2 惯懒高手

尚未进行身份认证

刚入研究生的人

等级
TA的排名 12w+

CVPR2019元学习教程:小样本学习、多任务学习、神经架构搜索、贝叶斯优化等前沿综述

这篇本来是从网上专知那里找的,可是被删了……实在可惜,因此转载至此。下面的4个PPT非常棒,是大牛们对这个行业的综述以及前景预测。————————————————————————分割线—————————————————————————导读计算机视觉最具影响力的学术会议之一的IEEECVPR在2019年6月16日在美国加州的长滩市召开举行。来自SalesforceRe...

2019-10-15 14:59:55

SNAS:比DARTS更随机的

原文地址:https://arxiv.org/pdf/1812.09926.pdf参考博客:AI科技大本营,雷锋网,喜欢打酱油的老鸟原本是打算略读这篇的……不过读着读着愈发感觉到这里面承载的知识含量,因此开一贴详述。1.本文做了什么?DARTS将网络架构搜索变得可微分,大幅提高了速度,但在最终选择离散架构时只是粗暴的选择了概率最高的结果(并无数学依据),并且在优化部分只能进行“两步...

2019-10-11 15:13:24

一些人工智能方面的名词和领域

不知道有没有人跟我有一样的感觉:有时候你有一个构想,但却半天找不到同僚或者先驱。而在你知道这个领域的名称后,很快你就能找到很多相关的研究。因此,我在这里收集了人工智能领域的一些名词和其释义,以供参考。(持续更新)1.元学习(MetaLearning):其核心思想是“学会如何学习”(Learningtolearn),重点关注于如何用更少的样本、更快的学习神经网络。小样本学习(N-shot...

2019-10-10 20:58:03

YOLO:工业界翘楚的成长

一些参考博客:CSDN人工智能头条,洲洲_starry,shishi_m037192554,fariver,图像所浩南哥,AI之路YOLO系列的官方网站:https://pjreddie.com/darknet/yolo/虽然网上关于YOLO的介绍非常多,思想阐述的非常透彻,但总是觉得有种理解不透彻的感觉。因此另开一贴,记录下我的感悟。YOLOv1原文链接:https://www....

2019-10-10 09:31:24

Batch Normalization批标准化:概率在神经网络中的重要地位

在学YOLO的时候,正好看到YOLOv2上使用了BN,而自己虽然一直用但却不清楚其中的原理。因此膜拜一下别人的博客,将内容记录于此。首先,郭耀华的博客里讲的真的很详细。下面的所有引文都是该博客中的原话,中间我觉的不太重要的部分进行了概括。首先整段引用一下BN的作用:机器学习领域有个很重要的假设:IID独立同分布假设,就是假设训练数据和测试数据是满足相同分布的,这是通过训练数据获得的模...

2019-10-10 15:36:05

多窗口终端Terminator安装与风格配置

这里记录一下安装和配置Terminator的过程。虽然网上的安装教程很多,但是风格配置写的真是一塌糊涂。首先安装,非常简单:$sudoapt-getinstallterminator$terminator然后终端就run起来了。以后运行默认使用的就是这个终端,包括Ctrl+Alt+T。接着是风格化配置。这里我就想恢复成系统默认的终端样式。首先,终端内右键->...

2019-10-09 14:57:28

Linux监控CPU 内存 GPU占用情况

因为最近要跑网络,想尽量提高服务器利用率,因此这里记录下如何监控各硬件使用情况。首先,CPU和内存可以直接执行$top然后出来的界面就能看到CPU和显存MEM的使用情况了。但是这个界面全是数值,不好用。这里推荐使用htop。执行$sudoapt-getinstallhtop$htop然后就能看到界面了。可以清晰地看到你有几个CPU核,以及你的内存大小,内存占用...

2019-10-09 10:39:54

Ubuntu16.04上Anaconda3+pytorch1.2+Jupyter Notebook安装

1.Anaconda安装首先,去Anaconda官网下载相应的安装包。进入包所在的目录,执行bashAnaconda3-2019.07-Linux-x86_64.sh首先回车确认安装,然后空格到底看完license,输入yes接受。之后指定安装目录(可以直接回车装在你的~下面)。最后安装完后提示是否执行condainit,yes接受。打开新终端,会发现你的名字前面多了一个...

2019-10-09 09:02:14

NAS-Bench-101: Towards Reproducible Neural Architecture Search:第一个NAS查表数据集

原文链接:https://arxiv.org/pdf/1902.09635.pdf数据集与代码链接:https://github.com/google-research/nasbench1.本文做了什么?本文设计了第一个供NAS使用的数据集,以希望降低这个行业的算力门槛,并提供一个可以统一量化成果效果的平台。在搜索空间中通过图同构来识别423k个独特的cell(cell定义见NA...

2019-10-08 14:52:20

对Exploring RandomlyWired Neural Networks for Image Recognition的另类解读:披着随机搜索外衣的操作至上方法

原文链接:https://arxiv.org/abs/1904.01569项目地址:https://github.com/seungwonpark/RandWireNN中文翻译:https://blog.csdn.net/weixin_37993251/article/details/89161502参考的博客:xiaoiker的博客和georgeandgeorge的博客1.本文在...

2019-10-07 18:18:46

YOLOv3 制作并训练自己的数据集

本文参考了:dspeia的制作教程,Rani_zZ的制作教程,Darknet官网中的YOLO教程。首先对YOLO进行简要说明。YOLO是一个one-stage网络,其直接回归所检测目标的边框参数(左上点x,y,宽高width,height),置信度值以及属于各类的概率。YOLOv3将整张图片切割成了7x7块,并在每一块中都检测三个目标,也即每一块中所回归出的结果应当是3x(5+类的数量)。...

2019-10-07 11:19:48

OpenCV3安装教程

首先说一下为什么不用OpenCV4。OpenCV4中将cv.h的内容转移到了其他的里,直接导致依赖于OpenCV3编写的程序的所有相关代码报错,十分闹心,我在用OpenCV4执行YOLO报错后为了免得以后还得改,直接卸载了OpenCV4。卸载命令为:$cd/home/***/opencv4.1.1/build$sudomakeuninstall$cd..$sudor...

2019-10-07 11:45:52

Learning to Model the Tail:通过多样本任务辅助少样本任务学习(元学习)

在日常生活中,数据的数量并不是相等的。即使是在超大型数据集中,数据的数量差异也广泛存在,例如下图中SUN-397中的数据分布情况。卧室的数据可以达到1000以上,但图书馆甚至不到50。在本文中,这种数据分布情况被称为“长尾”(longtail)。对于处在尾部的数据而言,机器学习算法实际上是在执行小样本学习任务(N-shotlearning),这直接导致了相关领域识别的准确率不高。为...

2019-10-05 14:21:25

Anytime Online Novelty Detection for Vehicle Safeguarding:实时新颖性检测方法

新颖性检测(NoveltyDetection)也被称为异常检测(AnomalyDetection)或离群点检测(OutlierDetection),其目的是使机器能够识别出当前场景的输入与之前场景的输入(训练或实践过程中)是否一致,从而避免潜在的危险,或是开始对新场景的学习。目前来说,对新颖性检测的研究主要包括两种思路:一种是构建One-Other的分类器,通过利用特征空间上各数据点的距...

2019-10-04 10:31:43

DARTS:用概率模型使网络架构搜索变得可导

数学就是知识,这是对DARTS最形象的概述。不知道其他看官有没有这种感觉,深度学习在经过冗长的一段试错法发展(从AlexNet到DenseNet,其间催生了无数修改模型-有效-尝试解释-发文的臆测型模型修改水文)后,终于在AutoDL下成为了一种优化可解的方法。最近读到的很多方法,都使用了概率论相关的知识,不禁感慨:数学就是算法的根。闲话少说,开始DARTS!DARTS:可微分神经架构...

2019-09-29 11:28:35

Auto-Deeplab:从SOTA模型开始学习神经架构搜索

写在文章前面的一点小感想:笔者是北京某高校的在读研究生。研一至今一直在从事着名为科研的本科实验报告撰写工作,深感自己与时代脱节严重。恰逢导师有意,遂将元学习与神经架构搜索作为自己的研究方向,但却一直没有迈出那个第一步。因为觉得自己如此虚度时光会最终废掉,因此在此立一个Flag:无论多忙,每天精读一篇相关领域文章并分享于此。从我个人而言,我的科研方法是侧重整体感知而忽视细节的。也即,在我的文章中...

2019-09-28 21:04:55

自动驾驶相关数据集汇总

不定期更新…反正看论文见到就记下来就对了。话说自动驾驶领域论文里带数据集是不是就比较容易被引用……所有数据集都是计算机视觉相关的。基于图像做的各种事情。常用数据集:KITTI数据集,包含双目图像、激光雷达点云、导航信息以及2D、3D物体边框、光流场景流、深度和物体跟踪等各类标注。Cityscapes,包含城市场景下双目图像及像素级语义分割标注。comma2k19,包含单目...

2019-07-30 22:27:52

ICRA2019 Best Paper候选 Variational End-to-End Navigation and Localization翻译

摘要:深度学习彻底变革了直接从原始感知数据学习「端到端」自动车辆控制的能力。虽然最近在处理导航指令形式的扩展方面取得了一些进步,但这些研究还无法捕捉机器人所有可能动作的完整分布,也无法推断出机器人在环境中的定位。在本文中,研究者扩展了端到端驾驶网络,使其能够仅基于粗糙GPS信息,实现点到点导航并获得当前位置的概率分布。他们定义了一个新的变分网络,该网络能够根据环境的原始相机数据和拓扑路线图...

2019-07-26 10:13:27

Kaggle入门记录

从4月底开始断断续续看了很多深度学习相关的东西,从架构到论文再到训练细节,但是因为自己没上手开始做东西,一直处在看了就忘的状态。最近开始做东西,才感觉自己正式开始逐渐入门了。所以这里就记录下自己的学习历程,保存一下以后可能用得到的学习资料。首先,在不确定自己要做什么的时候,开始做才是最重要的。我跟了挺多教程的,最后感觉Kaggle真的很适合作为入门练习。我的第一个练习是跟着机器之心的教程来...

2019-06-05 10:55:08

配置ZED数据采集环境

需要用ZED采双目图像,这里记录下配置Ubuntu下的ZED采集程序的过程。首先,下载ZED驱动。最低需要Ubuntu16和Cuda9,这里我一开始装CUDA9.2也会报错。根据安装说明里写的装好,运行Explorer后,遇到问题:图像一直呈现绿紫色,然后有报错:OpenGL的一个库版本不匹配。经过尝试,发现是OpenGL库太旧。OpenGL库的安装是跟随Cuda的,所以在选择Cuda...

2018-12-13 12:05:57

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv3
    勤写标兵Lv3
    授予每个自然周发布7篇到8篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。