rosyYY - 博客园

Learning to Rank Short Text Pairs with Convolutional Deep Neural Networks（paper）

摘要：本文重点：和一般形式的文本处理方式一样，并没有特别大的差异，文章的重点在于提出了一个相似度矩阵计算过程介绍： query和document中的首先通过word embedding处理后获得对应的表示矩阵利用CNN网络进行处理获得各自的feature map，接着pooling后获得query对阅读全文

posted @ 2018-11-02 14:17 rosyYY 阅读(311) 评论(0) 推荐(0)

lesson9-小象学院cv

摘要： www.sohu.com/a/159976204_717210 生成模型：基于联合概率~共生关系判别模型：基于条件概率~因果关系生成模型之学习数据分布：1)概率密度函数估计 2)数据样本生成模型目标：训练模型，生成样本模型，学习过程是让两者接近解决问题：数据缺失-因为可以用生成模型自己生成数据阅读全文

posted @ 2018-04-29 11:08 rosyYY 阅读(245) 评论(0) 推荐(0)

tips

摘要： tensorflow tutorial https://github.com/yongyehuang/Tensorflow-Tutorial 阅读全文

posted @ 2018-04-21 07:14 rosyYY 阅读(136) 评论(0) 推荐(0)

C5-fasterrcnn-小象cv-code

摘要： 1、# Path to Shapes trained weightsSHAPES_MODEL_PATH = os.path.join(ROOT_DIR, "mask_rcnn_shapes.h5") https://blog.csdn.net/u011574296/article/details/7 阅读全文

posted @ 2018-04-20 07:21 rosyYY 阅读(409) 评论(0) 推荐(0)

C4-ResNet-TF-小象cv-code

摘要： https://blog.csdn.net/chaipp0607/article/details/75577305 https://blog.csdn.net/leastsq/article/details/54374909 tf.logging.set_verbosity(tf.logging.I 阅读全文

posted @ 2018-04-18 16:56 rosyYY 阅读(317) 评论(0) 推荐(0)

lesson8-图像问答-小象cv

摘要： QA即图像问答：覆盖最全面的AI,ai完备性动态模型：不同任务需要不同模型 or 不同细分任务需要不同模型参数数据集： 1）VQA，显示图片+抽象场景；每个问题给10个不同答案；含有无图片答案（考察图片和问题的客观性）为了降低语言偏置、不均衡（language priors）-》一个问题对应2 阅读全文

posted @ 2018-04-18 11:59 rosyYY 阅读(176) 评论(0) 推荐(0)

lesson7-图像描述 -小象cv

摘要： 2018-04-25朴素rcnn - 梯度消失严重LSTM长短时记忆模型，有效捕捉长时记忆包含四个神经元组：一个记忆神经元三个控制门神经元：输入、忘记、输出注意：输入调制门、输出调制门 3个输入：前一时刻的隐藏状态h、前一时刻的记忆状态c、当前时刻的输入x2个输出：当前时刻的隐含状态h，当前时刻的阅读全文

posted @ 2018-04-17 14:37 rosyYY 阅读(410) 评论(0) 推荐(0)

lesson6-图像分割-小象c

摘要：显著性检测：1）显著性物体检测-最能引起视觉注意的物体区域2)注视点预测：人类视觉注意机制视觉注意机制的两种机制：1)自底而上基于数据驱动的注意机制，如颜色、边缘 2）自上而下基于任务驱动的目标的注意机制，如认知因素钟的只是、预期、兴趣物体分割：Gragh Cuts分割~最小割最大流算法优化Gr 阅读全文

posted @ 2018-04-16 18:28 rosyYY 阅读(494) 评论(0) 推荐(0)

lesson2-cnn-fastai

摘要： %mkdir的做法glob('.jpg')np.random.permutation(图片)np.random.rename(，）#save_array：utils中，连接每个btch得到的数组#keras.predict_generatorbatches,preds = vgg.test(,)fi 阅读全文

posted @ 2018-04-14 16:43 rosyYY 阅读(159) 评论(0) 推荐(0)

lesson5-图像检测-小象cv

摘要： R-CNN: 2014，cnn为Alexnet 训练流程: 1)在imagenet上对cnn模型pre-train 2）使用所有ss生成区域对1）进行fine-tune ~softmax改为21维度 ground-truth：标记的真正的框~lou，阈值0.5~32个正样本，96个负样本 3)在2）阅读全文

posted @ 2018-04-14 10:58 rosyYY 阅读(294) 评论(0) 推荐(0)

导航

2018年11月2日

2018年4月29日

2018年4月21日

2018年4月20日

2018年4月18日

2018年4月17日

2018年4月16日

2018年4月14日