shenxiaolu1984的专栏

详解深度学习卷积层优化算法Factorized Convolutional Neural Networks。

首先按照源码中read me配置。可能运行出错的部分，用黄字高亮了解决方案。以下分别解说训练和测试代码。

论文的基础依然是SDM。 核心创新之处是：每次迭代不是简单地用回归更新一个形状（解空间中的一个点），而是更新解空间中的一个区域。听来简洁，但论文的干货部分讳莫如深，看得人云山雾罩。好在作者在网页上给出了源码，梳理之后才能明白到底是咋做的。本文首先根据源码详细介绍算法，下半篇逐行解说源码。

解决行人识别中的Re-Identification问题：判断两次出现的人是否是同一个人。在Market 1501竞赛中名列榜首。

介绍Deep Mind简单而强力的关系推理网络：A simple neural network module for relational reasoning。

详解Google论文One Model To Learn Them All

简介DeepMind解决小样本学习问题的文章：Matching Networks for One Shot Learning

介绍Improved techniques for training gans中使用GAN进行半监督分类的方法

2017年KDD最佳论文，解决高维时间信号的自动分割聚类问题，并给出基于python的源码。

YOLO目标检测算法详解

继RCNN，fast RCNN之后，目标检测界的领军人物Ross Girshick在2015年提出faster RCNN。目标检测速度达到15fps。

Fang, Hui, and M. Zhang. “Creatism: A deep-learning photographer capable of creating professional work.” (2017).这篇论文借助有限的无标定数据，用深度网络在虚拟自然环境中完成“取景-调色-打光”的摄影过程。所涉及的理论并不复杂，但给出的过程详细，对解决实际问题很有启发。 这里可以看

Shrivastava, Ashish, et al. “Learning from simulated and unsupervised images through adversarial training.” IEEE Conference on Computer Vision and Pattern Recognition.2017概述本文是Apple在机器学习领域的首秀，同

介绍从贝叶斯求解Probabilistic Matrix Factorization模型的推荐系统算法:BPMF

介绍DPMF推荐算法（带有辅助信息的概率矩阵分解）的概念和模型。

介绍非监督深度学习经典论文GAN(Generative Adversarial Nets)

详解图像理解中的聚焦机制代表作Show, attend and tell算法。

介绍2016年深度学习大热的风格转移论文：A neural algorithm of artistic style。

Visual Attention基础，Multiple object recognition with visual attention算法解读。

Mnih, Volodymyr, Nicolas Heess, and Alex Graves. “Recurrent models of visual attention.” Advances in Neural Information Processing Systems. 2014.戳这里下载训练代码，戳这里下载测试代码。这篇文章处理的任务非常简单：MNIST手写数字分类。但使用了聚焦机制(

本文考察了深度学习中除了精度之外的另一个重要因素：模型大小。给出了一个分类精度接近AlexNet的网络，模型缩小510倍；同时介绍了缩小模型尺寸的设计思想。

全卷积网络用于图像语义分割，2015 CVPR Oral，算法详解。

2016年CVPR深度学习估计人体姿态的Convolutional Pose Machines算法

继2014年的RCNN之后，Ross Girshick在15年推出Fast RCNN，构思精巧，流程更为紧凑，大幅提升了目标检测的速度。

深度学习用于目标检测的RCNN算法

细读论文：现代推荐系统的基础算法之一PMF。

介绍DPMF推荐算法（带有辅助信息的概率矩阵分解）的求解和预测。

Newell, Alejandro, Kaiyu Yang, and Jia Deng. “Stacked hourglass networks for human pose estimation.” arXiv preprint arXiv:1603.06937 (2016).概述本文使用全卷积网络解决人体姿态分析问题，截至2016年5月，在MPII姿态分析竞赛中暂列榜首，PCKh