liveway6的博客

**DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs** –阅读笔记论文来源： IEEE Transactions on Pattern Analysis and Machine Intelligence 论文链接：htt

整理到知乎专栏啦

今晚去蹭了超强师姐的讲座，以下是今晚的笔记。目前存在的目标检测可以分为以下几类：One-short, few-short, weakly supervised object detection：这类型的目标检测任务定义不明确；显著性物体检测：数据集定义不明确，对于不同人来说，显著性的定义不一样；关键点检测：要把关键点回归到几个pixel以内，要求严格；通用目标检测，这是今晚的主题。...

论文阅读笔记论文：Progressive Differentiable Architecture Search: Bridging the Depth Gap between Search and Evaluation代码链接：pdarts原文作者：Xin Chen、Lingxi Xie等这篇是把CMU之前的一个工作darts作为baseline，然后基于此存在的问题做出改进。darts...

论文: THE LOTTERY TICKET HYPOTHESIS: FINDING SPARSE, TRAINABLE NEURAL NETWORKS论文来源：ICLR 2019今天的组会总结在知乎啦~

论文来源：AAAI 2019论文链接：Regularized Evolution for Image Classifier Architecture SearchAbstract这篇论文开发了一种图像分类器AmoebaNet-A，它首次超越了手工设计。为此，我们通过引入年龄属性来修改比赛选择进化算法，以支持年轻的基因型。当AmoebaNet-A具有与人工设计的模型大小一致时，二者精度相当；...

论文来源：斯坦福博士李纪为博士毕业论文 本文尝试解决这些问题： - 在开放域对话生成系统中的几个问题： - 使用互信息避免无趣泛化的回答； - 赋予机器人格，解决用户一致性问题； - 用强化学习手段，增加长期对话成功率； - 使用对抗学习方法推动机器生成与人类水平相同的回复。 - 尝试开发交互问答系统： - 让机器具有提出问题的能力：通过问问题，扩大自己的知识库而完善自己；

2017 KDD 本文提出一个指定、培训、评估和部署机器学习模型的框架。提供抽象概念指导，允许用户编写代码来定义模型；提供统一的Estimator接口，可实现独立于模型编写下流操作，如分布式培训，超参数调整等。

论文来源：2017 KDD 论文链接我们开发了一个新颖的模型，采用了**依赖于上下文的单词级别来更精确的语句表示和问题引导的句子级别。**我们还生成独特的IQA数据集来测试我们的模型。使用这些机制，我们的模型能够准确地理解何时可以输出答案，或者何时需要根据不同的上下文为附加输入生成补充问题。在可用时，用户的反馈被编码并直接应用以更新句子级别来推断答案。

反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)