摘要：
论文查找 网站 介绍 Google-scholar 论文搜索引擎 sci-hub 受版权问题影响下载的论文首先考虑sci-hub scopus Preview 学者、出版社检索 dblp 计算机顶会检索，包括不限于：CVPR、ICCV、ECCV arxiv 预印本平台 SCISPACE 使用chat 阅读全文
摘要：
t-SNE理论相关理论可参见t-SNE 算法。本文通过PyTorch提供的预训练Resnet50提取CIFAR-10表征，并使用t-SNE进行可视化。 加载预训练Resnet50 import torch from torchvision.models import resnet50, ResNet 阅读全文
摘要：
这篇文章作者写得非常详细，读起来非常舒适。 Contribution: 在long-tailed data中，re-sampling不一定有效。 re-sampling的失败可能是对于不相关的context过拟合导致的，作者设计了实验论证了这一假说。 在single-stage的框架下，作者提出了上 阅读全文
摘要：
初始工作 定义一个模拟的长尾数据集 import torch import numpy as np import random from torch.utils.data import Dataset, DataLoader np.random.seed(0) random.seed(0) torc 阅读全文
摘要：
这篇论文： 提出了prob-and-allocate训练策略，在prob阶段获得样本损失，在allocate阶段分配样本权重。 以[2]的meta-weight-net为Baseline，取名为CurveNet，进行部分改动。 另外，这篇论文提供的源码结构混乱，复现难度较大。主要的工作也是基于met 阅读全文
摘要：
文章提供的代码结构简洁，简单易懂，十分适合作为Baseline。省去冗长的数学证明，直接看文章的贡献： 受SVM的hinge loss启发，提出了新的Loss函数鼓励每个类在表征空间有更大的margin。 延迟re-weighting的trick。 在多个数据集，包括情感分类、图像分类进行实验。 M 阅读全文
摘要：
用自监督学习MoCO提取表征，然后分布校准（与tailed class 相似的head classes去校准tailed class的分布）。没有开源，没有创新。 Introduction 作者考虑了数据集常见的两个问题：1、部分数据被错误得标注；2、数据呈长尾分布。之前涌现了很多工作分别针对这两个 阅读全文
摘要：
背景 Mixup（混合） 定义 对于一个样本\((x_i,y_i)\)，将其与另一个样本\((x_j,y_j)\)混合： \[\begin{aligned} \tilde{x}_i &= \lambda x_i + (1-\lambda)x_j, \\ \tilde{y}_i &= \lambda 阅读全文
摘要：
1. 加载数据集 MNIST from torchvision import datasets, transforms transform = transforms.Compose([ transforms.ToTensor(), # value of pixel: [0, 255] -> [0, 阅读全文
摘要：
1. Sigmoid 数学表达式 \[f(x) = \frac{1}{1+e^{-x}} \]图像 2. Tanh 数学表达式 \[f(x) = \frac{e^x - e^{-x}}{e^x + e^{-x}} \]图像 3. ReLU 数学表达式 \[f(x) = \max(0, x) \]图像 阅读全文
摘要：
实现代码 import time import pydirectinput import keyboard if __name__ == '__main__': revolve = False while True: time.sleep(0.1) if keyboard.is_pressed(', 阅读全文
摘要：
前言 关于Transformer原理与论文的介绍：详细了解Transformer：Attention Is All You Need PyTorch中实现Transformer模型 前面介绍了，Transformer 模型结构的实现，这里介绍下论文中提到的训练策略与设置。 设置文件名为trainin 阅读全文
摘要：
报错 在复现 Transformer 代码的训练阶段时，发生报错： RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu! 解决方案 通过 阅读全文
摘要：
前言 关于Transformer原理与论文的介绍：详细了解Transformer：Attention Is All You Need 对于论文给出的模型架构，使用 PyTorch 分别实现各个部分。 命名transformer.py，引入的相关库函数： import copy import torc 阅读全文
摘要：
前言 使用opencv对图像进行操作，要求：（1）定位银行票据的四条边，然后旋正。（2）根据版面分析，分割出小写金额区域。 图像校正 首先是对图像的校正 读取图片 对图片二值化 进行边缘检测 对边缘的进行霍夫曼变换 将变换结果从极坐标空间投影到笛卡尔坐标得到倾斜角 根据倾斜角对主体校正 import 阅读全文
摘要：
论文“Bi-directional Distribution Alignment for Transductive Zero-Shot Learning”提出Bi-VAEGAN，它以f-VAEGAN-D2为Baseline，进一步发展了TF-VAEGAN通过利用所见数据和反馈模块增强生成的视觉特征思 阅读全文