会意的博客

神经网络架构的设计是机器学习系统在广泛的任务中达到最先进性能的重要组成部分。许多工作都致力于通过巧妙构建搜索空间与简单学习算法配合来自动设计和构建体系结构。最近的进展表明，这种元学习（meta-learning）方法可能超出可扩展的人为发明的图像分类任务架构。 一个悬而未决的问题是这些方法可以推广到新领域的程度。在这项工作中，我们探索了密集图像预测的元学习技术的构建，重点是场景解析，人物部分（person-part ）分割和语义图像分割的任务。由于视觉信息的多尺度表示和在高分辨率图像上操作的必要性，在该领域

相关资料代码地址：https://github.com/tensorflow/models/tree/master/research/deeplab论文地址：https://arxiv.org/abs/1809.04184个人笔记：https://blog.youkuaiyun.com/mooneve/article/details/83144385参考资料https://blog.youkuaiyun.com...

论文地址：https://arxiv.org/abs/1808.08931或：https://www.kdd.org/kdd2018/accepted-papers/view/smoothed-dilated-convolutions-for-improved-dense-prediction代码：https://github.com/divelab/dilated作者：Zhengyang ...

论文地址：https://arxiv.org/abs/1901.02985 1月10号提交代码：好像没公布，我后面再找找作者：Chenxi Liu, Liang-Chieh Chen, Florian Schroff, Hartwig Adam, Wei Hua, Alan Yuille, Li Fei-Fei