Improved 第4页

论文解读Face Detection using Deep Learning: An Improved Faster R-CNN Approach

https://arxiv.org/pdf/1701.08289.pdfFDDBfacedetectionbenchmarkevaluation引言：在物体检测上，R-CNN十分成功，跟随这个工作，我们提出一个新的脸部检测方法，扩展改进FasterR-CNN算法。我们的算法通过结合几个策略，包括特征连接，强负面挖掘（hardnegativemining）和多尺度训练等来改进。最终达到state-o

看不见我呀·2020-08-16 19:25

[CVPR2019]:专门为卷积神经网络设计的训练方法：RePr Improved Training of Convolutional Filters

CVPR2019年的一篇文章RePr:ImprovedTrainingofConvolutionalFilters这篇文章初看abstract和introduction，差点以为是modelpruning，看到后面发现是针对卷积神经网络的训练方法，而且这个方法比较简单，但文章通过大量的分析和实验，验证了提出的训练方法非常有效，在cifar、ImageNet、VQA、objectdetection上

zhuiqiuk·2020-08-16 10:29

RePr Improved Training of Convolutional Filters阅读翻译

论文地址：https://arxiv.org/abs/1811.07275CVPR2019的OralPaper代码：作者目前没公布，Reddit上对于这篇论文的讨论很激烈┓(´∀`)┏，对于代码复现很多人都有问题（比如：复现1），加上作者目前还没开源代码。所以想看戏的可以去→_→传送门(可能需要梯子)作者：AadityaPrakash,JamesStorer,DineiFlorencio,ChaZ

会意·2020-08-16 07:30

尝试复现论文：RePr: Improved Training of Convolutional Filters

implementation-of-RePr论文看了好几遍，也看了一些讨论，讨论在：https://www.reddit.com/r/MachineLearning/comments/ayh2hf/r_repr_improved_training_of_convolutional_filters

很直很温暖·2020-08-16 04:27

vim - Vi IMproved, 一个程序员的文本编辑器

总览(SYNOPSIS)vim[options][file..]vim[options]-vim[options]-ttagvim[options]-q[errorfile]exviewgvimgviewrvimrviewrgvimrgview描述(DESCRIPTION)Vim是一个同Vi向上兼容的文本编辑器,可以用来编辑任何ASCII文本,特别适合用来编辑程序.它对Vi作了许多增强:多层撤销,

weixin_30500663·2020-08-16 02:36

Improved fast alignment method of strapdown INS using bidirectional processes and denoising

QinFJ,LiA,XuJN.ImprovedfastalignmentmethodofstrapdownINSusingbidirectionalprocessesanddenoising[J].ZhongguoGuanxingJishuXuebao/JournalofChineseInertialTechnology,2014,22(4):453-458.基于正逆向与降噪的捷联惯导改进快速对准

changshen_xu·2020-08-15 21:43

Improved fast backtracking alignment approch for strapdown inertial navigation system

HeHY,XuJN,LiJS,etal.Improvedfastbacktrackingalignmentapproachforstrapdowninertialnavigationsystem[J].JournalofChineseInertialTechnology,2015,23(2):179-183.捷联惯导系统改进回溯快速对准方法海军工程大学、许江宁老师摘要部分见原文0、介绍SINS对准

changshen_xu·2020-08-15 21:43

arxiv2017_Face Detection using Deep Learning：An Improved Faster RCNN Approach

深图智服人脸检测paper，基于fasterrcnn，rankingthebestamongallthepublishedapproachesinFDDBuntil2017-01做了改进策略为：1featureconcatenation2hardnegativemining3multi-scaletraining：图像训练多尺度，但是尺度从三个scale里面随机选；增加了随机性；4modelpre

胡豆豆爱学习·2020-08-14 17:20

arxiv_FDNet_Face Detection Using Improved Faster RCNN

华为云的一篇人脸检测文章FDNet，目前在widerface上性能仅次于PyramidBox(来自百度，旷视的FAN也蛮屌)，基于fasterrcnn的改进，算法层面东西不多，但性能很好；同行的工程性文章还是值得一读的；weproposeadetaileddesignedFasterRCNNmethodnamedFDNet1.0forfacedetection.使用的方案：1multi-scale

胡豆豆爱学习·2020-08-14 17:19

MySQL purge 线程

MySQL中purge线程知识：https://dev.mysql.com/doc/refman/5.7/en/innodb-improved-purge-scheduling.htmlInnoDB中delete

weixin_33842304·2020-08-14 12:29

【二分】NEERC15 L Landscape Improved(2015-2016 ACM-ICPC)(Codeforces GYM 100851)

题目链接：http://codeforces.com/gym/100851题目大意：一个宽度为N的网格图，i上有h[i]高的方块。现在你有W个方块，问怎么放使得最终的最高点最高。只要一个格子的下方，左下方和右下方都有方块那么久可以把方块放到这个格子上。最左端和最右端不能放方块。（N4#include5#include6#include7#include8#include9#include10#in

PHILIP0917·2020-08-13 12:53

Towards Improved Testing for Deep Learning [ICSE 2019]——阅读笔记

笔记结构TowardsImprovedTestingforDeepLearning[ICSE2019]--阅读笔记一、为什么需要对神经网络进行测试？二、目前的测试技术可以直接用于神经网络吗？为什么？三、相关的DNN测试方法和标准都有哪些？1.黑盒测试2.白盒测试四、目前的这些对DNN测试的方法或标准有什么局限性？有什么可以改进的地方？1.覆盖标准方面2.测试输入生成的方面3.Oracle选择的方面

章习的键鼠套装·2020-08-11 11:47

识别输入装置ID与InputDevice装置（Improved event management）

识别输入装置ID与InputDevice装置（Improvedeventmanagement）新建一个继承Activity类的InputDeviceActivity，并设置布局文件为：inputdevice.xml。在布局文件中添加一个TextView用于显示InputDevice返回的数据之后在Activity代码中覆写OnTouchEvent（）方法packagelyx.feng.second

lyx_xiaofeng·2020-08-09 09:25

Linux - Vim（Vi-Improved）

Ctrl+s：锁定终端Ctrl+q：解锁终端vim安装：apt-getinstallvim//remove、update、installvim文本编辑器三种状态：编辑状态(edit)插入状态(insert)命令行状态(command)进入vim：进入vim后默认是编辑状态，编辑状态可以进行复制、删除、查找等操作；插入状态才可以进行输入；命令行方式可以进行替换、保存、退出、设置等操作退出操作：w保存

Crystal X.·2020-08-03 23:43

项目架构02 springmvc+jpa+mysql的搭建

废话少说上代码目录结构Spring配置文件applicationContext.xml:org.hibernate.cfg.Improved

lwladzhj·2020-07-31 20:57

解决 tcpdump 抓包时的丢包问题 - mptcp

----------------------------------------------------------begin#因为M8接收的数据(1238×1428÷1024=1726KB)mim-improved-mptcp-markov-f-xif-mdr

ztguang·2020-07-30 07:14

WGAN-GP代码修改

项目地址：https://github.com/igul222/improved_wgan_training用的是gan_64x64.py。

LIN Chaojian·2020-07-28 21:27

李宏毅： improved generative adversarial network（GAN）

1、generation从normaldistribution（正态分布）中sample出一些点：generator需要update它的参数，使得它output产生的image能被discriminator误认为它是realistic。再updatediscriminator，使得之前被它判断出来是realistic的image重新判断为fake。不断更新，直到generator产生出的image

jiaojiaolou·2020-07-16 01:36

Improved Disease Classification in Chest X-Rays with Transferred Features from Report Generation论文解读

ImprovedDiseaseClassificationinChestX-RayswithTransferredFeaturesfromReportGeneration从文本生成器的转移特征提升胸部X光的疾病分类表现首先在小型胸部X射线数据集（IU）上训练报告生成网络，然后将学习的视觉特征传输到在大型数据集（ChestX-ray14）上训练分类网络，并使用新颖的注意力引导特征融合策略来提高检测性

One_1111·2020-07-15 18:01

Improved Word Representation Learning with Sememes

Topic:WordRepresentationDataset:Sogou-T,HowNet1889distinctsememes2.4averagesensesforeachword1.6averagesememesforeachsense42.2%ofwordshavemultiplesenses.Methodology:Sememe-EncodedWordRepresentationLear

小绿叶mj·2020-07-14 05:42

Improved Dense Trajectory用法及源码分析

cvpr2014的IvanLaptev大神的tutorial中总结IDT+fishercoding是目前state-of-art的人体动作行为算法。现在基本涉及的论文效果都要跟iDT进行比对。在此写下自己对整个代码的理解，以方便学习。若有不当之处敬请指出。转载请提供原文链接出处。LEAR实验室这个实验室个人感觉很不错，放出来的代码基本都能work，而且有不错的的效果。早期版本的densetraje

zackzhaoyang·2020-07-13 23:38

Improved Techniques for Training GANs翻译与理解

参考博客：https://blog.csdn.net/zijin0802034/article/details/58643889https://blog.csdn.net/shenxiaolu1984/article/details/75736407paper：ImprovedTechniquesforTrainingGANscode：Theano实现摘要我们提出了一些新的结构特征和训练过程可以用

花梦飞·2020-07-12 04:43

《Improved Recurrent Neural Networks for Session-based Recommendations》 DLRS 2016 阅读笔记

简介：和上一篇介绍的ICLR2016文章所要解决的问题一致，即利用session内用户的点击序列去预测用户下一次点击的item。方法也运用的RNN，但是更多在于引入了一些优化方法，如dataaugmentation,modelpretrain,generalizeddistillation(useofprivilegedinformation)等。直接先上文中使用的模型图。相比上一篇文章，整个模型

StudyLess·2020-07-12 00:19

Improved Fusion of Visual and Language Representations by Dense Symmetric Co-Attention for VQA 阅读笔记

解决VQA(VisualQuestionAnswering)问题的关键在于如何从图片和问题中提取有用的特征,并将二者进行有效地融合。目前对于VQA问题的研究路线分为两个主要部分,一是更好的attention机制,二是改进的特征融合方式。一般而言这两部分属于模型独立模块,而本文认为两者是有联系的,应该进行有机的结合,因而提出了一种新的co-attention机制来改善视觉特征与语言特征的融合。我们展

小有名气的可爱鬼·2020-07-10 10:26

Improved Fusion of Visual and Language Representations by Dense Symmetric Co-Attention论文笔记

Abstract视觉问答(VQA)的关键解决方案在于如何融合从输入图像和问题中提取的视觉和语言特征。我们表明，一种能够在两种模式之间实现密集双向交互的注意机制有助于提高答案预测的准确性。具体来说，我们提出了一个在视觉和语言表达之间完全对称的简单体系结构，其中每个问题词出现在图像区域，每个图像区域出现在问题词上。它可以被堆叠以形成图像-问题对之间的多步骤交互的层次。我们通过实验表明，所提出的架构在V

bxg1065283526·2020-07-09 14:18

简单介绍vim文本编辑器

一、文本编辑器VIM：vim和vi的区别vim介绍：vim是unix操作系统中的文本编辑器vim=vi+IMproved：加入了多级撤销、语法高亮和自动补全、支持多种插件、可通过网络协议（HTTP/SSH

需要多喝水的鱼·2020-07-09 06:05

2016 CVPR-Person Re-Identification by Multi-Channel Parts-Based CNN with Improved Triplet Loss

论文地址Motivation如今的Re-ID工作大多是将特征学习与度量学习分开，那么能不能把两者一起学习来提高性能呢？同时对整张图像直接提取特征往往不能捕捉图像中人物的细节信息，怎么能设计模型来更好利用局部特征呢？之前的tripletloss仅仅使类内距离小于类间距离就行，这样学习出来的类簇相对较大，能不能学到更紧凑的类簇来提高判别力呢？本文的multi-channel+improvedtripl

_Xiaobo·2020-07-08 19:10

KDD_2018_notes Smoothed Dilated Convolutions for Improved Dense Prediction

lirt15·2020-07-07 13:15

行为识别笔记：improved dense trajectories算法（iDT算法）

转发请注明出处：http://blog.csdn.net/wzmsltw/article/details/53023363iDT算法是行为识别领域中非常经典的一种算法，在深度学习应用于该领域前也是效果最好的算法。由INRIA的IEAR实验室于2013年发表于ICCV。目前基于深度学习的行为识别算法效果已经超过了iDT算法，但与iDT的结果做ensemble总还是能获得一些提升。所以这几年好多论文的

Will-Lin·2020-07-06 08:12

Action Recognition:iDT论文解读(Improved Dense Trajectories)

主要参考博文行为识别笔记：improveddensetrajectories算法（iDT算法）一.DT介绍先简单介绍DT(DenseTrajectories)方法：利用光流场来获得视频序列中的轨迹，在沿着轨迹提取轨迹形状特征和HOF，HOG，MBH特征，然后利用BoF(BagofFeatures)方法对特征进行编码，最后基于编码结果训练SVM分类器。1.1DenseSampling密集采样在多个空

冬后晚晴·2020-07-06 02:53

动作识别：improved dense trajectories（iDT）特征编码—Fisher Vector代码学习

论文”ActionRecognitionwithImprovedTrajectories”通过相机运动估计，使得提取的光流更加准确，以及ＦｉｓｈｅｒVector编码，提升了DenseTrajectories的效果。iDT的代码可以点击此处下载，对iDT特征进行FV编码的代码可以在dtfv下载。iDT代码的解析可以参考这篇论文http://blog.csdn.net/wzmsltw/article/

虎妞C·2020-07-05 11:31

WGAN and WGAN-GP：Wasserstein GAN and Improved Training of Wasserstein GANs

WassersteinGANandImprovedTrainingofWassersteinGANsPaper:WGAN:https://arxiv.org/pdf/1701.07875.pdfWGAN-GP:https://arxiv.org/pdf/1704.00028.pdf参考：https://lilianweng.github.io/lil-log/2017/08/20/from-GAN

Seyanh Qiang·2020-07-05 09:10

TADAM:Task dependent adaptive metric for improved few-shot learning

本文基于度量学习，发现简单的度量尺度会完全改变少样本学习参数更新的本质，同时提出了一个简单且有效的任务依赖的度量空间学习方法，可以根据不同的任务进行特征提取。通过度量缩放的方式，作者将余弦相似度与欧拉距离在少样本学习上的差距缩小了10%，也就是说度量的选择没有那么重要。另外，还提出了辅助任务协同训练，使得具有任务依赖性的特征提取更容易训练，并且具有很好的泛化能力背景考虑episodic形式的K-s

liuglen·2020-07-04 22:36

深度学习【40】Improved Techniques for Training GANs

该论文提出了一些关于训练GAN的技巧，在mnist上生成的样本人类无法分辨真假，在CIFAR-10上生成的样本人类分辨的错误率为21.3%。优化featurematching为G网络加了一个损失函数：函数f表示D网络最后输出层的前一层特征图。f(x)由真实数据抽取而来，f(G(z))为G网络生成的图片抽取而来。MinibatchdiscriminationGAN训练过程中经常会出现G网络生成的图片

DCD_Lin·2020-07-04 21:24

TensorFlow变量管理-tf.get_variable和tf.variable_scope

本文代码可在https://github.com/TimeIvyace/MNIST-TensorFlow.git中下载，程序名为train_improved1.py。

gaoyueace·2020-07-04 16:58

【论文笔记】Improved Residual Networks (iResNet)

论文名称：《ImprovedResidualNetworksforImageandVideoRecognition》论文链接：https://arxiv.org/abs/2004.04989代码链接：https://github.com/iduta/iresnet简介残差网络（ResNets）代表了一种强大的卷积神经网络（CNN）体系结构，已广泛用于各种任务中。在这篇论文中，作者针对ResNets

rcyyang·2020-07-04 09:26

Linux中vim经典使用手册

1.简介Vim（Vi[Improved]）编辑器是功能强大的跨平台文本文件编辑工具，继承自Unix系统的Vi编辑器，支持Linux/MacOSX

麦子_hsx·2020-07-02 11:03

R语言统计分析篇

1.描述性统计分析（1）方法云集通过summary，sapply（）计算描述性统计量varsmytable<-xtabs(~Treatment+Improved,data=Arthritis)fisher.test

feng_lilan·2020-07-02 08:44

R语言简单绘图（二）

条形图—barplot()barplot(c(1,2,4,2,6,4,3,5))barplot(c(1,2,4,2,6,4,3,5),horiz=TRUE)counts=table(Arthritis$Improved

开开_王子·2020-07-02 06:05

Improved Lower Bounds for Constant GC-Content DNA Codes Yeow Meng Chee and San Ling

摘要:设计gc含量恒定且满足寡核苷酸与Watson-Crick互补物之间汉明距离约束的大型寡核苷酸文库，对于降低杂交错误具有重要意义DNA计算，DNA微阵列技术，分子条形码技术。人们研究了构建这种寡核苷酸库的各种技术，从通过随机局部搜索的算法构建到通过编码理论的理论构建。提出了一种新的随机局部搜索方法，提高了搜索效率化学合成的寡核苷酸(短单链DNA)作为DNA微阵列技术中的探针[3]、[4]和分子

carebon·2020-07-01 22:13

【9月20日】 Improved Pattern Learning for Bootstrapped Entity Extraction（上）

摘要通过设立种子词，自举模式学习（bootstrappedpatternlearning）可以从未标签化的文本中进行模式和实体的迭代学习。标签化数据的缺乏，会导致极性识别的困难（正向或者负向？）。通过扩展的分布式概率以及编辑距离，本文基于无监督学习的特征识别方法对特定领域以及一般文本进行特征提取。实验数据来自于医疗行业，对其中的drug-and-treatment信息进行抽取。1.引言虽然基于机器

Moon_treee·2020-07-01 11:54

论文阅读——《Wasserstein GAN》《Improved Training of Wasserstein GANs》

论文阅读之WassersteinGAN和ImprovedTrainingofWassersteinGANs本博客大部分内容参考了这两篇博客:再读WGAN（链接已经失效）和令人拍案叫绝的WassersteinGAN,自己添加了或者删除了一些东西,以及做了一些修改.基础知识：f-Divergence原始GAN采用的是JSdivergence来衡量两个分布之间的距离。事实上有一个统一的模式来衡量两个分布

zh20166666·2020-06-30 13:39

论文笔记：Improved Deep Embedded Clustering with Local Structure Preservation

前言DEC忽略了至关重要的因素，即定义的聚类损失可能会破坏特征空间（聚类损失不能保证局部结构的保存），从而导致无代表性的无意义特征，进而损害聚类性能。文章提出的ImprovedDeepEmbeddedClusteringalgorithm(IDEC)考虑到了保留数据结构，利用聚类损失作为指导，操纵特征空间来分散数据点。为了约束数据生成分布的局部结构，采用了一种欠完备的自动编码器。通过融合聚类损失和

饮冰l·2020-06-26 02:46

R语言实战（创建数据集）

数据集通常是由数据构成的矩形数组，行表示观测，列表示变量如下面的病例数据集patientIDagediabetesstatus1125Type1Poor2234Type2Improved3328Type1Excellent4452Type1Poor

爱吃瓜的狗子·2020-06-26 00:28

An Improved Reversible Data Hiding in Encrypted Images using Parametric Binary Tree Labeling

一种改进的基于参数二叉树标记的加密图像可逆数据隐藏方法整体思路：该方案利用了原始图像整体的空间相关性，而不是在较小的图像块中保留隐藏数据的空间。然后用加密密钥对原始图像进行加密，并用参数二叉树将加密后的像素分为两类。最后，两类加密像素中的一类可以通过比特替换嵌入秘密信息。优势：更高的嵌入率；可逆性，原始明文图像和秘密信息可以无损地分别恢复和提取。介绍：明文域中的可逆数据隐藏（RDH）是一种修改原始

假言命题·2020-06-25 12:22

R语言实战-读书笔记（第6章基础图形）

#第6章基础图形#install.packages("vcd")#载入包，使用包中的Arthritis数据#library(vcd)counts<-table(Arthritis$Improved)#提取各单元的计数

Friday～·2020-06-25 11:58

20181126-access-51

ready,unlimited,unrestricted+~直接进入；容易进入；自由使用；方便使用；容易进入；不受限制的享用limited,poor,restricted+~有限接触；不便获取；有限制的使用improved

shashank·2020-06-25 01:53

学习笔记五（vim）

打开文件模式模式转换关闭文件扩展命令模式命令模式光标跳转命令模式光标跳转命令模式翻屏操作命令模式操作字符编辑删除命令复制粘贴改变模式撤销更改vimvi:文本编辑器文本：ASCII,Unicode文本编辑器种类行编辑器：sed全屏编辑器：nano,vivim-Vi-Improved

N45-李阳·2020-06-24 01:29

PHP的PDO基本操作

PDO与Mysqli的区别PHP5及以上版本建议使用以下方式连接MySQL:MySQLiextension(“i”意为improved)PDO(PHPDataObjects)PDO应用在12种不同数据库中

Vhagar·2020-06-24 00:14

java基础

String#null空值表示不存在#数组是引用类型，但数组元素是值类型格式化输出System.out.printf("%simproved%.1f%%","canshu1",25.5f);//canshu1improved25.5%

周一米粥·2020-06-22 15:40

推荐频道

Improved