数，h(x)≤0h(x)≤0h(x)\leq 0是约束条件，对x的取值范围进行限...
2018-06-08 13:20:14
987
原创 Multi-channel Pose-aware Convolution Neural Networks for Multi-view Facial Expression Recognition
Multi-channel Pose-aware Convolution Neural Networks for Multi-view Facial Expression Recognition大体浏览我们知道识别多角度的面部表情是比较困难的，本文提出Multi-channel Pose-aware Convolution Neural Networks（MPCNN）来充分利用有限的数...
2018-06-01 15:30:58
1119
原创 回声状态网络(ESN)教程
回声状态网络(ESN)教程基础概念回声状态网络(Echo State Network)提出于2001年，曾经是研究的热点，但近年来随着RNN，LSTM与其它一些变种的网络的出现，现在研究比较少了，但是其在时间序列预测上还有着很不错的应用。传统的MLP网络的隐层是一层层的全连接的神经元，而ESN引入了一个储备池计算模式来替代原始的隐层，这个储备池是什么呢？先来看下下图： 网络结构依...
2018-05-21 11:03:03
39783
49
原创 基于BoF算法的图像分类
基于BoF算法的图像分类图像分类一直是计算机视觉中的一个重要问题，BoF(Bag of features)算法在图像分类中具有着重要的作用。本文旨在介绍BoF算法的基本原理和过程并且给出Python代码的实现：用于解决在Caltech 101数据库上的多分类问题。算法起源起源1：纹理识别纹理(texture)是由一些重复的纹理单元(texton)组成的，如图1所示。
2018-04-28 09:27:51
5292
2
翻译 Softmax函数及其导数
Softmax函数及其导数本文翻译自The Softmax function and its derivative基础概念Softmax函数的输入是N维的随机真值向量，输出是另一个N维的真值向量， 且值的范围是(0,1)(0,1)，和为1.0。即映射：S(a)=RN→RNS(\textbf{a})=\mathbb{R}^N\rightarrow \mathbb{R}^N： S(a):⎡⎣⎢⎢⎢a
2018-04-26 10:03:16
39028
10
翻译 主成分分析教程
主成分分析（PCA）可以说是目前数据分析的中流砥柱，然而总是将其作为一个黑箱使用却不理解其本质。在搜索相关资料时发现，网上大多数对于PCA的教程都摘自于一篇英文文献（https://datajobs.com/data-science-repo/PCA-Tutorial-[Shlens].pdf），本欲自己整理一下，但发现这篇文章写得非常nice，难以望其项背，所以特地翻译了这篇文献，和大家分享：下...
2018-04-10 14:54:18
558
原创 tensorflow 获取变量&打印权值等方法
tensorflow 获取变量&打印权值等方法在使用tensorflow中，我们常常需要获取某个变量的值，比如：打印某一层的权重，通常我们可以直接利用变量的name属性来获取，但是当我们利用一些第三方的库来构造神经网络的layer时，存在一种情况：就是我们自己无法定义该层的变量，因为是自动进行定义的。比如用tensorflow的slim库时
2018-01-27 11:32:06
16343
原创 拉格朗日乘子法与KKT条件
拉格朗日乘子法与KKT条件拉格朗日乘子法在实际中我们常常遇到这样一种优化问题（min和max都是一样的，因为min f(x)等价于max -f(x)）： minf(x)s.tg(x)=0 \min f(x) \\s.t \quad g(x)=0 这是一个等式约束问题，按照拉格朗日乘子法，可以转换为无条件约束的形式： f(x)+λg(x)=0f(x)+\lambda g(x)=0 接下
2017-11-25 17:44:45
1867
原创 Sparsity constraint稀疏约束详解
Sparsity constraint稀疏约束详解引子： 线性模型是我们经常使用的一种模型，比如：文本分类中，bag-of-words 有p = 20 K 个特征， 共有 N = 5K 个文本样例；在图像去模糊化，图像分类中，有p=65K 个像素点特征，N=100个样例；等等这些问题我们都可以使用线性模型解决，比如线性回归，logistic回归， Cox 回归来
2017-11-21 20:40:22
9219
原创 Python：functools partial详解
Python：functools partial详解首先从一个例子说起：首先我们定义了一个function add ，它接收两个参数a和b，返回a和b的和。然后我们使用partial ，第一个参数是fun ，即传入我们的函数add，然后再传入一个参数 ，这里是 1 ，它返回给我们一个新的function （addOne）。我们发现这个新的function 只需要接受一个参数
2017-08-04 10:48:10
47614
3
原创 统计学习方法：基于SMO算法的SVM的Python实现
统计学习方法：基于SMO算法的SVM的Python实现前言：在阅读本篇文章之前，希望您已经读过李航老师的《统计学习方法》中的第七章——支持向量机，本文实现SVM的算法使用序列最小最优化算法（SMO）。其中若出现公式的引用，则来自于李航老师的《统计学习方法》，如 公式 （7.107）来自于《统计学习方法》第127页。算法过程：-------------------
2017-07-19 14:55:47
2301
4
原创 论文阅读：Dual Supervised Learning
论文阅读：Dual Supervised Learning概述：许多有监督的学习任务是对偶的，比如从英语翻译成汉语，从汉语翻译成中文；再如图像的分类和图像的生成。但是人们总是分别训练两个模型，没有充分利用对偶的双方之间存在的关系，本文提出可以同时训练对偶的模型，且与分别训练两个模型相比可以提高性能。介绍：两个对偶问题可以看成空间到的映射以及到的映射。使用概率语言描述
2017-07-11 20:04:35
2746
原创 论文阅读：Dual Learning for Machine Translation
论文阅读：Dual Learning for Machine Translation问题提出：目前在机器翻译的领域，神经机器翻译（NMT）快速发展，取得了很好的效果，但是为了得到一个好的NMT的模型，需要大量的人工标记的训练集即双语的语句对。人工标记大量的数据费时费力，本文的目的就是提出一种方案（dual learning）来解决这个问题，并且可以得到相比于NMT模型更好的效果
2017-07-11 10:05:49
5758
原创 使用Matlab绘制Sigmod函数和Tanh函数
使用Matlab绘制Sigmod函数和Tanh函数Sigmod函数：x = linspace(-10.0,10.0);y = 1./ (1.0 + exp(-1.0*x));plot(x,y)Tanh函数x = linspace(-10.0,10.0);y = 2./(1.0 + exp(-2.0 * x)) - 1;plot(x,y)
2017-04-10 14:39:14
8815
原创 考研复试系列——第十二节 后缀表达式&约瑟夫环
考研复试系列——第十二节 后缀表达式&约瑟夫环前言 后缀表达式是一个经常被提及的话题，出题的频率很高，在学习数据结构，算法以及编译原理中，后缀表达式都曾经出现。写后缀表达式的程序关键是搞懂算法的过程，然后就比较简单了。约瑟夫问题在数据结构的链表中出现过，这个比较简单，知道方法就OK了。后缀表达式后缀表达式的算法讲解太多了而且人家写的太好，自认为不及就不再
2017-03-14 09:07:14
920
原创 考研复试系列——第十一节 map的使用
考研复试系列——第十一节 map的使用前言在考研上机试题中，还是经常出现一些类如词频统计的问题的，解决这类问题通常使用哈希表，在C++的STL当然提供了对其支持，比如c++中的hash_map。在实际做题中，我们只需要使用map就OK了 。map与hashmap的用法基本一致，但底层实现是不同的，前者使用红黑树实现，后者使用哈希表实现。当然在做题中直接map就足够了。所以这里只记录
2017-03-12 10:29:24
931
原创 考研复试系列——第十节 字符串问题
考研复试系列——第十节 字符串问题前言关于字符串的问题可能是考试题目当中出现次数最多，涉及内容最广的内容了。主要有以下几个方面：字符串的匹配（暴力，KMP，Sunday，DFS等等）。求一个字符串的子串，字符串的反转，字符统计，字符查找。内容很多，但考试并不难，KMP可以不用，后缀树只在ACM中见过。另外别忘记还有C++强大的STL给我们提供关于string的一系列操作，在
2017-03-11 11:09:13
882
原创 考研复试系列——第九节 数论基础
考研复试系列——第九节 数论基础引言 首先引入一道简单的题目来说明一下最近看到的一个小技巧 ，觉得挺不错的 ，该部分内容来源于 《王道论坛》 。写个算法，对 2 个小于 1000000000 的输入，求结果。特殊乘法举例：123 * 45 = 1*4 +1*5 +2*4 +2*5 +3*4+3*5样例输入：123 45样例输出：54这
2017-03-09 10:18:27
819
原创 考研复试系列——第八节 拓扑排序
考研复试系列——第八节 拓扑排序前言拓扑排序最适于解决判断一个有向图是不是有向无环图的问题。在考研机试中也是经常出现的，但是题目又各不相同，只要抓住问题的根本，即拓扑排序判断有向无环图的本质就可以以不变应万变。本节依然和前面依然，侧重于说明算法的编程实现。拓扑排序——方法一看了网上其他的资料大多是以图的变化讲解拓扑排序，并没有说明算法实现的过程，所以下面
2017-03-08 09:14:29
1150
原创 考研复试系列——第七节 最短路径
考研复试系列——第七节 最短路径前言前面我们学习了DFS算法，利用DFS算法，我们以每一个顶点为开始节点进行DFS，最后进行比较也可以求得最短路径，但是复杂度不能满足我们的需求。现在我们通过Floyd算法和Dijkstra算法来解决最短路径问题。Floyd算法Floyd算法的思想很简单，就是借助第三个点来优化另外两个顶点的距离。比如我们有三个顶点A，B，
2017-03-06 10:51:17
1156
原创 考研复试系列——第六节 最小生成树
考研复试系列——第六节 最小生成树前言我们在上数据结构时学过求最小生成树主要有两种算法——Prim算法和Kruskal算法，本文主要讨论Kruskal算法的应用，对于详细的原理不再说明。基础知识//Kruskal算法基本原理：/** 1. 初始时所有节点都属于孤立的集合* 2. 按照边的权重的递增顺序遍历，若遍历到的边的两个节点分别属于不同的集合，
2017-03-04 10:57:41
809
原创 考研复试系列——第五节 并查集
考研复试系列——第五节 并查集前言http://blog.csdn.net/dellaserss/article/details/7724401/首先附上另一篇博文，对并查集讲解的非常清楚 。所以这里不再重造轮子，只举一些例题加深大家的理解。并查集主要用于表示集合信息，用来确定一个集合中含有哪些元素，判断两个元素是否在同一个集合中，求集合中元素的数量等。
2017-03-02 11:23:14
884
原创 考研复试系列——第四节 深度优先搜索
考研复试系列——第四节 深度优先搜索前言深度优先搜索（DFS）算法在ACM中是经常出现的解决问题的算法，相比暴力搜索可以更快的解决问题。深度优先搜索算法的题目从整体架构上是类似的，所以我们先给出一个大体的DFS的模板：dfs: if(判断条件) //在这里进行递归的退出 return; for(遍历内容) //进行遍历，例如图中访问每一个满足某一条件的节点
2017-03-01 09:05:01
583
原创 考研复试系列——第三节 二叉树&二叉排序树
考研复试系列——第三节 二叉树&二叉排序树前言二叉树是非常重要的一个概念，也是复试中经常考察的内容，对于二叉树的各种遍历我们都需要熟练的掌握，并在此基础上解决一系列的问题。基础知识首先我们要学会二叉树的构造，在C++中常常使用类来实现二叉树的定义，这里举个例子。/*给定一棵用链表表示的二叉树，求二叉树结点数目*/#includeusing
2017-02-27 13:05:00
527
原创 考研复试系列——第二节 最大堆&最小堆
考研复试系列——第二节 最大堆&最小堆前言在中科大，上交，浙大的上机题目中，堆的使用频繁出现，在机试时我们不可能从头到尾自己去实现最大堆，最小堆的操作绕过对堆的实现，我们使用C++ STL中的优先队列来解决堆的相关问题基础知识随便举个例子，给定一个n和m ,接下来输入n个数，计算这n个数中前m个最大的数（当然可以用排序来做）#include
2017-02-26 12:50:51
685
原创 考研复试系列——第一节 文件操作
考研复试系列——第一节 文件操作前言在考研复试中有不少上机题目需要读写文件，并在此基础上进行其他的运算，因此文件操作是必须要掌握的，本篇文件对C++的文件操作进行总结整理，并给出一些学校的上机例题。基本操作第一，文件的打开与关闭#include#include //引入头文件，包含文件读写操作using namespace std;
2017-02-26 11:00:27
1166
PCA教程_pdf
2018-04-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人