Picassooo

摘要： 数据降维与可视化——t-SNE sklearn的TSNE函数中，有个perplexity参数，这个参数我试过从10到600，发现参数越大，数据会被聚集的越紧，甚至会把几簇聚为一簇，同时x和y的坐标范围也会越小。所以在可视化的时候，要多调试这个参数，找到合适的值。 阅读全文

摘要： 任务 action detection：先切割视频，然后聚类。 motivation 利用单个视频中，各个子动作之间存在时间顺序关系，比如在做咖啡的视频中，把咖啡倒进杯子里一般会发生在搅拌咖啡之前。 基本流程 这里只介绍基础版本。 给一个视频数据集，每个视频都包含多个子动作，但所有视频主题相同。从中 阅读全文

摘要： pytorch是动态图计算机制，也就是说，每次正向传播时，pytorch会搭建一个计算图，loss.backward()之后，这个计算图的缓存会被释放掉，下一次正向传播时，pytorch会重新搭建一个计算图，如此循环。 在默认情况下，PyTorch每一次搭建的计算图只允许一次反向传播，如果要进行两次 阅读全文

摘要： PyTorch trick 集锦 这篇文章介绍了一些PyTorch的一些技术与代码实现，包括：查看模型每层输出详情、梯度裁剪（Gradient Clipping）、学习率衰减、冻结某些层的参数、对不同层使用不同学习率、网络参数初始化、加载内置预训练模型...... 阅读全文

摘要： 数据降维可视化：t-SNE 阅读全文

摘要： 任务 action recognition 基本流程 把一个骨架视频中节点的各个坐标变成一幅图像，对图像用卷积和池化训练，如下图，图像的每一列表示一帧中各节点的坐标，不同列表示不同帧的信息。 创新点及为什么work 创新点： 把时序骨架节点坐标表示成图像，把时序动态特性转换为空间结构 提出用这些特殊 阅读全文

摘要： 深入理解ReLU(Rectifie Linear Units)激活函数 阅读全文

摘要： max-pooling可以部分保证平移不变性、旋转不变性、尺度不变性。 MaxPooling的作用 Max pooling一定程度上，位移、尺度、形变不变性 阅读全文

摘要： 论文链接 论文链接：https://arxiv.org/pdf/2002.05709.pdf 代码链接：https://github.com/google-research/simclr 基本思想 对同一张图像x进行不同的data augmentation，得到多个view，这些view要相互吸引； 阅读全文

摘要： PKU-MMD数据集简介 官网链接：https://www.icst.pku.edu.cn/struct/Projects/PKUMMD.html， github链接 The dataset is captured via the Kinect v2 sensors from multiple vi 阅读全文