随笔分类 -  统计/机器/深度学习

1 2 下一页
一些卷积概念和图解
摘要：一些卷积概念和图解。 阅读全文
posted @ 2020-05-08 20:47 RyanXing 阅读(2132) 评论(0) 推荐(0)
Paper | ROUTING NETWORKS: ADAPTIVE SELECTION OF NON-LINEAR FUNCTIONS FOR MULTI-TASK LEARNING
摘要：让网络自主决定共享或独立的结构。 阅读全文
posted @ 2020-02-18 00:32 RyanXing 阅读(711) 评论(0) 推荐(0)
Paper | PyTorch: An Imperative Style, High-Performance Deep Learning Library
摘要：PyTorch官方论文。 阅读全文
posted @ 2019-12-05 20:35 RyanXing 阅读(1959) 评论(0) 推荐(0)
Paper | Adaptive Computation Time for Recurrent Neural Networks
摘要：让RNN的每一个时间步具有不同的运算量。 阅读全文
posted @ 2019-12-03 14:52 RyanXing 阅读(1225) 评论(0) 推荐(0)
Paper | Deep Mutual Learning
摘要：让一群小模型共同优化，达到比单独学习和蒸馏学习更好的效果。这是一种优化策略上的健壮性提升，类似于dropout在网络结构上的健壮性提升。 阅读全文
posted @ 2019-12-03 11:56 RyanXing 阅读(906) 评论(0) 推荐(0)
Paper | Non-local Neural Networks
摘要：实现non-local的神经网络。与self-attention异曲同工。 阅读全文
posted @ 2019-12-02 17:26 RyanXing 阅读(839) 评论(0) 推荐(0)
Paper | Residual Attention Network for Image Classification
摘要：堆叠残差注意力模块。 阅读全文
posted @ 2019-12-01 19:28 RyanXing 阅读(698) 评论(0) 推荐(0)
Paper | Highway Networks
摘要：像LSTM一样，给深度网络加跳过门。 阅读全文
posted @ 2019-11-26 15:57 RyanXing 阅读(330) 评论(0) 推荐(0)
Paper | SkipNet: Learning Dynamic Routing in Convolutional Networks
摘要：自主跳过ResNet的某一些block。 阅读全文
posted @ 2019-11-25 22:56 RyanXing 阅读(1460) 评论(0) 推荐(0)
Paper | MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
摘要：MobileNet：调节通道数和通道尺寸，大量集成深度可分离卷积。 阅读全文
posted @ 2019-10-24 14:36 RyanXing 阅读(455) 评论(0) 推荐(0)
Paper | Deep Residual Learning for Image Recognition
摘要：ResNet：学习残差，让深度网络逼近恒等变换。 阅读全文
posted @ 2019-10-23 19:16 RyanXing 阅读(459) 评论(0) 推荐(0)
Paper | Squeeze-and-Excitation Networks
摘要：通道注意力建模。轻量级，效果明显。2017年ILSVRC分类冠军。 阅读全文
posted @ 2019-10-23 15:42 RyanXing 阅读(428) 评论(0) 推荐(0)
Paper | Xception: Deep Learning with Depthwise Separable Convolutions
摘要：Xception结构：进一步解耦通道互相关和空域互相关操作。 阅读全文
posted @ 2019-10-23 11:17 RyanXing 阅读(796) 评论(0) 推荐(0)
Paper | Feedback Networks
摘要：深度学习：反馈学习比单纯的前向学习更好，符合coarse-to-fine分类原理。 阅读全文
posted @ 2019-10-12 22:52 RyanXing 阅读(1107) 评论(0) 推荐(0)
Paper | Residual Dense Network for Image Super-Resolution
摘要：深度学习网络（RDN）：在block内和全局采用短连接和稠密连接的网络结构：Residual dense block & network。 阅读全文
posted @ 2019-10-02 14:37 RyanXing 阅读(1469) 评论(0) 推荐(0)
Paper | U-Net: Convolutional Networks for Biomedical Image Segmentation
摘要：医学图像分割（UNet）：引用量超过8k的、用于医学图像分割的网络结构。UNet短小精悍，靠的是稠密拼接、降采样升采样结构以放大感受野面积。 阅读全文
posted @ 2019-09-29 17:04 RyanXing 阅读(1947) 评论(0) 推荐(0)
Paper | Densely Connected Convolutional Networks
摘要：图像分类（DenseNet）：稠密连接（增大冗余，提高泛化能力），同时减小特征图数量（减小冗余）。 阅读全文
posted @ 2019-09-29 11:44 RyanXing 阅读(836) 评论(0) 推荐(0)
Paper | Multi-scale Dense Networks for Resource Efficient Image Classification
摘要：图像分类（MSDNet）：对简单样本采取early-exit机制，可降低计算负担。 阅读全文
posted @ 2019-09-23 21:44 RyanXing 阅读(959) 评论(0) 推荐(0)
Paper | Noise2Noise: Learning Image Restoration without Clean Data
摘要：直接学习有噪图像之间的映射，无需干净或无损图像。因为有噪图像和无噪图像的期望在一定条件下相同。 阅读全文
posted @ 2019-09-23 09:18 RyanXing 阅读(2042) 评论(0) 推荐(0)
《PyTorch Tutorials》
摘要：PyTorch官方教程学习笔记。 阅读全文
posted @ 2019-05-05 17:15 RyanXing 阅读(1101) 评论(0) 推荐(0)

1 2 下一页