上一页 1 2 3 4 5 6 ··· 8 下一页

2021年8月19日

摘要: 关于road的类别,作者给出了说明如下: Part of ground on which cars usually drive, i.e. all lanes, all directions, all streets. Including the markings on the road. Area 阅读全文
posted @ 2021-08-19 12:01 YongjieShi 阅读(116) 评论(0) 推荐(0) 编辑

2021年8月18日

摘要: 问题背景是这样的,我们组服务器使用nvidia-smi命令的时候,显卡的显示停留在历史界面,即使重启,并没有跑任何程序,也是显示如下界面 所以立马想到的办法就是重新安装驱动,但是安装的老方法都是去官网下载run文件,然后本地bash安装,其实还挺麻烦,记得之前就曾经在terminal安装过384的驱 阅读全文
posted @ 2021-08-18 11:31 YongjieShi 阅读(1029) 评论(0) 推荐(0) 编辑

2021年8月9日

摘要: 情况是这样的,我用overleaf进行latex编译,以前我都是将tex文件放到根目录,然后同级目录下创建文件夹,上传一些pdf啥的,这样可以直接指定相对路径 但是我这个工程是直接上传的,如下图所示 overleaf如果是上传工程的话,tex默认是在一个文件夹之中,并不是在根目录下,所以这个时候指定 阅读全文
posted @ 2021-08-09 18:51 YongjieShi 阅读(857) 评论(0) 推荐(0) 编辑

2021年8月8日

摘要: 事情是这样的:因为要做分割图的缩放,但是segmentation map中的label的id的数值没有数值意义,就是表示第几类,所以对于label缩放的时候都是要用最近邻插值的,这样才有意义,否则插出来一个不知道的类别也没啥用。比如advent中的数据读取链接就是用PIL,然后对于Image对象进行 阅读全文
posted @ 2021-08-08 15:59 YongjieShi 阅读(148) 评论(0) 推荐(0) 编辑

2021年7月29日

摘要: 之所以说惨痛是有原因的。这个错误有人严重怀疑是显卡和pytorch二者之一有一个是有问题的,也曾经想一度放弃,最后还是分享我的解决方法是啥,不确定对大家都适用。 一开始遇到这个错误,报的是我写的一个模块内的: File "/gpfs/share/home/1601111331/uda_for_con 阅读全文
posted @ 2021-07-29 20:05 YongjieShi 阅读(7713) 评论(2) 推荐(0) 编辑

2021年7月6日

摘要: 使用labelme对图像进行语义分割标注 写在前面 这个文档旨在教大家如何使用labelme软件进行语义分割标签的标注。 语义标注 cityscapes里面有效的标注是19类,还有很多虽然标注了,但是是无效的类别。 序号 名称 category 说明(CS的官方说明翻译而来) 0 road(道路) 阅读全文
posted @ 2021-07-06 15:20 YongjieShi 阅读(683) 评论(0) 推荐(0) 编辑

2021年6月2日

摘要: SPADE阅读笔记 同样的,作者提出一个simplt but effective layer,给定一张分割的图,作者能够合成photorealistic images.作者说,normalization layer能够wash way semantic information.为了解决这个问题,作者 阅读全文
posted @ 2021-06-02 14:35 YongjieShi 阅读(272) 评论(0) 推荐(0) 编辑
摘要: CYCADA: cycle-consistent adversaial domain adaption阅读笔记 之前方法是在feature space进行domain adaption,来发现domain invariant representations, 但是这种方法很难可视化,而且某些时候不能 阅读全文
posted @ 2021-06-02 14:32 YongjieShi 阅读(319) 评论(0) 推荐(0) 编辑
摘要: Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization论文阅读笔记 这篇文章是基于gatys et al这篇做的,gatys et al他们通过在一张content image上引入另外一张图片的style 阅读全文
posted @ 2021-06-02 14:28 YongjieShi 阅读(201) 评论(0) 推荐(0) 编辑
摘要: Learning from synthetic data: addressing domain shift for semantic segmation阅读笔记 作者说之前的方法使用一种简单的对抗或者superpixel information的方式来解决domain shift。作者说ta提出了一 阅读全文
posted @ 2021-06-02 14:24 YongjieShi 阅读(192) 评论(0) 推荐(0) 编辑
摘要: 是这样的,我自己写了一个block,这个block的内容如下 # 为了更加集成,给定两个角度,生成compact的倾斜图片 class Compact_Homo(nn.Module): def __init__(self, device): super(Compact_Homo, self).__i 阅读全文
posted @ 2021-06-02 11:25 YongjieShi 阅读(244) 评论(0) 推荐(0) 编辑

2021年5月26日

摘要: NSGA-NET中的micro内部细节搜索 micro做了啥 这篇文章的micro采用的是nasnet的搜索目标以及编码方式,只不过nasnet采用的是强化学习(如下图所示),作者这里将其更改为ea相关的算法来进行优化。搜索的目标主要是一个normal cell和一个reduction cell,构 阅读全文
posted @ 2021-05-26 14:12 YongjieShi 阅读(224) 评论(2) 推荐(1) 编辑
摘要: fbnetv3中的predictor 作者想做的是网络超参和网络结构的联合搜索,并且定义了如下的网络结构的候选值以及超参的候选值 给定搜索空间$\Omega$,以及计算资源$C$,超参和网络搜索的目标如下: 并且作者在正文中说到: The search space \(\Omega\) is typ 阅读全文
posted @ 2021-05-26 14:11 YongjieShi 阅读(125) 评论(0) 推荐(0) 编辑
摘要: EVALUATING THE SEARCH PHASE OF NEURAL ARCHITECTURE SEARCH predictor的输入的形式 predictor的结构 predictor输出的结果和实际的表现对比 作者说之前评价NAS是否好都是在下游任务上进行对比,但是效率比较低。这篇文章作者 阅读全文
posted @ 2021-05-26 14:10 YongjieShi 阅读(70) 评论(0) 推荐(0) 编辑
摘要: 我们想要的结果 predictor的输入的形式 predictor的结构 predictor输出的结果和实际的表现对比 Efficient Sample-based Neural Architecture Search with Learnable Predictor 这篇文章做了啥 作者说之前的方 阅读全文
posted @ 2021-05-26 14:09 YongjieShi 阅读(127) 评论(0) 推荐(0) 编辑
摘要: ACCELERATING NEURAL ARCHITECTURE SEARCH USING PERFORMANCE PREDICTION 17年的paper,作者说一个标准的常见的回归模型,使用基于网络结构的特征,就可以预测非充分训练的模型的最终表现。作者说他们的模型可以比主流的BO,更加高效,更加 阅读全文
posted @ 2021-05-26 14:08 YongjieShi 阅读(90) 评论(0) 推荐(0) 编辑
摘要: 再读autoaug 算法总览 使用RNN做controller,并且每次采样得到一个policy \(S\),其中$S$包括使用哪种operation(数据增强操作),幅度是多少,以及应用的概率 用validation上的精度$R$作为reward 作者的搜索空间定为 policy 由5种sub-p 阅读全文
posted @ 2021-05-26 14:07 YongjieShi 阅读(182) 评论(0) 推荐(0) 编辑
摘要: Fast AutoAugment 作者说他提出一种基于稠密匹配的快速的AA方法。这种方法不需要子模型(child model)的重新训练。这种方法通过最大化匹配augmentated split和另外一个unaugmented split的分布来搜索增强的策略。 在这篇文章中,作者提出的方法学习一种 阅读全文
posted @ 2021-05-26 14:06 YongjieShi 阅读(490) 评论(0) 推荐(0) 编辑
摘要: object as point阅读笔记 这篇文章做了啥 作者的主要动机是,绝大多数的object detectors都几近枚举大量的潜在的物体locations并且对他们进行分类。这种方式是非常浪费的,不足够的,以及需要额外的后处理。在这篇文章中,我们采用了一种不一样的方法。作者将物体建模为一个点, 阅读全文
posted @ 2021-05-26 14:05 YongjieShi 阅读(123) 评论(0) 推荐(0) 编辑
摘要: REDUCING THE SEARCH SPACE FOR HYPERPARAMETER OPTIMIZATION USING GROUP SPARSITY 这篇文章做了啥 作者提出了一个新的方法,这个新的方法可以用在机器学习中的超参选择上面。实际上作者是对于harmonica算法的修改,harmo 阅读全文
posted @ 2021-05-26 14:04 YongjieShi 阅读(73) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 ··· 8 下一页

导航