11 2020 档案

【论文笔记】：2020-CVPR-Moving in the Right Direction A Regularization for Deep Metric Learning
摘要：问题： 度量学习中的优化问题，移动方向。研究现状： 从本质上讲，学习度量空间可以简化为找到一个嵌入空间，从而使同一类别/类别的样本（正样本）相互映射到彼此接近的点，同时确保根据定义的距离度量的某些概念最大程度地分离不同类别的样本（负样本）为空间。 从本质上讲，以往的所有方法都是设计一种好的采样策略或者优化损失函数。然而，优化方向还没有人考虑过。仅将负样本沿所考虑的当前样本（锚）最远的方向推动... 阅读全文
posted @ 2020-11-30 19:30 no_forget 阅读(318) 评论(0) 推荐(0)
【论文笔记】：2020-CVPR-Shoestring Graph-Based Semi-Supervised Classification With Severely Limited Labeled Data
摘要：1.主要问题 基于图的半监督分类，图嵌入+度量学习 2.研究现状 在半监督学习（SSL）中，少量标记的样本与相对大量的未标记样本一起用于分类。在现有的半监督学习模型中，基于图的方法（例如图卷积网络和标签传播）已被证明是半监督分类的最有效方法之一，因为它们能够利用标记和未标记样本之间的连通性模式改善分 阅读全文
posted @ 2020-11-30 19:28 no_forget 阅读(390) 评论(0) 推荐(0)
【论文笔记】：2020-TMM-Deep Manifold-to-Manifold Transforming Network for Skeleton-Based Action Recognition
摘要：问题： 基于骨架的动作识别，深度流形-流形网络。 研究现状总结： 为了处理基于奇异值分解矩阵表示的动作识别，需要对黎曼流形进行特征学习和降维，以降低奇异值分解运算中的计算成本，同时提高识别性能。然而，标准的特征学习或欧氏空间中的降维操作，例如卷积、递归单元和激活函数，不能直接使用，因为它们可能破坏黎 阅读全文
posted @ 2020-11-30 19:24 no_forget 阅读(611) 评论(0) 推荐(0)
【论文翻译】：2020-CVPR-PREDICT & CLUSTER: Unsupervised Skeleton Based Action Recognition
摘要：论文链接：PREDICT & CLUSTER: Unsupervised Skeleton Based Action Recognition (thecvf.com) 代码链接：shlizee/Predict-Cluster: Repository for PREDICT & CLUSTER: Un 阅读全文
posted @ 2020-11-30 19:21 no_forget 阅读(864) 评论(0) 推荐(0)
【阅读笔记】：2020-TMM-A Cuboid CNN Model With an Attention Mechanism for skeleton-based action recognition
摘要：问题： 基于骨架的动作识别，CNN提特征。 研究现状总结： 虽然基于手工特征的动作识别方法的性能通常非常好，但是这些方法具有固有的局限性，尤其是特征很浅。深度学习提供了一种获得高容量表示的方法。例如，递归神经网络(RNN) 和长短期记忆(LSTM)适用于通过有效提取时间信息和在不同关节处找到关键信息 阅读全文
posted @ 2020-11-30 19:03 no_forget 阅读(241) 评论(0) 推荐(0)
【论文笔记】2020_ECCV_A Simple and Effective Framework for Pairwise Deep Metric Learning
摘要：问题： 深度度量学习，损失函数设计。 研究现状总结： 深度度量学习中的一个关键问题是损失函数设计。已经提出了多种损失函数，例如contrastive loss , binomial deviance loss , margin loss , lifted-structure (LS) loss , 阅读全文
posted @ 2020-11-16 17:13 no_forget 阅读(199) 评论(0) 推荐(0)
【论文笔记】2020-CVPR-Moving in the Right Direction A Regularization for Deep Metric Learning
摘要：问题：度量学习中的优化问题，移动方向。研究现状：从本质上讲，学习度量空间可以简化为找到一个嵌入空间，从而使同一类别/类别的样本（正样本）相互映射到彼此接近的点，同时确保根据定义的距离度量的某些概念最大程度地分离不同类别的样本（负样本）为空间。从本质上讲，以往的所有方法都是设计一种好的采样策略或者优化 阅读全文
posted @ 2020-11-16 17:07 no_forget 阅读(204) 评论(0) 推荐(0)
【论文笔记】2020_ECCV_The Group Loss for Deep Metric Learning
摘要：主要问题: 深度度量学习的损失函数。 研究现状总结 从历史上看，性能最佳的方法从所谓的Siamese网络中获得深层特征嵌入，通常使用对比损失(contrastive loss)或三重损失(triplet loss)对其进行训练。这些损失的明显缺点是，它们仅考虑成对的数据点或三重数据点，缺少有关min 阅读全文
posted @ 2020-11-16 16:59 no_forget 阅读(740) 评论(0) 推荐(0)
【论文笔记】Deep Metric Learning for Visual Understanding An overview of recent advances 度量学习综述
摘要： 阅读全文
posted @ 2020-11-16 16:46 no_forget 阅读(299) 评论(0) 推荐(0)
Pytorch学习：实现ResNet34网络
摘要：深度残差网络ResNet34的总体结构如图所示。 该网络除了最开始卷积池化和最后的池化全连接之外，网络中有很多相似的单元，这些重复单元的共同点就是有个跨层直连的shortcut。 ResNet中将一个跨层直连的单元称为Residual block。 Residual block的结构如下图所示，左边 阅读全文
posted @ 2020-11-11 15:22 no_forget 阅读(15291) 评论(0) 推荐(0)
Pytorch学习：线性回归
摘要：本次学习实现线性回归。 采用两种方法实现，第一种为手动方法，第二种为pytorch的autograd方法。 一、手动实现线性回归 导入对应包 import torch as t %matplotlib inline from matplotlib import pyplot as plt from 阅读全文
posted @ 2020-11-09 11:47 no_forget 阅读(256) 评论(0) 推荐(0)
Pytorch学习：CIFAR-10分类
摘要：最近在学习Pytorch，先照着别人的代码过一遍，加油!!! 加载数据集 # 加载数据集及预处理 import torchvision as tv import torchvision.transforms as transforms from torchvision.transforms impo 阅读全文
posted @ 2020-11-08 11:56 no_forget 阅读(1628) 评论(0) 推荐(0)