lwpyh的博客

寒假在家，闲来无事，萌生了用神经网络搭建一个颜值检测算法的想法，起初，只是想要把这个算法实现一下就好，但是，最后本着精(想)益(要)求(装)精(逼)的想法，就尝试着把它做成了一个网页版本的小游戏，后来为了让朋友们可以直接访问，于是就利用旧电脑搭建了一个服务器，把网站做成了可以公共访问的形式。最后做出的颜值检测的网站是这样的下面就如何搭建这一个颜值检测网站做一些说明。下面的说明分成以下几个模块，首...

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...

这篇文章是cvpr2019的一篇新奇检测的文章，使用迁移学习的方法，用于混合类别的新奇检测问题。这篇文章提出了一种基于端到端深度学习的方法，研究如何利用外部的、非分布的数据集来提高深度网络视觉新奇检测的性能。这篇文章的创新点主要有两个方面，第一是在训练过程中除了使用常见的交叉熵损失函数等损失函数外，新设计了一个membership loss来满足我们的需要，第二点是我们使用来自外部数据集的知识更有...

生成式对抗性网络(GANs)被广泛用于学习数据采样过程，在有限的计算预算下，其性能在很大程度上取决于损失函数。本研究修正了以最大均值误差(MMD)作为GAN损失函数的MMD-GAN，主要有两大贡献：首先，作者认为，现有的MMD损失函数可能阻碍学习数据中的细节，因为它试图缩小真实数据的鉴别输出。为了解决这一问题，提出了一个排斥损失函数，通过简单地重新排列MMD中的项来主动学习实际数据之间的差异。其次...

在这篇文章里，通过对每个类到原型的距离的重新映射，学习一个嵌入空间并执行分类。具体地说，提出了可转移的原型网络(TPN)来进行自适应，使源域和目标域的每个类的原型在嵌入空间上都很接近，并且原型在源和目标数据上分别预测的分数分布也很简单。从技术上讲，TPN最初将每个目标示例与源域中最近的原型匹配，并将这个原型作为示例的“伪”标签。这样，每个类的原型就可以分别在源数据、目标数据和源-目标数据上进行计算...

目标检测与域适应界核的一篇文章，非常有启发，CVPR2018作品，非常有趣。1.全文综述目标检测任务通常假设训练集与测试集从属于同一个分布，但是在实际情形中并不完全如此，这种分布上的差异会导致性能的下降与损失，本文旨在提高目标检测的跨域鲁棒性。作者从两个层面处理领域转移:1)图像级移动，如图像样式、光照等;2)实例级移动，如对象出现-亮度、大小等。我们基于最新的最先进faster R-CNN模...

摘要：生成式对抗性网络(GANs)的类条件扩展，如辅助分类器GAN (AC-GAN)和条件GAN (cGAN)，由于能够将表示形式分解为类标签等因素并提高训练的稳定性而受到关注。然而，有一个限制是，它们假定每个类都是可分离的，并且忽略了类之间的关系，即使在实际场景中，基于不同的或模糊的标准收集数据时，类之间经常发生重叠。为了克服这一局限性，这篇文章我们提出了一个新的类区分和类互生成问题，其目标是...