Representation 第17页

【论文阅读】TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes

TextSnake:AFlexibleRepresentationforDetectingTextofArbitraryShapesECCV2018北京大学、face++思路：预测文本区域与连接方向，串起来Pipeline：通过FCN+FPN网络预测TR（文本域）、TCL（文本中心线）、角度、半径过滤文本线，后处理网络细节：1.基础网络采用VGG162.输出大小和原图一样（耗内存，慢，但是和小栋工

baobo8666·2020-08-23 05:43

读书笔记32：PoTion: Pose MoTion Representation for Action Recognition（CVPR2018）

并且http://openaccess.thecvf.com/content_cvpr_2018/papers/Choutas_PoTion_Pose_MoTion_CVPR_2018_paper.pdf摘要首先介绍背景，很多一流的动作识别方法都依赖于two-stream的架构，一个处理appearance，另一个处理motion。接着介绍本文工作，本王呢认为将这两个合起来考虑比较好，引入了一个新

b224618·2020-08-23 05:07

读书笔记31：What have we learned from deep representations for action recognition?（CVPR2018）

2018/papers/Feichtenhofer_What_Have_We_CVPR_2018_paper.pdf摘要：首先是背景，深度模型在计算机视觉的每个领域都有部署，因此，理解这些深度模型得到的representation

b224618·2020-08-23 05:07

http错误：Could not find acceptable representation

使用了@ResponseBody,需要添加com.fasterxml.jackson.corejackson-core2.2.1com.fasterxml.jackson.corejackson-annotations2.2.1org.codehaus.jacksonjackson-core-asl1.9.13com.fasterxml.jackson.corejackson-databind2.

November22·2020-08-23 05:35

[翻译]TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes

看是看懂了，但感觉自己写还是不会写，也就写写网络那一部分，还是要多学一学唉TextSnake:AFlexibleRepresentationforDetectingTextofArbitraryShapesabstract受深度神经网络和大闺蜜数据集的推动，场景文本检测方法一句在过去的几年里取得了长足的进步，持续刷新着在不同的benchmarks上的表现记录。然而，受到用来描述文本的表达的限制（水

江米江米·2020-08-23 04:31

读书笔记28：Compressed Video Action Recognition（CVPR2018）

_2018/papers/Wu_Compressed_Video_Action_CVPR_2018_paper.pdf本文的摘要分两段，第一段介绍背景和动机，背景是在video数据上训练robust的representation

b224618·2020-08-23 04:48

【全栈修炼】RESTful架构及实践修炼宝典

资源的表述（Representation）即资源格式，是HTML、XML、JSO

pingan8787·2020-08-22 13:47

t-SNE数据降维（2维3维）及可视化

（最近看了一个叫光谱特征在后门攻击中的用法，读完之后发现是用了一个SVD也就是奇异值分解做了降维，然后用残差网络的representation层残差与残差的奇异值分解后的右奇异值矩阵的第一行做乘法得到correlation

小刘同学_·2020-08-22 12:08

《metapath2vec: Scalable Representation Learning for Heterogeneous Networks》论文分析

《metapath2vec:ScalableRepresentationLearningforHeterogeneousNetworks》发表在KDD2017论文分析1.论文思路论文开发了两个可伸缩的表示学习模型，即metapath2vec和metapath2vec++。metapath2vec模型正式化了基于元路径的随机游走来构造节点的异构邻居,然后利用异构的skip-gram模型执行节点嵌入。

大笨熊。。。·2020-08-22 10:07

Image super-resolution via sparse representation论文总结

摘要：本文提出了一个基于单幅图像的超分辨率重建。图像可以被表示为一个稀疏线性组合和过完备字典的形式。所以本文提出了将计算得到的低分辨率图像的图像块的稀疏表示系数用于作为高分辨率图像的稀疏表示系数。介绍：1、常规的超分辨重建方法：（1）输入同一场景的多幅低分辨率图像，调整亚像素精度。（？？？）（2）基于插值的方法（3）基于机器学习的方法（看几篇机器学习论文和深度学习结合在一起做实验）2、本文工作：由

鲁青的青未·2020-08-22 03:28

Knowledge Representation Learning with Confidence...

威廉·莎士比亚真的写过《哈姆雷特》吗?基于置信度的知识表示学习摘要知识图谱能够提供重要的关系信息，在各种任务中得到了广泛的应用。然而，在KGs中可能存在大量的噪声和冲突，特别是在人工监督较少的自动构造的KGs中。为了解决这一问题，我们提出了一个新的置信度感知（confidence-aware）知识表示学习框架(CKRL)，该框架在识别KGs中可能存在的噪声的同时进行有置信度的知识表示学习。具体地说

foochane·2020-08-22 03:48

【GAN ZOO翻译系列】InfoGAN： Interpretable Representation Learning by Information Maximizing GAN

本文是InfoGAN的翻译，原文地址：https://arxiv.org/abs/1606.03657相当一部分部分翻译参照于：https://blog.csdn.net/pingguolou/article/details/72920970infoGAN：通过最大化生成对抗网络中信息的可解释性表征学习XiChen†‡,YanDuan†‡,ReinHouthooft†‡,JohnSchulman†

ictzk·2020-08-22 03:15

InfoGAN：Interpretable Representation Learning by Information Maximizing GANs论文解读

概述：InfoGAN是国际神经信息处理系统大会NIPS2016上的论文，作者来自加州大学伯克利分校和OpenAI团队的研究人员，被OpenAI称为当年的五大突破之一。针对传统生成对抗网络以高度混杂的模式使用随机噪声，随机噪声的每一个维度不能显式地表示真实数据空间下的属性或特征的问题，论文所提出的InfoGAN以无监督方式学习隐空间下非混杂方式真实特征表示（disentangledrepresent

csdn-WJW·2020-08-22 03:46

基于稀疏表示的图像超分辨率《Image Super-Resolution Via Sparse Representation》

转自：http://www.aichengxu.com/view/1500436基于稀疏表示的图像超分辨率摘要：本文提出了一种基于稀疏信号表示来实现单幅图像超分辨率重建的新方法。研究图像的统计数据表明，图像块可以表示为选择适当超完备字典的稀疏线性组合形式，通过这种观测报告的启发，我们寻求一种对低分辨率输入图像块的稀疏表示，然后用此稀疏表示的系数来生成高分辨率输出。压缩感知理论（Compressiv

mengmee_pku·2020-08-22 02:52

OSN博士必须掌握的必杀技(更新至2017/12/15)

以下内容更新至2017.12.15概率图模型1Representation11TheBayesianNetworkRepresentation12UndirectedGraphicalModels13LocalProbabilisticModels14Template-BasedRepresentations15GaussianNetworkModels16TheExponentialFamily

相国大人·2020-08-22 01:25

Interpretable Representation Learning by Information Maximizing Generative Adversarial Net（小白学GAN 八）

原文链接：https://arxiv.org/pdf/1606.03657.pdf简介背景：从ConditionalGAN在输入中加上标签来控制数据生成数据的类别到DeepConventionalGAN发现输入的随机噪声可以控制生成数据的形态，我们已经可以十分肯定，输入的随机噪声可以决定生成的数据，但是它是如何决定的？我们又该如何利用这个原理呢？核心思想：将输入生成器的向量分为两部分：一为随机噪声

fan1102958151·2020-08-22 01:36

阅读小结：InfoGAN:Interpretable Representation Learning by Information Maximising Generative Adversarial

之前GAN中都没有加入分类信息，都是耍流氓啊。用原始maxD的时候，G学到的容易收敛到一个固定图像。而用featurematching的话，相同向量可能每次match的都不同，这怎么regression啊，摔（也可能我是用姿势不对，但有多类的featurematching不靠谱啊）What:1.通常GAN把一个随机噪声向量z生成为一张图像。z可能从一个0到1的随机采样构成。2.这样连累了GAN中的

Layumi1993·2020-08-22 00:42

每日论文InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial

转载地址：http://hacker.duanshishi.com/?p=1766InfoGANInfoGAN是一种能够学习disentangledrepresentation的GAN(https://arxiv.org/pdf/1606.03657v1.pdf)，何为disentangledrepresentation？比如人脸数据集中有各种不同的属性特点，如脸部表情、是否带眼睛、头发的风格眼珠

Tygrer·2020-08-22 00:40

稀疏表示（Sparse representation）原理理解

正文稀疏表示（SparseRepresentation）也叫作稀疏编码（SparseCoding）,就是用字典中元素的线性组合去表示测试样本。我们现在考虑图片分类问题，如下：现在给定一个任务，在字典中找出10张图片，用这10张图片的一个线性组合去尽可能的表示测试样本，如果是你的话，你会怎么选，你会选10张桌子图片去表示一张狗的图片吗？不会的，你会选10张狗的图片竟可能的描述测试样本。这也就是稀疏表

qq_32790593·2020-08-22 00:09

sql之left join、right join、inner join的区别

www.cnblogs.com/logon/p/3748020.htmlSQLJOINS:Pleasereferthelink:https://www.codeproject.com/Articles/33052/Visual-Representation-of-SQL-Joins

mazhongjia·2020-08-21 20:00

关于Tomcat出现The origin server did not find a current representation for the target resourc...的问题

写在前面“Theoriginserverdidnotfindacurrentrepresentationforthetargetresourceorisnotwillingtodisclosethatoneexists.”，在web开发的过程中，看到这一段错误提示，不管是在入门阶段还是已经是web老手都会感到很头痛。我也是在使用JSTL库的过程中，出现了这个问题，困扰了我很长时间才搞定的，所以决定

·2020-08-21 15:35

表情识别实验

1.实验数据实验数据采用Kaggle的一个表情分类比赛数据（https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge

米翁方·2020-08-20 10:55

Python 内建函数 - format(value[, format_spec])

Manual直译实例拓展阅读ManualConvertavaluetoa“formatted”representation,ascontrolledbyformat_spec.Theinterpretationofformat_specwilldependonthetypeofthevalueargument

LorgSher·2020-08-20 06:20

Resource-Method-Representation（译）

原文：https://herbertograca.com/2018/08/31/resource-method-representation/这篇文章是软件架构编年史(译)的一部分，这部编年史由一系列关于软件架构的文章组成

qinyu·2020-08-19 22:01

Model Representation--machine learning

content1.Howdoesthenervoussystemwork2.Whatdowelearnfromnervoussystem?3.Intermsofmatrices1.Howdoesthenervoussystemwork这是一个简单的模型，一个神经元接受来自其他神经元的输入，并且输出信息到其他神经元。考虑到神经元之间的联系，我们有更加复杂的模型几个神经元作为一个神经元的输入，这个神经

三省少年·2020-08-19 22:51

关于representation的理解

目前见过的定义的比较确切的是YoshuaBengio在ACL2010的一篇paper中关于wordrepresentation的定义："AwordRepresentationisamathematicalobjectassociatedwitheachword,oftenavector.Eachdimension'svaluecorrespondstoafeatureandmightevenhav

weixin_30722589·2020-08-19 21:53

Model Representation

机器学习的大致流程如上图所示，x表示输入变量，表示影响预测结果y的特征(features)，强特征对结果影响比较大，弱特征对结果影响较小，甚至有些特征根本对结果无影响，所以衍生出来特征工程和特征选择这两个对结果非常重要的分支。h表示训练的模型，将训练数据灌入model，使用学习算法，训练出模型的参数。最终使用训练的模型对其他输入数据进行预测。参考网址：https://www.coursera.or

weixin_30613343·2020-08-19 21:12

三流Mayavi操作-Mayav-2.2.1-Data representation数据表示法

秉着边学边写边折腾的原则，开始粗糙的工作。真正掌握还是得讲解给别人听。先给出网课https://www.icourse163.org/course/BIT-1001871001Mayavi官方http://docs.enthought.com/mayavi/mayavi/genindex.html（有时候这网站会装死，一般过几个小时就会活过来）我发现了，光是三流操作还不够，还得加上四流翻译。这一节

mayavii·2020-08-19 19:18

2.1 模型表示(Model Representation)

二、模型和代价函数(ModelandCostFunction)2.1模型表示(ModelRepresentation)在监督学习的文章中，我们举了一个预测房价的栗子?。现在我们要来构建一个数据模型，在这个模型中，我们告诉它房子的面积，它将预测房子的价格?。首先，我们提前有一个数据集，这个数据集也被称为训练集(TrainingSet)。我们在图上表示出这些点，用一条直线去拟合这些点。当然，它有可能不

weixin_34174132·2020-08-19 16:54

稀疏表达：向量、矩阵与张量

转载于：http://www.cvchina.info/2010/06/01/sparse-representation-vector-matrix-tensor-1/稀疏表达是近年来SP,ML,PR,

LinJM-机器视觉·2020-08-19 08:21

SentiLR:Linguistic Knowledge Enhanced Language Representation for Sentiment Analysis 论文阅读笔记

SentiLR:LinguisticKnowledgeEnhancedLanguageRepresentationforSentimentAnalysisSentiLR：用于情感分析的语言知识增强的语言表示来源：https://arxiv.org/abs/1911.02493清华团队Introduction虽然当前的预训练语言模型已经取得了很好的性能，但是它们的预训练任务（1.maskedlang

CCChenhao997·2020-08-19 03:58

关于Tomcat访问文件夹(文件目录)出现的404问题【The origin server did not find a current representation for the ......】

关于Tomcat访问文件夹(文件目录)出现的404问题【Theoriginserverdidnotfindacurrentrepresentationforthetargetresourceorisnotwillingtodisclosethatoneexists.】一、根目录下缺少index.jsp或者index.html文件（实际上这个文件的名称可以自己定义，可以在web.xml里进行修改）。

规则固态长方体物质空间移动工程师·2020-08-18 21:58

Spline Fusion: A continuous-time representation for visual-inertial fusion with application to...

[1]LovegroveS,Patron-PerezA,SibleyG.SplineFusion:Acontinuous-timerepresentationforvisual-inertialfusionwithapplicationtorollingshuttercameras[J].BulletinofMathematicalBiology,2013,74(8):1764.样条融合：一种应用

冬瓜大侠·2020-08-18 16:31

2020牛客暑期多校第九场 A - Groundhog and 2-Power Representation（栈/pyhton）

传送门很经典的括号表达式问题，我们可以将2(...)2(...)2(...)看做222对括号里的数求幂，除去括号的嵌套求幂前一定只有加法，然后最外层一定是加法，这样就能定义运算优先级和最后的求和得出答案，不经常写导致比赛时手生写的慢，特此回顾对于经典写法，考虑到最后的答案是大数因此写Javaimportjava.math.BigInteger;importjava.util.*;publiccla

Happig丶·2020-08-18 02:54

Python决策树的可视化

Fittheclassifierwithdefaulthyper-parametersclf=DecisionTreeClassifier(random_state=1234)model=clf.fit(X,y)text_representation

rosefunR·2020-08-17 19:02

The LLVM Intermediate Representation

官方的IR是由Instruction类产生的。IR有三种存在形式：内存中的表示：Instruction类硬盘上的节省空间的表示：bitcode文件硬盘上的可读文档：LLVM汇编文件生成bitcode文件：$clangtest.c-emit-llvm-c-otest.bc生成汇编表示：$clangtest.c-emit-llvm-S-c-otest.ll二者之间可以相互转化：$llvm-astest

weixin_30702887·2020-08-17 16:23

Sqoop2 Intermediate representation

Sqoop2Intermediaterepresentation在Sqoop2的connector中提供了自己的map处理，map用于导入数据到HDFS。因为这段代码将完全被connector维护，所以，我们需要找到一个适用所有connector和所有情况的中间格式（mapoutput）。本文的目标是比较不同的中间数据格式（intermediaterepresentation），以使我们为Sqoo

陈振阳·2020-08-17 12:17

AAAI 2018文章 Representation Learning for Scale-free Networks 翻译

大三上课翻译的一篇paper，之前一直放在草稿箱，发出来供大家参考一下，没有再做修改，哪里翻译有问题或理解不对欢迎指出。无标度网络表示学习冯瑞，杨洋，胡文杰，吴飞，庄悦婷中国浙江大学计算机科学与技术学院通讯作者：[email protected]摘要网络嵌入旨在保留网络的结构和固有属性的同时学习网络中顶点的低维表示。现有的网络嵌入工作主要着重于保持其微观结构，以度为1或2的顶点为例，而宏观无标度属

Taylent·2020-08-17 11:08

【软件分析学习笔记】4：中间表示(Intermediate Representation)

程序源码直接拿来给静态分析器做静态分析是不合适的，像编译一样也需要在程序的中间表示(IR)上进行分析，这样能让静态分析算法比较简洁、高效。IR也没有绝对的标准，这节课学习的是绝大多数静态分析器采取的IR。1编译的基本流程1.1词法分析词法分析(LexicalAnalysis)会去检查是否输入的源代码是若干合法单词的组合。词法分析器统称Scanner，运行时需要关键字的词典，以及用正则表达式描述的词

LauZyHou·2020-08-17 11:21

行为识别I3D+PoTion《PoTion: Pose MoTion Representation for Action Recognition》读后总结

行为识别I3D+PoTion《PoTion:PoseMoTionRepresentationforActionRecognition》读后总结前言文章主要内容与贡献提出PoTion提取关节热图聚合方案针对PoTion设计了一个与之匹配的简单卷积神经网络做了多个实验验证PoTion的有效性PoTion参数实验通道数量聚合技术PoTion的CNN架构数据增强网络结构姿态估计的影响将该文提出的方法与最先

geek12138_·2020-08-17 11:24

牛客多校(2020第九场)A Groundhog and 2-Power Representation

输入2(2(2+2(0))+2)+2(2(2+2(0)))+2(2(2)+2(0))+2+2(0)输出1315题解：直接附上代码，注释非常清晰1#include2#include3#include4#include56usingnamespacestd;78#definelllonglong910intans[200],alen=0;//结果和结果的长度11intb[1005];//temp数组1

Mr__wei·2020-08-17 10:00

基于PaddlePaddle复现Representation Flow之论文阅读笔记

介绍：本阅读笔记是为百度论文复现营准备的针对论文“RepresentationFlowforActionRecognition“的阅读笔记。解决的问题：论文主要针对视频理解的场景解决了两个问题：1。传统的光流计算方法效率低，且传统光流图不一定能有效表征视频帧中的动作信息。2。已经存在的光流计算网络只能接收传统的RGB帧。提出的方案：一种称为光流表示层的网络，实现了TV-L1光流计算方法。论文的效果

wienparis·2020-08-17 04:11

[飞桨PaddlePaddle论文复现课程][视频分类]论文解读之Representation Flow for Action Recognition

一、前言论文复现课程链接：https://aistudio.baidu.com/aistudio/education/group/info/1340这篇博客主要是对飞桨PaddlePaddle论文复现课程中视频分类论文的解析.课程中有关视频分类的论文主要有4篇,本博客对其中的第4篇进行解读:1.ECO:EfficientConvolutionalNetworkforOnlineVideoUnder

FlyingPie·2020-08-16 23:50

Django restful 序列化忽略空值或者返回空字符串方法

}}fromcollectionsimportOrderedDictfromoperatorimportitemgetterclassMeta:model=xxxfields=('id')defto_representation

zcg359670476·2020-08-16 17:44

(转)低秩表示的学习--Latent Low-Rank Representation(LatLLR)

原低秩表示的学习--LatentLow-RankRepresentation(LatLLR)2015年03月12日20:14:27Lynne-huang阅读数：12443最近读了LLR(LowRankRepresentation)的文章，所以整理一下。本文的主线是LLR-->LantLLR-->RobustLLR代码地址：https://download.csdn.net/download/smi

qq_41978139·2020-08-16 07:21

论文浅尝 | K-BERT: Enabling Language Representation with Knowledge Graph

1.论文动机论文认为通过泛用型公开语料预训练得到的BERT模型只拥有“常识”，在特定垂直领域（如科技、医疗、教育等）的任务中表现效果存在提升空间。由于pre-trainingandfine-tuning在领域上的差异，利用BERT做知识驱动任务的时候表现不尽如人意。论文提出的K-BERT通过引进知识图谱（将知识库中的结构化信息（三元组）融入到预训练模型）中，可以更好地解决领域相关任务。如何将外部知

游离态GLZ不可能是金融技术宅·2020-08-16 07:43

Representation Flow for Action Recognition 文章解读飞桨PaddlePaddle 论文复现

RepresentationFlowforActionRecognitionRepresentationFlowforActionRecognition这篇文章入选了CVPR2019，感谢AIStudio课程使得能够有幸学习视频分类方向，了解了深度学习的视频分类，从最经典的TSN开始学习，打算复现如上这篇文章，所以本人借助软件帮助，翻译了这篇文章便于查看。这篇文章课程李老师介绍的很好。之所以关注这

$清风徐来$·2020-08-16 06:52

【小白笔记】RTINet:Joint Representation and Truncated Inference Learning forCorrelationFilterbasedTracking

文章目录1.主要贡献2.基本方法2.1BACF2.2建模2.3模型学习3.实验这是ECCV18的一篇文章，悄悄更新一波国人的大作。论文地址该论文主要是将BACF网络化，得到了top的性能，有不对的地方欢迎讨论~1.主要贡献1.把BACF改造成了一个神经网络结构，可以进行端到端的训练；2.求解BACF的核心ADMM优化部分作者用网络的形式和截断推理的方法表示了出来，作者详细推导了梯度反传的部分；3.

Tominute·2020-08-16 01:28

小全读论文《Momentum Contrast for Unsupervised Visual Representation Learning》(MoCo)

小全读论文《MomentumContrastforUnsupervisedVisualRepresentationLearning》1.浅谈无监督问题1.1什么是无监督问题？1.2图片无监督问题有什么意义？1.3图片无监督问题的难点是什么呢？2.MoCo（本文方法）2.1前备知识2.2本文Motivation2.3方法MomentumContrast2.3.1Dictionaryasaqueue2

FatMigo·2020-08-15 21:10

EDCF阅读笔记：Reinforced Representation Learning for High Performance Visual Tracking

前言：看完这篇文章，我感慨还是挺多的。。先附上作者在知乎上对这篇文章的介绍吧：https://zhuanlan.zhihu.com/p/34222060论文的介绍在文章后半部分。这篇文章考虑的是怎么不丢失跟踪目标的细节，其实就是提高目标的判别性，Siam类方法的跟踪缺点就是判别性不强，尤其是在图像中有与目标相似的物体时，往往导致跟踪失败。因此作者加入了Encoder-Decoder结构，通过解码出

Fan72·2020-08-15 14:14

推荐频道

Representation