ITOMG的博客

有监督学习有监督学习是机器学习任务的一种。它从有标记的训练数据中推导出预测函数。有标记的训练数据是指每个训练实例都包括输入和期望的输出。训练学习特征（题目）到标签（答案）的映射关系，生成预测函数（做题思路）。给定测试数据（考试），预测标签（答题）。 分类 回归 无监督学习无监督学习是机器学习任务的一种。它从无标记的训练数据（无答案的练习题）中推断结论。最典型的无监...

使用matlab显示.mat文件的图像（ground truth）将数组或者矩阵保存为一个mat格式的文件，进行load命令读取a=load('gth.mat')；当进行imshow（a,[]）;显示图像时发生报错：Error using imageDisplayValidateParamsExpected input number 1, I, to be one of

现有机器学习方法都需要解决非凸优化问题，例如学习感知机或深度置信网，传统的优化方法在避免非凸优化问题陷入较差局部解时，往往采用多次随机初始化方式训练模型，然后选择其中效果最好的初始化结果构建模型。然而这种方法过于adhoc，而且计算代价过高。课程学习和自步学习最开始就是作为解决非凸优化问题而提出的。Bengio教授在2009年ICML上提出课程学习，而自步学习则是在课程学习的基础上，由Kol...

1. 自步学习自步学习的核心在于如何定义样本的“难易程度”，例如：对于已知模型，损失小或似然值高的样本可视为“简单”样本。但是传统的自步学习仅考虑了样本的难易程度，没有考虑到样本的多样性（diversity），这里所谓的多样性是指自步学习选择样本的差异性，多样性倾向于选择样本间相似度低、差异性大的样本集合。一般而言，样本数据是非均匀采样或者不连续的（异质数据），因此我们可以假设样本数据是服从多...

本文解析的是一篇ECCV2018的文章，主要内容是对CVPR2017的SENet进行改进。1.SENet回顾 此论文是由Momenta公司所作并发于2017 CVPR，论文中的SENet赢得了ImageNet最后一届（ImageNet 2017）的图像识别冠军。论文的核心点在对CNN中的feature channel（特征通道依赖性）利用和创新。 论文的动机是从特征通...

背景： 在神经科学界，视皮层神经元的感受野大小受刺激的调节，即对不同刺激，感受野的大小应该不同。目前很多卷积神经网络的相关工作都只是通过改进网络的空间结构来优化模型，如Inception模块通过引入不同大小的卷积核来获得不同感受野上的信息。或inside-outside网络参考空间上下文信息，等等。但在构建传统CNN时一般在同一层只采用一种卷积核，也就是说对于特定任务...

《Spatial Group-wise Enhance: Improving Semantic Feature Learning in Convolutional Networks》arXiv：https://arxiv.org/abs/1905.09646github：https://github.com/implus/PytorchInsight 本篇是轻量attent...