L1ak的博客

1. Egocentric camera-based fall detection systemusing rotation, motion, HOG and LBP1.1研究挑战（research challenge）可靠性（reliability）： 检测很多容易误判，相似摔倒的动作效率（efficiency）：不能够实时检测，找到一个效率非常高的算算在实时检测中是非常重要的隐私问题：缺少公共数据集1.2目标（aims and objectives）实现一个有效率可以实时检测的一个系统，

U-Net 参考 https://zhuanlan.zhihu.com/p/90418337

文章目录神门是优化器optimizer的属性optimizer的方法learning rate 学习率momentum动量torch.optim.SGDpytorch的十种优化器神门是优化器optimizer的属性optimizer的方法learning rate 学习率momentum动量torch.optim.SGDpytorch的十种优化器...

文章目录损失函数概念损失函数种类1、nn.CrossEntropyLoss2、 nn.NLLLoss3、 nn.BCELoss4、 nn.BCEWithLogitsLoss5. nn.L1Loss6. nn.MSELoss7. nn.SmoothL1Loss8. nn.PoissonNLLLoss9. nn.KLDivLoss10. nn.MarginRankingLoss11. nn.MultiLabelMarginLoss12. nn.SoftMarginLoss13. nn.MultiLabelSof

好的权值，可以让模型快速收敛不好的权值，会让模型梯度消失或爆炸梯度消失与爆炸原因有三：不好的权值初始化不好的激活函数较深的网络层数梯度爆炸E ???? ∗ ???? = ???? ???? ∗ ???? ????D ???? = ???? X ???? − [???? ???? ]????D ???? + ???? = ???? ???? + ???? ????1.2.3 ⇒ D(XY) = D(X)D(Y) + D(X) [???? ???? ]???? + D(Y) [?

文章目录池化层pooling layer概念参数nn.MaxPool2dnn.AvgPool2dnn.MaxUnpool2d线性层 linear layer概念参数激活函数层 Activation Layer概念参数nn.Sigmoidnn.tanhnn.ReLU其他激活函数池化层pooling layer概念池化运算：对信号进行 “收集”并 “总结”，类似水池收集水资源，因而得名池化层“收集”：多变少 “总结”：最大值/平均值参数nn.MaxPool2d功能：对二维信号（图像）进行最大值池

文章目录1d/2d/3d卷积卷积-nn.Conv2d()尺寸计算转置卷积-nn.ConvTransposenn.ConvTranspose代码尺寸计算1d/2d/3d卷积卷积运算：卷积核在输入信号（图像）上滑动，相应位置上进行乘加卷积核：又称为滤波器，过滤器，可认为是某种模式，某种特征。卷积过程类似于用一个模版去图像上寻找与它相似的区域，与卷积核模式越相似，激活值越高，从而实现特征提取AlexNet卷积核可视化，发现卷积核学习到的是边缘，条纹，色彩这一些细节模式卷积维度：一般情况

模型的创建步骤nn.Module网络层容器（Containers）容器的Sequential容器的ModuleList容器的ModuleDict构建AlexNet

参考：https://blog.youkuaiyun.com/ft_sunshine/article/details/91898631

解决报错 OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized

阿斯顿

数据模型损失函数优化器

文章目录1.深度学习介绍1.1三步1.1.1 第一步 网络结构1.1.2 第二步 学习目标1.1.3 第三步 学习2.训练深度神经网络技巧3.各种各样的神经网络4.接下来怎么做1.深度学习介绍1.1三步1.1.1 第一步 网络结构单个神经元 ： 参数x权重 + 偏差值 -> 激励函数 ==》结果多层结合，多个神经元结合起来现决定好偏差，偏差决定了激活函数， 最终决定模型优劣1.1.2 第二步 学习目标datasetloss 偏差值目标：用合适的param ，算出l

文章目录1.基本信息2. 第一节 介绍3. 第二节 跌倒检测系统文献4.第三节 讨论和未来方向5. 第四节 结论6. 参考文献1.基本信息题目：Deep Learning Based Systems Developed for Fall Detection A Review页数： 166117 - 166137发布日期： 2020年9月4日电子ISSN： 2169-3536DOI： 10.1109 / ACCESS.2020.3021943发行人： IEEE2. 第一节 介绍跌倒是造成世

https://www.bilibili.com/video/BV1MV411k7iJ?from=search&seid=10382597287268936144inner speech 10 月份Recent Advances in Speaker Ectraction多个说话人中提取人的听觉模型==>频谱分析>>>定位>>>>注意力耳蜗结构耳朵不仅是听筒，而且还是选择器，助听器在人多的时候就会很吵大脑在听之前有一个注意力对耳

icassp2020论文针对的声学模型方面的问题主要表现在稳定性/韵律与表现力/个性化/多语种几个方面，这也是我们工业界应用语音合成，实际面临的主要问题。LRSpeech: 极低资源下的语音合成与识别语音合成：基础与前沿https://www.bilibili.com/read/cv7339863...