Houchaoqun_XMU的博客

收集一些关于计算机视觉领域的资源。

Mnist参考网址：1）http://blog.youkuaiyun.com/u014046170/article/details/47445919#!/usr/bin/env python# -*- coding: utf-8 -*-from PIL import Imageimport structdef read_image(filename): f = open(filenam...

主动学习系列博文：【Active Learning - 00】主动学习重要资源总结、分享（提供源码的论文、一些AL相关的研究者）：https://blog.youkuaiyun.com/Houchaoqun_XMU/article/details/85245714【Active Learning - 01】深入学习“主动学习”：如何显著地减少标注代价：https://blog.youkuaiyun.com/Hou...

Install 假设你的PC已经装了python开发环境： ## 使用pip直接安装pip install tsfresh## 测试是否安装成功from tsfresh import extract_features 如果还没装python环境，建议安装Anaconda，可参考：https://blog.youkuaiyun.com/houchaoqun_xmu/article/d...

【2013-CVPR】Adaptive Active Learning for Image Classification阅读时间：20181023：摘要20181024：Related Work20181025：Uncertainty Measure、Information Density Measure、A Combination Framework20181026：...

【2017.11.15】Generative Adversarial Active Learning相关文档：【2017】Generative Adversarial Active Learning.pdf【2017】Generative Adversarial Active Learning_PPT.pdf学习笔记：GAN + Active learning主要步骤：GANs ...

主动学习策略研究（学位论文）本文目的：本文旨在构思并设计一套基于主动学习算法的系统，核心功能包括：1）业务需求满足某些条件下，对于某些任务（如，图像分类、NLP等等），可以显著地减少样本标注代价；2）提供一套完整的流程，包括后台的“模型/算法”、“打标系统”和前端的“用户交互界面”，让使用者能够更加友好地与后台算法进行交互；3）可扩展性：将这套系统的后台比喻为一个武器库，我们需要不断充实和完善...

ADVERSARIAL SAMPLING FOR ACTIVE LEARNING阅读时间：2019.01.02：早上-选择要精读这篇论文；晚上-abstract、Introduction 部分；论文：https://arxiv.org/pdf/1808.06671.pdf作者（PHD）信息：ETH Zurich, Switzerland - 瑞士苏黎世联邦理工学院...

本文目的：本文主要围绕主动学习方法的实际应用场景，首先，简要介绍了主动学习方法在实际应用中可能遇到的问题。然后，针对这些问题，我们设计并实现了一个面向图像分类任务的主动学习系统，并围绕部分核心功能模块展开介绍。最后，通过模拟实际应用场景对系统的有效性和稳定性进行验证。雏形详见我的2019年04月份总结（提供了一个演示小视频）：https://mp.weixin.qq.com/s/syzW3...

主动学习系列博文：【Active Learning - 00】主动学习重要资源总结、分享（提供源码的论文、一些AL相关的研究者）：https://blog.youkuaiyun.com/Houchaoqun_XMU/article/details/85245714【Active Learning - 01】深入学习“主动学习”：如何显著地减少标注代价：https://blog.youkuaiyun.com/Hou...

主动学习系列博文：【Active Learning - 00】主动学习重要资源总结、分享（提供源码的论文、一些AL相关的研究者）：https://blog.youkuaiyun.com/Houchaoqun_XMU/article/details/85245714【Active Learning - 01】深入学习“主动学习”：如何显著地减少标注代价：https://blog.youkuaiyun.com/Hou...

【深度学习-tensorflow】CUDA + Anaconda + tensorflow + PyCharm研究生期间的第一学年，机器学习和深度学习的氛围很浓，包括各种学术报告，各种讲座，还有老师课上的经验之谈。这学期的《机器学习》课程中，王老师提到了【深度学习】的重要性，并告诉我们，“如果不懂得深度学习，那么将来工作都不好找了”（应该是因为我们是计算机系的硕士学生，想让我们找到更好的工作）...

【UpdateTime：201706013】写个python脚本下载并解压 MNIST, CIFAR10 和 SVHN  数据集一、本文目的MNIST之于机器学习&&深度学习，就相当于cout<<"hello world"之于编程（引用于tensorflow教程）。最近刚入门深度学习，当然也不忘学习机器学习，接触了各种MNIST相关的案例。本文的主要贡献是基于上一篇博文...

【UpdateTime：201706011】写个python脚本下载并解压MNIST一、本文目的MNIST之于机器学习&&深度学习，就相当于cout二、环境1、Ubuntu环境：http://blog.youkuaiyun.com/houchaoqun_xmu/article/details/724531872、Anaconda2：htt

【2017年4月7日】由于实验环境需求，实验代码调用了LibSVM工具包，所以今天配置了一下环境，听师兄说有点麻烦，还要用C++编译器进行编译什么的。于是在网上找了一些教程，基于前辈们的分享，本人进一步进行完善（编译的时候遇到一点问题，但是找到了对应的解决办法）。

本文主要介绍一款机器学习领域中常用的数学工具包，也是一个仿真实验工具 --- SparseBayes（稀疏贝叶斯）toolbox。

本文对“A tutorial on Principal Components Analysis”进行了翻译，在翻译原文的过程中，在保证不改变原文意思的前提下，对一些知识点进行了扩充并附上参考网址。本人刚开始尝试翻译文献，经验不足，有些理解可能不到位，有些翻译可能不够准确。若读者们有发现有误之处，还望海涵并加以指正，本人会及时加以指正。本文中涉及到公式的编辑，使用的是“在线LaTeX公式编辑器”，将编辑完成后的公式（图片的形式）复制到博文中即可。此外，原文可能缺少一些图，本人通过Matlab作图并补充。为了更

写在前面：在本章中，首先，我们简要地分析了半监督主动学习方法存在的一些不足。然后，针对这些不足，我们提出了一个噪声鲁棒的半监督主动学习框架，并分别对框架的各个核心部分展开详细地介绍。最后，通过第二章介绍的五组图像数据集验证了所提出框架的有效性。说明：本文只分享理论方法，具体实验结果暂略。主动学习系列博文：【Active Learning - 00】主动学习重要资源总结、分享（提供源...