deep专题
Introduction to Deep Learning with PyTorch
1、Introduction to PyTorch, a Deep Learning Library 1.1、Importing PyTorch and related packages import torch# supports:## image data with torchvision## audio data with torchaudio## text data with t
Face Recognition简记1-A Performance Comparison of Loss Functions for Deep Face Recognition
创新点 1.各种loss的比较 总结 很久没见到这么专业的比较了，好高兴。 好像印证了一句话，没有免费的午餐。。。。 ArcFace 和 Angular Margin Softmax是性能比较突出的
A fault diagnosis method of bearings based on deep transfer learning
A fault diagnosis method of bearings based on deep transfer learning 基于深度迁移学习的轴承故障诊断方法 ABSTRACT 近年来，许多深度迁移学习方法被广泛应用于不同工况下的轴承故障诊断，以解决数据分布移位问题。然而，在源域数据差异较大、特征分布不一致的情况下，深度迁移学习方法在轴承故障诊断中的准确率较低，因此本文提出了一种
Deep Learning Techniques for Medical Image Segmentation: Achievements and Challenges
前言： 该篇文章较为全面但稍偏简单的介绍医学图像分割的常见数据集、各种神经网络，以及常见的训练技巧等问题。 一、重点摘录 2.5D approaches are inspired by the fact that 2.5D has the richer spatial information of neighboing pixels wiht less computational costs t
Learning Policies for Adaptive Tracking with Deep Feature Cascades
Learning Policies for Adaptive Tracking with Deep Feature Cascades ICCV17 shotlight 作者：Chen Huang， CMU postdoctor，导师 Deva Ramanan summary 文章主要贡献在于速度与精度的权衡（AUC 0.638，fps 23），通过强化学习策略，来控制网络的深度，使得精度和
deep_thoughts
1.tensor tensor就是一个n维的数组。 import torchimport numpy as npdata = [[1, 2],[3, 4]]print(type(data))#<class 'list'>x_data = torch.tensor(data)print(type(x_data))#<class 'torch.Tensor'>print(x_data
java对象克隆之深度克隆 deep clone
克隆技术默认的是浅度克隆，对于包含在对象内部的对象并没有克隆，例如对象stdA包含对象x，克隆后得到对象stdB，也包含对象x，但两个x所指向的数据成员相同。 深度克隆实例如下： package com.demo;class Book implements Cloneable{private String name;private double price;public Book(Str
读Applying Deep Learning To Airbnb Search有感
读Applying Deep Learning To Airbnb Search有感 介绍 Airbnb的房屋预订系统对于房主和租客来说是一个双向的平台，房主想出租他们的空间，租客想预订房间。airbnb.com网站一开始是一个简单的根据一个特定的地理位置，召回一个酒店列表。 最初的搜索排序模型是人工评分的，后来梯度提升树（GBDT）代替了人工评分，这是房屋预订系统跨出的一大步，之后随之而来的
【读点论文】Scene Text Detection and Recognition: The Deep Learning Era
Scene Text Detection and Recognition: The Deep Learning Era Abstract 随着深度学习的兴起和发展，计算机视觉发生了巨大的变革和重塑。场景文本检测与识别作为计算机视觉领域的一个重要研究领域，不可避免地受到了这波革命的影响，从而进入了深度学习时代。近年来，该社区在思维方式、方法论和性能方面取得了长足的进步。本综述旨在总结和分析深度学
了解ceph scrub deep-scrub
目的 了解 ceph scrub, deep-scrub 作用了解 ceph scrub, deep-scrub 相关配置 参考告警 $ ceph -scluster:id: xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxhealth: HEALTH_WARN434 pgs not deep-scrubbed in time <------
论文《Adversarial Examples on Graph Data: Deep Insights into Attack and Defense》笔记
【IG-Attack 2019 IJCAI】本文提出了一种基于integrated gradients的对抗攻击和防御算法。对于攻击，本文证明了通过引入integrated gradients可以很容易解决离散问题，integrated gradients可以准确反映扰动某些特征或边的影响，同时仍然受益于并行计算。对于防御，本文观察到目标攻击的被攻击图在统计上不同于正常图。在此基础上，本文提出了一
【综述】 从稀疏的数据中进行深度补全：Deep Depth Completion from Extremely Sparse Data: A Survey
【综述】 从稀疏的数据中进行深度补全：Deep Depth Completion from Extremely Sparse Data: A Survey 占坑，3日内更新
漫谈Deep PCA与PCANet
又到了无聊的写博客的时间了，由于电脑在跑程序，目前无事可做，我觉得把昨天我看的一些论文方面的知识拿出来和大家分享一下。 美其名曰我是在研究”深度学习“，不过由于本人是穷屌丝一个，买不起GPU（当然明年我准备入手一块显卡来玩玩），因此这半年我找了个深度学习中的一个”便宜“的方向——PCANet。 首先给出PCANet的原始文献《PCANet：A Simple Deep Lear
Deep Learning实践中报错查询手册（持续更新）
ResourceExhaustedError: OOM when allocating tensor with shape 在使用keras训练模型时报错，问题原因： GPU显存不足，解决方案有： 1. 终端使用nvidia-smi命令查看显卡状态，将其他占用进程kill掉。 2. 将训练的batch_size调小 MemoryError 在将数据归一化时报错，问题原因： 数据siz
deep learning tips
dropout是为了防止过拟合，实在testing data上面效果不好时用的，而training data效果不好的时候不会考虑这个方法。 vanishing gradient problem和 exploding gradient：梯度消失和梯度爆炸问题，可以参考此篇博客。 Regularization： L2: 不考虑bias是因为我们加入正则是为了让我们的function更平滑
Learning a Deep Convolutional Network for Image Super-Resolution
Abstract 我们提出了一种单图像超分辨率（SR）的深度学习方法。 我们的方法直接学习低/高分辨率图像之间的端到端映射。 该映射表示为深度卷积神经网络（CNN），它将低分辨率图像作为输入并输出高分辨率图像。 我们进一步表明，传统的基于稀疏编码的SR方法也可以被视为深度卷积网络。但与分别处理每个组件的传统方法不同，我们的方法共同优化所有层。 我们的深CNN具有轻质结构，同时展示了最先进的修复质
Deep Face Recognition论文翻译
Deep Face Recognition论文翻译 作者： Omkar M. Parkhi ····································· Visual Geometry Group omkar@robots.ox.ac.uk Andrea Vedaldi ······································ Department of
Deep Learning学习 之 卷积神经网络（文字识别系统LeNet-5）
部分预备知识可以先看博文，统一了一些专业名词。 原文摘自，在此文中对原文增加了一些注释和修改，统一了与之前博文的专业名词说法，有助于理解。 ！！！如果读者发现一些数学符号后面有一些奇怪的竖线，那是CSDN的Latex除了问题，大家自行过滤。 在经典的模式识别中，一般是事先提取特征。提取诸多特征后，要对这些特征进行相关性分析，找到最能代表字符的特征，去掉对分类无关和自相关的特征。然而，这些特征
Deep Learning学习 之 卷积神经网络（CNN）
概述 起源 卷积网络最初是受视觉神经机制的启发而设计的，是为识别二维形状而设计的一个多层感知器，这种网络结构对平移、比例缩放、倾斜或者共他 形式的变形具有高度不变性。 1962年Hubel和Wiesel通过对猫视觉皮层细胞的研究，提出了感受野(receptive field)的概念，1984年日本学者Fukushima 基于感受野概念提出的神经认知机(neocognitron)模型，它可以看
Deep-Live-Cam启动
实验环境 实验时间：2024年8月windows 10 专业版能跟老外对喷的网络环境基于 Anaconda 创建 Python 3.10.x 环境 其它依赖 下载生成工具：https://visualstudio.microsoft.com/zh-hans/visual-cpp-build-tools/安装单个组件：共三个。 安装ffmpeg。管理员身份打开Windows Powe
Deep learning 译文 -- 第二部分
第二部分 深度神经网络：现代实践 这一部分主要总结深度学习解决实际应用项目的最新成果。 深度学习有一个长久的历史并承担了人们的期望。已经提出了很多方法并得到成功应用，这其中包括一些超乎寻常的目标。本书最后列举了一些正在发展中深度学习方法。 这一部分主要聚焦在那些已经在工业界完全得到很好应用的方法。 现代深度学习提供了一个非常有效的监督学习框架，
Deep Learning 译文 - 目录
Deep Learning Ian Goodfellow Yoshua Bengio Aaron Courville [源著者] 目录 网站 感谢 符号声明 1 介绍 1.1 谁应该使用本书 1.2 深度学习发展历程 I 实用的数学和机器学习基本知识
Deep Sort目标跟踪论文梗概SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC
DeepSort是跟踪算法中非常好用的一个，速度快，准度高。 本文为CVPR2017的跟踪算法。 论文：https://arxiv.org/pdf/1703.07402.pdf 代码：https://github.com/nwojke/deep_sort 摘要 简单在线和实时跟踪Simple Online and Realtime Tracking (SORT)是一种注重简单、高效的多目标跟踪
两张人像对比是否是同一人- deep-person-reid
基于的项目：https://github.com/KaiyangZhou/deep-person-reid 安装 git clone https://github.com/KaiyangZhou/deep-person-reid.gitcd deep-person-reid/pip install -r requirements.txtpython setup.py develop 权重下
论文笔记 A Large Contextual Dataset for Classification,Detection and Counting of Cars with Deep Learning
ECCV 2016的文章，首先建立了一个从上到下照的车辆影像数据集（即鸟瞰视角），并提出ResCeption神经网络进行训练，进一步建立residual learning with Inception-style layers，进行车辆数目的计算。该方法为车辆数目的计算的一种新方式：通过定位和密度估计方法。对于新的场景或新的目标计数也同样适用。 文章主要关注3个任务点：（1）两类的分类问题（2）