- 博客(13)
- 收藏
- 关注
RSS订阅翻译 Dialogue System Survey——Non-task-oriented 翻译
无任务导向对话系统与旨在为用户完成特定任务的任务导向对话系统不同，无任务导向对话系统（也称为聊天机器人）集中于在多领域中与人类交谈【64】。总体上，聊天机器人有生成方法generative method或者基于检索的方法retrieval-based method。生成模型可以生成在语料库corpus中从未出现过的、更为合理的回复，而检索方法更注重流畅、信息丰富的回复【30】，因为它们可以使用回...
2020-03-07 15:51:50
477
翻译 Object Detection in Videos with Tubelet Proposal Networks翻译
文章地址Object Detection in Videos with Tubelet Proposal Networks废话不多说，直接翻译，还是只翻译方法部分，相关工作、结果和结论就不多说了。Abstract随着大规模ImageNet VID数据集的出现，视频目标检测得到了越来越多的关注，与静态图片不同，视频中的时间信息对目标检测而言是十分重要的。为了完全运用视频中的时间信息，最新的方法...
2019-02-12 22:54:31
4887
翻译 Object detection from video tubelets with CNN翻译
代码地址code文章地址Object Detection from Video Tubelets with Convolutional Neural Networks这篇是港大的Kai Kang 16年发表在CVPR上的，讲了视频中的目标检测。这篇是我毕设要看的论文，并且我也没有看到有好的翻译，大多数是Tubelets with Convolutional Neural Networks fo...
2019-02-01 22:37:20
3363
原创 Fast R-CNN阅读笔记
文章地址Fast R-CNN代码地址code这篇是Ross大神15年写的，通过一些改进让R-CNN变得更快了，在VGG16网络上训练的时候快了9倍，测试的时候快了213倍，在PASCAL VOC2012上的mAP也提高了。Object detection主要有两个挑战：1、对目标所在位置进行定位，定位的区域被称作proposal。2、这些区域只是大概的对目标进行定位，需要进一步处理达到精确定...
2019-01-29 22:33:28
205
原创 R-CNN论文阅读笔记
先把文章地址放在这Rich feature hierarchies for accurate object detection and semantic segmentation代码地址也放在这code作者在摘要中说这个方法主要有两个创新：一是可以在候选区域Region Proposal上用大容量的卷积神经网络对目标进行定位和分割；二是当标记训练数据少时，使用辅助的预训练和特定区域的微调（fi...
2019-01-25 23:18:20
289
原创 ImageNet with Deep CNN阅读笔记
本来直接看的R-CNN那篇文章的，结果发现network architecture部分一脸懵，只能悄悄找到最原始的这篇看，R-CNN是基于这篇文章的网络结构的。我的学习过程真的是小白进步史，要从最简单的一步步学起。文章是在ImageNet那个比赛识别MNIST数据集的，正好承接了上本我看完的Neural network and deep learning这本书。主要看的就是第三部分Archite...
2019-01-23 22:43:32
178
原创 Neural network and deep learning阅读笔记（7）代码
先是全连接层的代码：class FullyConnectedLayer(object): def __init__(self, n_in, n_out, activation_fn=sigmoid, p_dropout=0.0): self.n_in = n_in self.n_out = n_out self.activation_fn = activation_fn sel...
2019-01-20 20:44:39
238
原创 Neural network and deep learning阅读笔记（6）深度学习
这一章介绍了卷积神经网络——在深度学习中非常常用的一种网络，先建立简单的网络，然后添加很多增强网络能力的方法：卷积、池化、GPU、dropout等等。这一章建立的网络很强大，正确率达到99.67%，识别错误的数字很多是人眼也无法正确识别的。还会提到RNN、LSTM单元，如何在语音识别、自然语言处理或者其他领域运用模型。Introducing convolutional networks之前我们...
2019-01-15 21:40:51
1691
原创 Neural network and deep learning阅读笔记（5）梯度消失问题
之前我们都是处理一层隐藏层的神经网络，但是在处理实际问题中，一层隐藏层往往不够，所以我们需要多层隐藏层：比如，当我们在处理视觉模式识别问题时，第一层可能用来识别边缘，第二层可以识别稍微复杂的形状，比如三角形，第三层处理更加复杂的图形，以此类推，到最后我们可以识别非常复杂的物体。所以理论上来说，深度网络比浅层网络更好。这一章，作者主要讲了如何训练深度神经网络，用到的方法是之前讲到的随机梯度下降和...
2019-01-14 22:11:13
629
原创 Neural network and deep learning阅读笔记（4）神经网络学习方式
Weight initialization在第一章创建神经网络的时候，曾经对weight和biases进行过初始化，当时是使用了两个独立高斯随机变量（均值为0，标准差为1），这一节看看有没有更好的初始化方法。假设我们现在有一个神经网络有1000个输入神经元，输入层到第一层隐藏层的权重是高斯分布的，忽略其他的神经元，只考虑输入层到第一个神经元的权重：假设我们的输入x一半为1，一半为0，考虑z=...
2019-01-08 22:37:43
401
原创 Neural networks and deep learning阅读笔记（3）神经网络学习方式
这一章介绍了一些搭建网络的方式和技巧，可以帮助我们的网络更好的学习，包括：一种更好的损失函数叫cross-entropy交叉熵损失函数；四种“正则化”方法（L1和L2正则化、dropout、训练数据的artificial expansion）；更好的初始化权重的方法；一些帮助我们选择超参数hyper-parameters的启发。【一些词汇我怕自己翻译不准确就直接用英文了cross-entropy...
2019-01-02 20:04:43
450
原创 Neural networks and deep learning阅读笔记（2）后向传播算法
Neural networks and deep learning阅读笔记（2）后向传播算法上一章主要是梯度下降算法，但是如何计算cost function的梯度没有详细讲，这一章就主要讲了一种计算梯度的算法——backpropagation后向传播算法。这一章有很多数学emmm慢慢推吧，后向传播还是蛮重要的Warm upwjkl如图所示代表了从（l-1）层的第k个神经元到第l层第j个神...
2019-01-01 21:46:13
1171
原创 Neural Networks and Deep Learning阅读笔记（1）手写字符识别
Neural Networks and Deep Learning阅读笔记（1）手写字符识别刚开始开始学习深度学习，找了一本比较简单的书来看看，顺便记个笔记。我是那种不记笔记估计看完一页忘一页的人╮(╯▽╰)╭嘻嘻嘻emmm这篇笔记就是我自己的碎碎念啦，不严谨而且中英文随便换着用第一章手写字符识别，通过这个简单的例子讲了神经网络的一些基本概念，包括神经元、感知器、随机梯度下降等。（好绝望，这...
2018-12-14 22:34:00
526
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