- 博客(22)
- 收藏
- 关注
RSS订阅原创 leetcode part2 --two sum with hashmap
1、hashmap是一个散列桶（数组和链表），它存储的内容是键值对(key-value)映射。2、put(key,value)存储数据。先对键通过hashcode()找到要存储的桶bucket，如果无碰撞，直接放入桶中，有碰撞的话，则以链表的方式链接在后边。如果链表长度超过阀值( TREEIFY THRESHOLD==8)，就把链表转成红黑树，链表长度低于6，就把红黑树转回链表3、get(ke...
2019-06-20 11:57:21
244
原创 Prototypical Networks for Few-shot Learning
Prototypical Networks for Few-shot Learning论文简述论文重点想法算法算法细节想法论文简述本文提出了原型网络，原型网络从数据中学习某种非线性的embedding，使得最终生成的度量空间中，每个类的点都聚集在单一的原型表示周围。对于询问点，只需要计算出在度量空间中距离最短的原型，并分类即可。论文重点想法idea : there exists an...
2019-06-05 11:29:08
1283
1
原创 leetcode part1--十六进制的转换
题目： Given an integer, write an algorithm to convert it to hexadecimal. For negative integer, two’s complement method is used.Note:All letters in hexadecimal (a-f) must be in lowercase.The hexadeci...
2019-05-22 19:14:24
462
原创 Low-Shot Learning from Imaginary Data论文简要解读
Low-Shot Learning from Imaginary Data论文摘要论文要点end-to-end训练Learned HallucinationImplementation details最终效果疑问点论文摘要本文主要提出了通过生成模型生成虚拟数据来扩充样本的多样性，并结合当前比较先进的元学习方法，通过end-to-end 训练两生成模型和分类算法，从而实现更好的low-shot ...
2019-05-22 12:06:13
2531
原创 小样本学习知识点汇总
小样本学习年度进展|VALSE2018：https://blog.youkuaiyun.com/XWUkefr2tnh4/article/details/80729940当前大数据监督训练的问题：知识无法积累，需要大量的数据集解决当前问题的方法：transfer learning，zero-shot learning，one-shot learning。one-shot learning当前常用的方法...
2019-05-14 16:38:36
2151
原创 2019“智见AI” Spring Camp 知识点简要汇总-卷积网络模型设计方向
卷积网络模型设计方向代季峰《卷积神经网络中的几何形变建模》由于构造卷积神经网络 (CNN) 所用的模块中几何结构是固定的，其几何变换建模的能力本质上是有限的。之前的网络保持空间不变性都是通过仿射变换等形式，但仿射变换仍然具有局限性和固定性，不能很好的泛化到各种形变中Spatial Transformaer Network(STN)网络通过引入localisation net网络来...
2019-05-13 12:09:02
428
原创 2019“智见AI” Spring Camp知识点简要汇总-目标检测方向
旷视科技目标检测概述：Beyond RetinaNet and Mask R-CNN：https://www.megvii.com/newscenter/e2da1146-7209-44b1-aac5-1f4aab6d091a目标检测本质上同时在做定位和分类两个任务。目标检测的目的在于又快又准，快在于实时性，准体现在定位准和分类准。当前主要的检测的细节仍需完善，如小物体检测、物体堆识别等。...
2019-05-08 18:35:32
463
原创 explaining and harnessing adversarial examples(FGSM)
explaining and harnessing adversarial examples（FGSM）论文简述论文重点先前工作对抗样本的线性解释非线性模型的线性扰动论文简述本文依旧是Ian J. Goodfellow大神的系列，提出神经网络对对抗样本的脆弱性的根本原因是其线性特征，这也解释了对抗样本在结构和训练集上的泛化性，并在此基础上提出了FSGM算法用来生成对抗样本。论文重点先前工作...
2019-04-22 21:55:29
1536
3
原创 Box-constrained L-BFGS 相关知识拓展
Box-constrained L-BFGS 相关知识拓展box-constrained optimization problemhard problemL-BFGS矩阵相关autoencoder变分自动编码器(Variational Autoencoder)lipschitz常数，lipschitz条件Jacobian矩阵，Hessian矩阵Parseval’s formulabox-cons...
2019-04-16 17:03:21
4339
原创 PROGRESSIVE GROWING OF GANS FOR IMPROVED QUALITY, STABILITY, AND VARIATION（PGGAN）
PROGRESSIVE GROWING OF GANS FOR IMPROVED QUALITY, STABILITY, AND VARIATION（PGGAN）论文简述论文要点论文背景渐进式生成fade in形式增加多样性-MSD归一化-pixel norm代码及测试结果思考论文简述PGGAN是英伟达在2018年发表在ICLR上的文章，主要贡献是采用了渐进式生成的方式训练GAN，实现从低分辨...
2019-04-10 15:46:54
2669
4
原创 Intriguing properties of neural network（Box-constrained L-BFGS）
Intriguing properties of neural network（Box-constrained L-BFGS）论文简述semantic meaning of individual units先前工作作者观点验证方法思考思考论文简述本篇论文首先提出了对抗样本（Adversarial example）的概念，找出神经网络的盲点，为之后对抗攻击系列奠定下基础。本文提出了两个神经网络的...
2019-03-11 18:13:04
1624
1
原创 对抗攻击survey
对抗攻击（adversarial attacks）汇总对抗攻击概念参考论文：Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey对抗攻击概念当前的深度网络极易受到对抗攻击的影响，这种攻击的形式是使人类视觉系统（几乎）无法察觉的图像的小干扰，然而却会让神经网络分类器完全改变它对图像的预测。更糟糕的...
2019-03-06 16:49:38
1535
原创 GoogLeNet论文总结思考
Going Deeper with Convolutions（GoogLeNet）论文简述论文要点当前问题解决方法小吐槽论文简述论文要点当前问题最为直观的提升CNN网络性能的方式，便是增加它的尺寸，包括深度（网络层数）和宽度（每层的单元数），然而大尺寸网络意味着：大量的参数，使网络更容易过拟合（dropout在一定程度上解决这个问题）激增的计算资源使用量，如果增加的资源消耗没有有效利...
2019-02-24 16:44:06
485
原创 VGGNet论文总结思考
Very Deep Convolutional Networks for Large-scale Image Recognition（VGG-Net）论文简述论文要点网络结构训练过程测试过程评估结论思考论文简述本文探究了在大规模图像识别任务中，卷积网络深度对模型准确度的影响。使用带有非常小（3×3）卷积滤波器的体系结构对深度增加的网络进行全面评估。论文要点网络结构通用布局通用布局...
2019-02-22 09:56:20
659
原创 稀疏表示和字典学习的简单理解
稀疏表示和字典学习的简单理解特征分类稀疏表示字典学习特征分类相关特征：对当前有用的属性冗余特征：所包含的信息有时能从其他特征中推演出来。如若某个冗余特征恰好对应了学习任务所需“中间概念”，有时可以降低学习任务的难度。稀疏表示稀疏性：数据集D对应的矩阵中存在很多零元素，且并不是以整列、整行的形式存在。稀疏表示：用较少的基本信号的线性组合来表达大部分或者全部的原始信号。寻找一个系数矩...
2019-02-20 16:28:51
13327
1
原创 Deconvnet论文总结思考
Adaptive Deconvolutional Networks for Mid and High Level Feature Learning（deconvnet）论文简述论文要点提出问题解决方案模型优势网络结构反卷积池化损失函数思考论文简述本文主要讲述作者通过卷积稀疏编码层和最大池化层交替的层次模型，确保每层都能重构输入，实现了对各种特征结构（如低级边缘、中级边缘连接以及目标的部分高级信...
2019-02-19 17:44:48
743
原创 ZFNet论文总结思考
Visualizing and Understanding Convolutional Networks（ZFNet）-未完成论文简述论文要点反卷积可视化反池化校正过滤泛化能力论文简述本文主要通过反卷积（DeConvNet）实现对卷积网络的可视化，理解网络中特征层的函数以及分类器操作，从而实现对网络的优化；本文实现了对AlexNet网络的可视化，并对其进行优化，使分类结果提升。此外，还通过遮挡...
2019-02-18 11:59:39
983
原创 AlexNet论文总结思考
ImageNet Classification with Deep Convolutional Networks（AlexNet）论文简述论文要点CNN的优势ReLU-非饱和神经元（non-saturating）局部响应归一化（Local Response Normalization,LRN）重叠池化（Overlapping Pooling）数据扩充Dropout其他细节网络构架论文简述本文算...
2019-01-15 15:31:02
624
原创 自身深度学习论文汇总
深度学习论文汇总论文汇总经典必读最新进展论文汇总将自己学习的论文进行汇总和分析，从而更清楚地把握整体论文脉络（持更）经典必读原博客链接： link.ImageNet Classification with Deep Convolutional Networks（AlexNet）–起源Visualizing and Understanding Convolutional Neural ...
2019-01-13 12:13:13
530
原创 初次使用python(2)之如何下载ipdb模块
上次提到了ipdb这个python中用于进行调试的模块，但在python中是额外的package。所以，这篇文章写得是如何下载ipdb模块。 在Windows环境中，需要用pip来下载所有模块。 1.安装pip 我们仍需要在python官网上找到pip文件，下载地址是：点击打开链接 点击黄色部分进行下载，然后把压缩包解压，我解压到了py
2016-08-27 09:16:22
4084
原创 初次使用python之在notepad++中直接运行python代码
第一次使用python，之前都是学习的C++。不过，根据之前学习python基础知识的经验，感觉python用起来会很方便。 先下载了python软件，感觉python下起来很简单，没有那么多复杂的选项，很快就下载好了。另外，建议再下载一个与之相关的Notepad++，会很方便。如果gitHub中下载的python文件或者其他文件，可以先在notepad++中...
2016-08-20 14:23:03
58849
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人