- 博客(243)
- 收藏
- 关注
RSS订阅
原创 博客文章总目录-祥瑞的技术博客
直接点击标题进入文章。博客文章总目录-邢翔瑞的技术博客 博主github地址：https://github.com/Xingxiangrui邮件地址：[email protected]每日任务繁忙，如果博主能够解答的问题乐意解答。但是如果问题博主不太了解或者太过细节复杂，恕不能详细解答和回复，见谅。如果博文内容帮到你，欢迎打赏。论文详解 图卷积网络GCNGC...
2019-03-29 19:47:43
3790
10
原创 栅格化渲染源码解析-neural_renderer源码（三）栅格化
本文着重探讨栅格化最重要的栅格化部分。栅格化的定义：将三维场景中的物体进行着色投影到成像平面，形成二维图形的过程。其详细定义和流程可以参考其他文章，本文暂不重复描述。基于代码选取，栅格化渲染的代码较多，例如基于openGL的渲染管线，本文选取的是neural_renderer，此代码主要的创新点是如何在渲染中回传梯度，但是其栅格化部分的代码写的具有不错的可读性。我们暂不讨论代码中关于梯度的问题，只是详细解析一下neural_renderer是如何进行栅格化渲染的流程的。其他部分可详细参考另外两篇
2022-01-23 20:36:22
3186
原创 可实现ffmpeg转码的cuda显卡
Video Encode and Decode GPU Support Matrix [NEW] | NVIDIA DeveloperVideo Encode and Decode GPU Support Matrix [NEW] | NVIDIA DeveloperHWAccelIntro – FFmpeghttps://developer.nvidia.com/nvidia-video-codec-sdk
2022-01-14 21:13:28
2973
原创 栅格化渲染源码解析-neural_renderer源码（二）光照部分
目录一、变量形式1.1 light1.3 textures变量1.4faces变量二、对于light的处理2.1 ambient_light常数化光场2.2 directional_light源码参见如下链接，这里详细对源码进行解析。其实严格而言，光照部分是在栅格化操作之外的流程，因为这里涉及到光源对于三维物体的相互作用，作用结果是作用在物体的贴图上，严格而言并没有到栅格化的步骤。但是此步骤依然是比较重要的步骤。另外有一点需要注意，就是Neural_renderer的..
2021-12-19 22:31:24
638
原创 栅格化渲染源码解析-neural_renderer源码（一）概览
栅格化渲染目前渲染中，较多渲染技术采用栅格化的方法。也有光追技术，这里暂不讨论光追，只讨论栅格化。个人理解，栅格化的定义：将三维场景中的物体进行着色投影到成像平面，形成二维图形的过程。其详细定义和流程可以参考其他文章，本文暂不重复描述。neural_renderer有两个版本，一个是torch+cuda版本，另一个是chianer+cupy版本。还有一个tensorflow版本GitHub - FuxiCV/pt_mesh_renderer: A PyTorch implementa..
2021-12-19 20:55:25
1645
1
原创 EMLight: Lighting Estimation via Spherical Distribution Approximation AAAI 2021 光场估计 论文详解
领域：Light Estimation论文地址：[2012.11116] EMLight: Lighting Estimation via Spherical Distribution Approximation (arxiv.org)代码地址GitHub - fnzhan/Illumination-Estimation: EMLight: Lighting Estimation via Spherical Distribution Approximation (AAAI 2021)南洋
2021-08-02 15:19:26
948
原创 Deep Parametric Indoor Light Estimation ICCV 2019论文详解
论文地址：[1910.08812] Deep Parametric Indoor Lighting Estimation (arxiv.org)项目地址：Deep Parametric Indoor Lighting Estimation (lvsn.github.io)
2021-08-02 10:23:37
679
原创 NeRFactor: Neural Factorization of Shape and Reflectance Under an Unknown Illumination光场及三维成像重建
论文地址：[2106.01970] NeRFactor: Neural Factorization of Shape and Reflectance Under an Unknown Illumination (arxiv.org)本文在NeRF的基础上提出了NeRFactor的改进，即基于NeRF的因式分解。将NeRF的输出送入到几个MLP之中，用MLP再次进行因式分解，获得光照，物体表面法向，光场等信息，从而提升NeRF的重建效果。目录关键词贡献点贡献点输入与输出形状
2021-07-07 11:17:33
2557
1
原创 基于检测任务的小样本增量学习 Few-shot Object Detection via Feature Reweighting. ICCV 2019论文详解
新加坡国立大学发表在ICCV 2019上。解决小样本目标检测问题。目前目标检测的增量都与小样本学习相结合，可能因为小样本的目标检测虽然性能较差，但是提升较大，因此容易产生一些贡献点和达到SOTA。解决方案也是按照类似于，分类任务的方法，先将模型分为特征提取阶段和功能阶段，然后在功能阶段进行改进，从而使得特征提取阶段可以共用或者复用。论文地址：[1812.01866] Few-shot Object Detection via Feature Reweighting (arxiv.org)目录
2021-05-16 14:48:13
2931
6
原创 增量学习方法分类及近两年论文汇总
目录一、数据增量与类别增量二、常见增量学习结构三、增量学习方法分类四、总结及论文链接4.1 总结4.2 相关论文链接一、数据增量与类别增量增量学习任务分为，数据增量和类别增量。数据增量过程中，增量任务和原始任务之间没有新类别出现，两者具有相同的类别。本文对广义和狭义的类别增量进行了明确的定义，对于增量任务，具有如下的定义：C表示所有的类别 Tt表示增量任务t之中的类别，相当于C的子集 DcC表示所有类别C中子类c的样本 DtT表示增量任务t中类别
2021-05-12 20:34:44
14111
25
原创 无监督增量学习 Unsupervised Class-Incremental Learning Through Confusion. ICLR 2021 被拒文章
乔治亚州研究所提出的，发表在ICLR2021上。针对无监督的类别增量提出了本文的方法。本文基于无监督，增量数据没有标签，因此范畴就是选用了增量学习之中最宽松的限制，即基于样本回放的增量学习方法，旧样本会被存储在模型Memory之中。论文地址：[2104.04450] Unsupervised Class-Incremental Learning Through Confusion (arxiv.org)目录1.贡献点1.1思路1.2 贡献点2.方法2.1 settings2.
2021-05-12 20:21:48
2980
8
原创 基于模型结构增扩的增量学习方法 归纳和详解
基于模型结构增扩的方法，本文对近两年基于模型结构扩张的增量学习方法进行归纳总结和详解。文章链接如下：RKR论文详解 Rectification-based Knowledge Retention for Continual Learning. CVPR 2021 基于知识矫正的持续学习_祥瑞的技术博客-CSDN博客DER论文详解DER: Dynamically Expandable Representation for Class Incremental Learning， CVPR 2021_
2021-05-11 22:35:22
1888
1
原创 基于拓扑图的增量学习方法 论文归纳与详解
近两年，基于拓扑图模型的方法开始得到应用。这种方法也是将模型分为特征提取模型和分类器模型，特征提取模型用于对特征进行提取。拓扑图模型多用于特征分类阶段，用于学习不同类别之间的关系。因为增量任务和拓扑结构有一定的类似，即有的任务之间联系紧密，有的任务之间联系不紧密，这种对应的关系可以通过拓扑图模型进行学习，从而应用在分类器上，提升模型性能。本文将基于拓扑图的增量学习方法进行归纳。CVPR2020 ，FSCIL Few-shot Class Incremental Learning。将NG网络运用到增量
2021-05-11 22:22:54
2706
1
原创 Few Shot Incremental Learning with Continually Evolved Classifiers论文详解 基于持续进化分类器的小样本类别增量学习CVPR2021
Few Shot Incremental Learning with Continually Evolved ClassifiersCVPR2021，由新加坡南洋理工大学本文利用Graph即图模型，将拓扑结构与增量模型向结合，从而取得不错的效果。类似论文，均是基于双阶段的增量模型，一个是特征提取模块，另一个是分类器模块。对于Rehearsal的方法而言，特征提取模块可能一起更新。对于本文的方法而言，特征提取模块一旦初始训练好，就固定下来，只更新分类器模块。本文的分类器模块与GAT(.
2021-05-10 22:13:47
3100
2
原创 TPCIL论文详解，基于持续改进分类器的增量学习Topology-Preserving Class-Incremental Learning,ECCV2020
ECCV 2020论文地址：https://doi.org/10.1007/978-3-030-58529-7_16代码地址：论文中称，代码 will be released西交大发表的。单看标题推测是运用Graph和拓扑学的知识来进行增量学习。基于正则化的增量学习方法。近两年很多论文都有类似想法，就是将CNN与Graph相结合来进行增量学习，用CNN提取模型特征，获得embedding信息，Graph网络用于学习特征之间的拓扑关系。目录1.贡献点2.方法2.1总体方法2.2
2021-05-10 21:55:24
1256
1
原创 基于拓扑的增量学习Topology Preserving Class-Incremental learning论文详解ECCV2020
ECCV 2020论文地址：https://doi.org/10.1007/978-3-030-58529-7_16代码地址：论文中称，代码 will be released西交大发表的。单看标题推测是运用Graph和拓扑学的知识来进行增量学习。基于正则化的增量学习方法。近两年很多论文都有类似想法，就是将CNN与Graph相结合来进行增量学习，用CNN提取模型特征，获得embedding信息，Graph网络用于学习特征之间的拓扑关系。CVPR2020 ，FSCIL Few-sho...
2021-05-10 21:47:31
1935
4
原创 Supervised Contrastive Replay 论文详解 通过NCM分类器和图片回放实现增量学习
论文地址：[2103.13885] Supervised Contrastive Replay: Revisiting the Nearest Class Mean Classifier in Online Class-Incremental Continual Learning (arxiv.org)Supervised contrastive replay: revisiting the nearest class mean classifier in online class-incrementa
2021-04-30 23:40:49
3545
6
原创 论文详解Memory Efficient Incremental learning through feature adaptation. ECCV2020 基于增量特征映射
CVPR2020，由Google Research提出。看标题是基于样本回放的方法。如何在网络变化之后，将旧特征映射到新特征。类似的方法例如SDC，Semantic Drift Composition。SDC: SDC论文详解Semantic Drift Compensation for Class-Incremental Learning. CVPR 2020目录1.贡献点1.1 基于rehearsal方法的分类1.2 贡献点2.框架2.1 特征提取+分类器2.2.
2021-04-27 22:57:11
1792
2
原创 差文解析 IIRC: Incremental Implicitly-Refined Classification
论文地址：[2012.12477] IIRC: Incremental Implicitly-Refined Classification (arxiv.org)不介意浪费时间的可以把原论文扒出来读一读，见识一下这篇论文的差。（手动狗头）。不介意浪费时间的可以读一读博主的文章，因为博主已经浪费时间读了一下这个论文，还写了一下。（手动狗头）本篇论文比较差劲，方法层面相当于提出一个IIRC(Incremental implicitly refined classification)，但是这个IIRC
2021-04-26 23:24:48
918
4
原创 FSCIL论文详解 Few-Shot Class-Incremental Learning， CVPR2020
CVPR2020论文地址：https://arxiv.org/pdf/2004.10956.pdfCVPR2020 本篇，FSCIL，西交大提出的。将NG网络运用到增量学习之中。ECCV2020，TPCIL，也是西交大的同一个人发的，Topology Preserving Class-Incremental learning，同样的框架，即CNN+拓扑结构，部分内容换了一个写法。CVPR2021与本篇非常类似，Few-Shot Incremental Learning with Cont
2021-04-26 22:59:15
5399
3
原创 DER论文详解DER: Dynamically Expandable Representation for Class Incremental Learning， CVPR 2021
论文地址：[2103.16788] DER: Dynamically Expandable Representation for Class Incremental Learning (arxiv.org)代码地址：https://github.com/Rhyssiyan/DER-ClassIL.pytorch.本文上海科技大学和中国科学院大学共同发表。发表在CVPR2021. 本文是通过增加模型权值来适应增量任务。也运用了memory，相当于基于rehersal和模型的方法的结合。本文主要的改进在
2021-04-26 22:52:08
5084
10
原创 CEC论文详解Few Shot Incremental Learning with Continually Evolved Classifiers. CVPR2021
Few Shot Incremental Learning with Continually Evolved ClassifiersCVPR2021，由新加坡南洋理工大学发表本文利用Graph即图模型，将拓扑结构与增量模型向结合，从而取得不错的效果。论文地址：[2103.16788] DER: Dynamically Expandable Representation for Class Incremental Learning (arxiv.org)目录1.贡献点2. 方.
2021-04-25 23:31:46
3880
2
原创 PODNet: Pooled Outputs Distillation for Small-Tasks Incremental Learning论文详解ECCV2020
ECCV2020论文地址：https://doi.org/10.1007/978-3-030-58565_6代码地址：https://github.com/arthurdouillard/incremental learning.pytorch目录1.贡献点2.方法2.1 pool类型2.2 POD（Pooled Outputs Distillation）方法2.3 LSC（Local Similarity Classifier）三、实验结果3.1 消融实验3.2
2021-04-25 23:19:51
4434
9
原创 CVPR2021论文详解Rainbow Memory: Continual Learning with a Memory of Diverse Samples
论文地址：https://arxiv.org/abs/2103.17230代码地址：https://github.com/clovaai/rainbow-memory本文基于样本回放的方法，本文某种意义上借鉴了主动学习中找难样本的方法，将找到的难样本作为Memory中用于回放的样本。本文的意义在于如何寻找难样本。1.贡献点因为本文涉及memory，因此可以看作基于样本回放的增量学习方法。本文解决的问题是，如何选取更好的样本来放置在Memory之中。基于增量学...
2021-04-25 22:57:52
3285
3
原创 SDC论文详解Semantic Drift Compensation for Class-Incremental Learning. CVPR 2020
论文地址:https://arxiv.org/abs/2004.00440一、贡献点文章发表于CVPR2020，用于解决增量学习中类别增量的问题。贡献点有下面几个：不同于以往的交叉熵loss, 本文的embedding network提出了triple loss，关于triple loss会在后面进行介绍，triple loss简单理解为基于特征空间质心的loss，样本提取特征后，距离特征空间的离质心越近，则loss越小，反之则越大。 本文的SDC（Semantic Dr...
2021-04-18 21:11:34
2136
原创 RKR论文详解 Rectification-based Knowledge Retention for Continual Learning. CVPR 2021 基于知识矫正的持续学习
概览：RKR这篇文章，基于网络结构进行增量学习。将新的类别的信息存储在额外的网络结构之中，文中称为rectification generator (RG)生成器和scaling factor generator (SFG)生成器。从而解决Few-shot和zero-shot增量学习的问题.论文地址：https://arxiv.org/abs/2103.16597目录一、贡献点概览二、方法2.1 方法综述2.2 权重矫正2.3 RG和SFG网络的具体实现2.4 新增内存占用
2021-04-15 23:11:35
1865
5
原创 成都市程序员地图
梳理汇总一下成都市的行政划分和常见的互联网公司。目录一、成都各区划分1.1 成都四环1.2 成都市四环以内金牛区青羊区武侯区锦江区成华区1.3 天府新区二、重要公司2.1 华为成都研究所2.2 天府软件园2.3 兴隆湖片区一、成都各区划分1.1 成都四环成都市四环以内各区，按12点钟逆时针方向分别为：金牛区（北）——青羊区——武侯区（南）——锦江区——成华区1.2 成都市四环以内逆时针方向，依次为：金牛区...
2021-03-19 22:21:59
2275
4
原创 使用PyCharm配置提升效率
PyCharm是常用的python集成编译器，如果使用得当，能非常高效的提升生产效率。因此本文重点探讨如何使用PyCharm提升生产效率。如何使用PyCharm关联服务器代码，实时同步？ 如何使用服务器远程python解释器？ 如何设置断点和在程序中间调试代码？ 如何快速调整代码显示方便阅读？一、关联远程服务器1.1 使用场景场景：本地PC安装了PyCharm编译器，且代码编写在本地PC进行，但是代码或者环境需要在远程服务器上运行，因此本地写的代码必须同步到服务器上才能运行。..
2020-09-20 21:46:37
1324
原创 关于游戏运营策划管理相关必备知识
本文帮朋友发，作者：罗笄。游戏运营管理或者游戏策划涉及大量的相关知识，本文归纳整理总结必备知识，归纳成体系。网易互娱有什么独特的的特点？ 与腾讯游戏、暴雪有什么区别？ 旗下有哪些代表性的游戏？ 客户特点、游戏模式、用户编存？ 日活率是什么？如何进行市场推广？ 不同游戏的优劣势，发展方向？ 游戏满足人的什么需求？有哪些设计原则？目录一、网易互娱的主要游戏有哪些？1.1 端游...
2020-04-29 10:49:45
7733
原创 游戏运营相关名词及解释
目录一、游戏名词解释1.1 RPG1.2 FPS1.3 SLG1.4 moba1.5 ACT二、推广广告相关名词解释2.1 广告推广相关2.2 营销相关2.3 精准营销2.4 内容相关名词解释2.5 市场模式相关三、运营相关名词解释3.1 PV与UV3.2 点击量和CTR3.3 转化率与ROI3.4 ARPU,average re...
2020-04-23 21:42:27
5163
1
原创 sympy求积分|微分|极限|解微分方程|解RLC震荡电路
运用python的sympy工具包，可以方便的对相应的方程进行求解。在上一篇文章中，我们用sympy解了复杂的非线性方程组、复数方程组、多元多次方程组，链接如下：python求解多元多次方程组或非线性方程组 ...
2020-03-26 16:50:42
3474
1
原创 双拼输入法的原理及上手方法
纯原创内容，转载必须注明作者及出处。想让博主手把手教双拼的可闲鱼搜索：双拼输入法。关于双拼输入法，其实是一种非常高效、便捷的打字方法，能极大的加快打字的速度。博主使用双拼输入法很久了，但是很多人用双拼输入法用的很少。可能双拼有学习成本，但是其实学起来会很快，所以本文博主会详细讲一下双拼输入法的原理，以及输入法的使用。目录一、双拼输入法的定义1.1 双拼输入法的优点1.2 全拼输...
2020-03-22 23:29:18
4341
2
原创 python求解多元多次方程组或非线性方程组
背景：如何使用python求解多元多次方程组或者非线性方程组。原创内容，转载注明出处！（上篇用python拟合2019nCov感染人数的文章被不少博主转载了，发的比较早，不少博主在文章基础上添加新内容也新发了新的更新后的预测，或者加入一些新的模块。博文链接如下：）python实现logistic增长模型拟合2019-nCov确诊人数 python实现logistic增长模型拟合20...
2020-02-24 18:15:05
69034
8
原创 python实现logistic增长模型拟合2019-nCov确诊人数2月1日更新
背景：众志成城抗疫情。今天是2020年2月1日，2019-nCov确诊人数一直在增长趋势。1.28日用logistic增长模型拟合了确认感染人数的数据。预测挺准，特别是r=0.55的时候，拟合方法及代码见：python实现logistic增长模型拟合2019-nCov确诊人数 本文方法没有新内容，就是之前方法更新了数据再进行了拟合。但是模型依然没到拐点，疫情依然是扩散态势，形势严峻且复...
2020-01-31 18:46:46
9733
4
原创 python实现logistic增长模型拟合2019-nCov确诊人数
背景：众志成城抗疫情。今天是2020年1月28日，2019-nCov确诊人数一直在增长趋势，如何更好的对确诊人数进行拟合和预测，需要我们用python来实现。注意，本文模型为logistic增长模型，并非最佳预测模型，只是大致预测，对之前的感染人数曲线进行拟合，以后的疫情发展情况还是需要根据实际情况得出。模型根据2020年1月28日及之前的数据进行拟合，后续可能会更新。目录一、logist...
2020-01-28 20:08:56
35874
35
原创 支持向量机(Support Vector Machine,SVM)算法复杂度详解
关于支持向量机的算法复杂度，因为SVM在训练阶段的算法较为复杂，详细的算法复杂度较为难以推算且众说纷纭，与很多因素相关。但是可以根据相应的数据类型大致推算出SVM的算法复杂度。参考资料：Burges C J C . A Tutorial on Support Vector Machines for Pattern Recognition[J]. Data Mining and Knowle...
2020-01-15 13:34:41
8276
3
原创 linux操作系统基础知识（组成 | Kernel | Shell | 目录结构）
目录一、linux的组成1.1 组成结构1.2 Shell与Kernel二、Linux Kernel2.1 linux kernel作用2.2 进程管理2.3 文件系统2.4 文件分类2.5 设备驱动与网络接口三、linux系统目录结构一、linux的组成1.1 组成结构参考文章： https://blog.csdn.net/weixin_362...
2019-12-13 16:03:12
1775
原创 谷歌论文Weight Agnostic Neural Networks（WANN）权重无关神经网络
论文地址：https://arxiv.org/abs/1906.04358项目及代码地址：https://weightagnostic.github.io/目录一、概览1.1 贡献点1.2 背景二、方法2.1 本文做法2.2 相关工作2.3 方法网络结构搜寻结构搜索 Topology search2.4 性能与复杂度评估三、实验及结果...
2019-12-06 17:28:33
1441
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