2 theoreoeater

尚未进行身份认证

暂无相关描述

等级
TA的排名 10w+

【深度学习——点云】PointConv

这是发表于CVPR2019的关于点云分类与分割的论文,论文地址:PointConv:DeepConvolutionalNetworkson3DPointClouds1.Motivation在2D图像任务中,拥有平移不变性、局部连接、参数共享等优点CNNs取得了良好的效果,CNNs逐层学习并整合局部特征的特点使得其学习到的特征鲁棒性很强,但是要把卷积操作...

2019-05-16 20:48:17

【深度学习——点云】DGCNN(EdgeConv)

这篇文章提出一种边卷积(EdgeConv)操作,来完成点云中点与点之间关系的建模,使得网络能够更好地学习局部和全局特征。论文地址:DynamicGraphCNNForLearningOnPointClouds1.MotivationPointNet网络对点特征的单独提取使得网络缺乏对局部特征的学习,PointNet++在PointNet基础上对点云进行区域采样使用Point...

2019-05-14 21:47:44

【深度学习——点云】PointNet++

这篇文章发表于NIPS2017,是在PointNet基础上的工作,论文地址:PointNet++:DeepHierarchicalFeatureLearningonPointSetsinaMetricSpace。1.MotivationPointNet处理点云的方式是首先单独对每一个点进行特征映射再使用MaxPooling在所有点特征上提取整体特征,这一过程中缺少...

2019-05-14 09:02:30

【深度学习——点云】PointNet

这篇文章是发表在CVPR2017上的一篇关于对点云数据进行分类与分割的文章,文章链接:PointNet:DeepLearningonPointSetsfor3DClassificationandSegmentation1.Background大数据时代下3D数据的日益增多,急需一套有效的针对3D数据的深度学习网络来进行分类、分割等任务。点云是一种简洁的、最接近原始传...

2019-05-10 17:10:54

深度学习半自动化视频标注工具——VATIC使用教程

Vatic简介 Vatic是一个带有目标跟踪的半自动化视频标注工具,适合目标检测任务的标注工作。输入一段视频,支持自动抽取成粒度合适的标注任务并在流程上支持接入亚马逊的众包平台MechanicalTurk,当然也可以自己在本地标注。最大的特点是它内含基于opencv的tracking,这样一段视频只需抽样标注就好了,大大减少了工作量。下图是官网一个标注篮球比赛球员的示例。Vatic使...

2019-01-23 10:04:27

【因果学习】贝叶斯网络结构学习方法

  随机对照试验是发现因果关系的黄金准则,然而现实世界中很多问题往往由于道德伦理的原因不允许我们设置干预进行试验,这就引发了在观测数据上学习因果关系的需求。贝叶斯网络是概率论与图论相结合的产物,它用图论的方式直观地表达各变量之间的因果关系,为多个变量之间的复杂依赖关系提供了紧凑有效、简洁直观的统一框架,是表示因果关系的常用工具。当前贝叶斯网络因果图结构学习方法主要分为基于约束的方法、基于评分的方法...

2018-12-08 16:45:53

机器学习中的信息论

自信息量  一个事件的自信息量是该事件发生概率的负对数,事件发生的概率越大,自信息量越少,反之自信息量越多。也称不确定性函数,具有可加性。定义自信息量I(x)I(x)I(x):I(x)=log(1p(x))I(x)=log⁡(1p(x))I(x)=\log\left(\frac{1}{p(x)}\right)信息熵  熵,热力学中表征物质状态的参量之一,用符号S表示,其物理意义...

2018-09-16 09:44:25

【Pytorch】CIFAR-10分类任务

CIFAR-10数据集共有60000张32*32彩色图片,分为10类,每类有6000张图片。其中50000张用于训练,构成5个训练batch,每一批次10000张图片,其余10000张图片用于测试。CIFAR-10数据集下载地址:点击下载数据读取,这里选择下载python版本的数据集,解压后得到如下文件:其中data_batch_1~data_batch_5为训练集的5个批次,...

2018-07-16 16:23:36

【环境配置】配置压缩包版MySQL

解压mysql-xx.xx-winx64.zip至合适目录,将MySQL根目录下的bin文件夹添加至系统环境变量path中:D:\MajorProgram\MySQL\mysql-5.7.21\bin编辑my.ini配置文件,存放在MYSQL根目录下,my.ini下载地址。将配置文件中的basedir和datadir修改成自己的路径,如:#basedir=D:\MajorProgram\My...

2018-06-22 20:01:47

【Tensorflow】Tensorboard使用笔记

Tensorboard通过读取Tensorflow的事件文件来运行,以图表的形式展示汇总数据(summarydata)。首先,创建想要汇总数据的Tensorflow图,然后选择想在哪个节点进行汇总(summary)操作。使用tf.summary.scalar记录标量使用tf.summary.histogram记录数据的直方图,比如展示层中激活的分布,或梯度权重的分布。使用tf.summary.d...

2018-06-22 14:30:46

【Tensorflow】模型保存与读取

Tensorflow模型结构Metagraph:保存网络图结构,包括计算图中的变量,操作,集合,文件扩展名为.meta。.data和.index文件:保存训练好的参数。Checkpointfile:记录最新的模型。保存模型#定义saver类#指定max_to_keep参数来选择保存最新的几个模型#设置keep_checkpoint_every_n_hours来指定每几个小时保存一次模...

2018-06-21 15:02:44

【Tensorflow】使用笔记

tf.dynamic_rnnsequence_length:这个参数用来指定每个example的长度,比如上面的例子中,我们令sequence_length为[20,13],表示第一个example有效长度为20,第二个example有效长度为13,当我们传入这个参数的时候,对于第二个example,TensorFlow对于13以后的padding就不计算了,其last_states将重复第13...

2018-06-21 11:03:00

【Tensorflow】Bi-LSTM文本分类

用于训练的计算图#训练图train_graph=tf.Graph()withtrain_graph.as_default():#输入文本维度为[time_step,batch_size,embedding_size]encoder_inputs=tf.placeholder(shape=[None,None,input_size],dtype=tf.float3...

2018-06-07 10:50:01

【论文笔记】Effective Approaches to Attention-based Neural Machine Translation

论文链接  本文针对NMT任务使用的attention机制提出两种结构,globalattention将attention作用于全部输入序列,localattention每个时间步将attention作用于输入序列的不同子集。前者被称为softattention,其原理和论文1一样,后者是hardattention和softattention的结合,该文通过contextvector...

2018-05-31 13:49:53

【论文笔记】SPPnet

论文链接             CNN模型在识别图片前需要将图片预处理(如裁剪,扭曲)成同样大小尺寸,流程如下图所示。这一步骤不仅繁琐而且由于尺寸变化可能会影响识别精度。        事实上卷积层、池化层、激活层可以适应任意尺寸图片,但用于分类的全连接层需要固定尺寸的输入。为了解决这一问题,SPPnet在特征提取层和全连接层中间添加了金字塔池化层(SPPlayer),使得任意尺寸的图片...

2018-05-31 10:55:57

【论文笔记】neural machine translation by jointly learning to align and translate

1.neuralmachinetranslationbyjointlylearningtoalignandtranslate  这篇文章是将attention机制应用于机器翻译上,普通的seq2seq模型要将输入文本的信息编码至固定长度的隐向量中,当面对长文本时会损失许多信息,那么就要利用attention对输入文本的不同片段根据其重要程度分配不同的权重,使得信息被更有效地编码...

2018-05-30 14:31:24

【Tensorflow】文本自编码器

使用文本序列的word2vec词向量作为seq2seq模型的输入和输出,训练得到中间层的文本特征表示,可进一步进行分类任务等,encoder和decoder都使用LSTM。importtensorflowastfimportnumpyasnpimportrefromgensim.modelsimportWord2Vecimportpandasaspdimport...

2018-05-30 09:57:18

【论文笔记】Bag of Tricks for Efficient Text Classification

    这篇文章写的是Facebook推出的FastText,能够快速在海量文本数据上进行分类任务和表示学习,可以用一个普通的多线程CPU在十分钟内训练百万级的语料,一分钟内将五十万文本分类到三十万个类别中。   最近几年深度学习在NLP任务上虽取得了显著地成就,但此类模型无论是训练还是测试阶段都因过长的时间消耗很难应用在更大的语料数据上。与此同时一些简单的线性模型在保持速度效率的同时也有不俗的...

2018-05-25 10:22:33

【论文笔记】GloVe: Global Vectors forWord Representation

摘要    词向量的成功捕捉到了细粒度的语义信息和语法规则,本文提出的方法融合了主流模型的优点:全局矩阵分解(LSA)和局部内容窗口(Word2vec),充分利用统计信息使用词共现矩阵中频率非零的元素来训练模型。引言    使用向量空间来表示自然语言可以做为许多NLP任务(文本分类,信息检索......)的特征输入,主流的两种方法是基于全局矩阵分解的LSA和局部窗口信息的Word2vec。LSA虽...

2018-05-22 21:06:38

使用gensim的doc2vec生成文档向量

doc2vec是word2vec的延伸,同样使用无监督方法利用上下文对词语和文档向量进行训练。doc2vec的输入是TaggedDocument向量,它包括word_list和tags两部分,word_list是文档的分词列表,如['火箭','是','总冠军',]。tags是文档的标签列表。比如可以用如下代码将自己的数据读入内存:defget_dataset():data=pd.r...

2018-05-09 16:15:52

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Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3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。