flows专题

Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction

本博文是对郑宇老师团队所提出的STResNet网络的一个略微扩充说明。本人自己在看完这篇论文的时候,感觉就一个字‘懵’。你说不懂吧,好像又明白点,你说懂吧又感觉有好多细节还是不清楚。好在该论文开放了源代码。经过对源代码的一番剖析,总算是弄懂之前不明白的一些细节。不过该源码是基于Keras实现的,由于本人之前一直使用Tensorflow,所以又对其利用tf进行了重构,代码整体上看起也来更加简洁,

【跟着stackoverflow学Pandas】“Large data” work flows using pandas-pandas大数据处理流程

最近做一个系列博客,跟着stackoverflow学Pandas。 以 pandas作为关键词,在stackoverflow中进行搜索,随后安照 votes 数目进行排序: https://stackoverflow.com/questions/tagged/pandas?sort=votes&pageSize=15 原文在: https://stackoverflow.com/quest

The Back-And-Forth Method (BFM) for Wasserstein Gradient Flows windows安装

本文记录了BFM算法代码在windows上的安装过程。 算法原网站:https://wasserstein-gradient-flows.netlify.app/ github:https://github.com/wonjunee/wgfBFMcodes 文章目录 FFTWwgfBFMcodesMATLABpython注 FFTW 官网/下载路径:https://www.f

精读论文:Predicting Citywide Crowd Flows Using Deep Spatio-Temporal Residual Networks

Predicting Citywide Crowd Flows Using Deep Spatio-Temporal Residual Networks AAAI 2017 郑宇组的论文 文章首先介绍该问题的基本概念 ,接着描述系统的框架(本文跳过),然后介绍基于DNN的预测模型,最后进行实验验证模型结构与参数和与基线模型进行对比。 OUTLINE 人流量数据(crowd flows)

VisEvent: Reliable Object Tracking via Collaboration of Frame and Event Flows论文笔记

因为不是做跟踪的,大致读了下这篇文章,主要是看了是如何将事件相机和rgb相机数据做多模态融合的,为之后的工作找点灵感  项目地址:https://sites.google.com/view/viseventtrack/ 一.论文贡献 1:提出了一个包含820个可见事件视频的大规模神经形态跟踪数据集。这是第一个从真实世界收集的用于单目标跟踪的大规模可视事件基准数据集。 2.提出了一种简单而有

基于图像的虚拟试衣:Parser-Free Virtual Try-On via Distilling Appearance Flows(2021)

Paper Parser-Free Virtual Try-On via Distilling Appearance Flows 算法比较 WUTON和PF-AFN比较 WUTON 通过训练基于人体分析的老师网络来指导学生网络,让学生网络模拟基于人体分析的老师网络。学生网络输入中除外没有人体分析,老师网络和学生网络结构的输入输出完全相同。PF_AFN 学生网络和导师网络的输入输出完全不