主页

训练简单 easy optimization in an end-to-end manner 与一般的方法相比 unlike ordinary sth. which …

1 综述 2 域适应 Joint Information Preservation for Heterogeneous Domain Adaptation 2019-05-22 paper MixMatch Domain Adaptaion: Prize-winning solution for both tracks of VisDA 2019 challenge ICCV 2019 2019-10-09 paper | VisDA | tensorflow-official 3 元迁移 Meta-Transfer Learning for Few-Shot Learning cvpr 2019 2018-1...

AAAI 2019 论文发表时间：2018-11-05 作者：何栋梁，Zhichao Zhou，Chuang Gan，Fu Li，Xiao Liu，Yandong Li，Limin Wang，Shilei Wen 机构：百度，MIT-IBM Watson AI Lab，University of Central Florida，南京大学 论文地址：https://arxiv.org/abs/1811.01549 代码：Pytorch https://github.com/hyperfraise/Pytorch-StNet   StNet 怎么提取视频特征的 Temporal Xception Block 是什么 Temp...

ICML 2019 论文发表时间：2019-03-05 作者：Yuan Yuan, Yueming Lyu, Xi Shen, Ivor W. Tsang & Dit-Yan Yeung 单位：香港科技大学，阿里巴巴，悉尼科技大学，Ecole des Ponts ParisTech 论文地址：https://openreview.net/pdf?id=HkljioCcFQ 官方代码：Pytorch https://github.com/yyuanad/MAAN 1 一句话总结文章 2 方案 前导知识：CNN，深度学习基本知识，注意力 3 损失函数 \(\begin{align} \label{loss}\\ \end{align}...

论文发表时间：2018-06-21 作者：AJ Piergiovanni，Michael S. Ryoo 单位：Indiana University 论文地址：https://arxiv.org/abs/1806.08251 官方代码：Pytorch https://github.com/piergiaj/mlb-youtube 1 一句话总结文章 2 方案 前导知识：CNN，深度学习基本知识，注意力 3 损失函数 \(\begin{align} \label{loss}\\ \end{align}\) 4 实验 4.1 数据集 4.2 实验结果 5 思考 6 总结 End

训练数据不包含标注信息的情况下完成目标任务； 表示学习资源 unsupervised learning

训练数据中只有一小部分具有标签，根据训练数据完成训练；这种情况常常是因为数据标注困难，比如医疗诊断； 表示学习资源 semi supervised learning

扩大图像的分辨率，获得清晰画质；在医疗和卫星成像上有着重要应用； super resolution

通用物体分割资源

识别从未见过的数据类别，使模型具有知识迁移的能力； zero shot learning

通用物体分割资源

顶会论文于业界常常具有导向作用；

源码：https://github.com/opencv/opencv docs：https://docs.opencv.org

相关资源：目标检测资源

相关资料：图片检索概述、视频检索资源 · 音频检索资源

卷积网络概述

FTL：为了应对数据隐私的挑战，最近出现了联邦学习的概念；联邦学习将各团体独立的数据统一管辖，彼此之间在不互通数据的情况下就可以获得模型效果的提升；其核心是各个企业的自有数据不出本地，模型效果不变；