discriminative

深度学习 Day 4.2 Logistic Regression——Discriminative Model

目录1.FunctionSet设定公式2.GoodnessofaFunction损失函数3.Findthebestfunction梯度下降4.为何判断logisticregression模型的好坏，用交叉熵而不是SquareError:5.Multi-classClassification5.1用softmax来计算一个元素去到各个class的概率5.2把f(x)和y的分布用交叉熵来对比6.Fea

闻.铃·2024-01-27 14:22

StanFord 机器学习公开课笔记(4):生成学习算法

本讲视频及讲义链接生成学习算法生成学习算法和判别学习算法的区别判别学习算法(Discriminative)我们之前学习过Logistic算法来解决分类问题，回想一下分类过程：我们使用所有训练样本训练出一个函数

v1gor·2024-01-16 07:03

斯坦福机器学习 Lecture5 (判别学习算法、GDA 高斯判别分析，skip)

讲解GDA(高斯判别分析)目前我们学习的所有学习算法（线性回归和逻辑回归和广义线性模型）被称为判别学习算法(discriminative)今天要讲生成学习算法TODO:here

shimly123456·2023-12-15 22:06

机器学习：scale-variant VS. scale invariant, discriminative models VS. generative models

Chat-GPT回答的，记在这里。一.scale-variantVS.scaleinvariant机器学习算法的两种类型：尺度相关（scale-variant）和尺度无关（scale-invariant）。其中，尺度相关的算法在特征具有不同尺度时会受到较大影响。在机器学习中，特征的尺度指的是不同特征值的取值范围或单位的差异。例如，一个特征的取值范围在0到1之间，而另一个特征的取值范围在100到10

MilkLeong·2023-11-28 19:12

DA（语义分割6）Domain Adaptation for Structured Output via Discriminative Patch Representations

DomainAdaptationforStructuredOutputviaDiscriminativePatchRepresentations数据集：GTA5toCityscapes，SYNTHIAtoCityscapes，andcross-city(CityscapestoOxfordRobotCar）实现：Pytorch框架，singleTitanXGPUwith12GBmemory网址：h

西瓜_f1c9·2023-11-21 06:00

Generative Adversarial Nets

生成模型可以看做一组伪造数据的人，discriminative模型看做为经常，来检测出伪造。训练过程就使得这两个部分一起提高它们的水平，相互竞争。2.介绍当我们使用多层perceptr

Junr_0926·2023-11-19 20:02

（论文阅读21/100）DeepTrack: Learning Discriminative Feature Representations Online for Robust Visual Trac

文献阅读笔记简介题目DeepTrack:LearningDiscriminativeFeatureRepresentationsOnlineforRobustVisualTracking作者HanxiLi,YiLi,FatihPorikli原文链接arXiv:1503.00072.关键词Objecttrackingalgorithm研究问题Objecttrackingalgorithm研究方法使用

朽月初二·2023-11-11 06:01

2018 AAAI之人脸识别：Adversarial Discriminative Heterogeneous Face Recognition

AdversarialDiscriminativeHeterogeneousFaceRecognition当前的问题及概述：在NIR-VIS图像转换的一个主要挑战是，图像对在大多数数据库中没有准确对齐。即使我们可以根据面部的位置标记对图像进行对齐，同一对象的姿势和面部表情仍然有很大的差异。本文提出了一种对抗式特征学习框架，分为跨模态面部生成模块和对抗判别特征学习模块。这两个部分分别在pixel空间

用GAN得有GPU·2023-11-05 05:41

Discriminative v.s. Generative（LR）

判别式模型和生成式模型的差别我之前一直是比较模糊的，没想到李宏毅老师通过LogisticRegression模型的引出就很把这件事讲明白了，真是佩服至极！首先老师提出了一个我曾经思考过的问题：我们可以用回归的思路做分类吗？上图的例子说明了用回归方法直接处理分类问题的困难。首先，即使只是处理二分类问题，boundary都会因为某些取值过大或过小的点而产生较大偏移，从而导致分类结果变差。其次，对于多分

单调不减·2023-08-17 10:43

Learning Deep Features for Discriminative Localization

SomeWords:这里主要是我阅读paper的笔记这篇文章主要是2016年CVPR的一篇文章，中文名是学习用于判别性定位的深度特征，（一）Abstract:在这篇工作中，我们又重新探讨了全局平均池化层，并且阐释了CNN网络是如何显式的拥有定位的能力，尽管是在图像级的标签上进行的训练。尽管这种方法常用在训练时候进行正则化，但是我们也发现它建立了通用局部的深度表示来应对于各种任务并且也得到了证明；=

S_h_a_·2023-08-12 16:50

怎样理解ABA中的区辨刺激 discriminative stimulus (SD)

WhatIsDiscriminativeStimulus–Definition&Examples什么是区辨刺激——定义与实例WhatIsADiscriminativeStimulus?什么是区辨刺激？Adiscriminativestimulusisastimulusthatwhenitispresent,itgeneratesaparticularresponseandtheresponseis

儿童言语治疗路老师·2023-08-11 19:46

每日英语单词总结

forum论坛formatraversal遍历annotation注释error-prone易于出错的AmusttakeprecedenceoverBA比B优先avator头像excessive过多地discriminative

weixin_30527551·2023-08-08 04:10

【论文分享】InternVideo: General Video Foundation Models via Generative and Discriminative Learning

导言今天翻译的文章是来自上海人工智能实验室的工作，在多个视频数据集上取得了SOTA的效果，翻译如下。不当之处，还请网友们不吝赐教！InternVideo:通过生成式和判别式学习实现通用视频基础模型图1：与现有最先进的方法（包括专用模型[1–5]和基础模型[6–9]）相比，InternVideo在广泛的视频相关任务上表现最优。比较细节见第4.3节。v2t和t2v分别表示视频到文本和文本到视频的检索。

Mark White·2023-07-29 06:37

【论文导读】MMDW： Discriminative Learning of Network Representation

论文大体框架源代码：https://github.com/thunlp/MMDW.（1）摘要（2）绪论（3）相关研究进展：NRL和最大间隔算法进展（4）算法框架a.社交网络的网络嵌入问题定义b.DW里的矩阵分解c.DW最后的目标函数d.本文的MMDW算法（5）MMDW的优化过程a.固定X,Y，对最大间隔里的W和ξb.固定W和ξ，优化X和Y（6）实验

lavenderlan·2023-07-28 03:08

图像质量评价（IQA）Optimizing Multistage Discriminative Dictionaries for Blind Image Quality Assessment

2018TRANSACTIONONMULTIMEDIA的一篇文章，没有用到深度学习，是基于BoW的一种特征提取模型。高等代数的知识记得不牢固了，文章看的一知半解，等过段时间复习下数学知识再补充些理解。文章主要解决的问题是现有的codebook构建方法存在两个问题，一个是codebook维数比较大，占用内存多且会引起过拟合的问题，二是现有的构造方法采用无监督的方法，样本质量信息的缺失造成结果非最优。

牛肉塔克·2023-02-06 23:14

论文阅读 (八)：Multi-instance Learning with Discriminative Bag Mapping (2018MILDM)

文章目录引入1判别包映射1.1总体框架1.2DIP优化1.3DIP评价函数1.4使用DIP映射包1.4.1全局判别包映射(GlobalDiscriminativeBagMapping)1.4.2局部判别包映射(LocalDiscriminativeBagMapping)2实验引入论文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnum

因吉·2023-02-06 08:12

判别式模型和生成式模型的区别（discriminative model and generative model）

判别式模型和生成式模型的区别（discriminativemodelandgenerativemodel）本博客转载自：http://blog.csdn.net/amblue/article/details/17023485在NLP和机器学习中经常会遇到这两种显著不同的模型，在学习阶段（训练阶段）和评估阶段（测试阶段）都有不同的表现总结一下它们之间的区别，欢迎补充：1.二者最本质的区别是建模对象不

Allenlzcoder·2023-01-31 09:52

生成模型（Generative）和判别模型（Discriminative）

目录1决策函数Y=f(X)或者条件概率分布P(Y|X)2生成方法和判别方法2.1生成方法2.2判别方法3特点及对比3.1生成模型3.2判别模型3.3总结4对于跟踪算法5问题常见的概率图模型中，哪些是生成式模型，哪些是判别式模型？1决策函数Y=f(X)或者条件概率分布P(Y|X)监督学习的任务就是从数据中学习一个模型（也叫分类器），应用这一模型，对给定的输入X预测相应的输出Y。这个模型的一般形式为决

意念回复·2023-01-29 11:13

元学习论文阅读 | CAD: Co-Adapting Discriminative Features for Improved Few-Shot Classification, CVPR2022

1motivationFEAT(CVPR2020)中提出了embeddingadaptation这个概念，具体来说就是对supportset的样本利用transformer等方式实现信息聚合，获取这些样本更好的特征。不足的地方是没有利用query信息。2contribution1）为了改进基于模型的嵌入自适应，本文建议通过selfattention对支持集和查询集的实例的嵌入/表示进行微调，以获取

RitaRao·2023-01-08 10:07

【补充知识】生成模型（generative model）和判别模型（discriminative model）、贝叶斯学派和概率学派

看到过好几次“生成模型”这个词了，一直不太懂，这次买了李航老师的《统计学习方法》看一下。统计学习分类：基本分类：监督学习（supervisedlearning）：从标注数据中学习预测模型的机器学习问题概念：输入空间、输出空间、特征空间（有时候不区分于输入空间），联合概率分布（P(X,Y)），假设空间（X→Y的映射集合）无监督学习（unsupervisedlearning）：从（大量）无标注数据中学

ViviranZ·2023-01-03 18:16

【论文笔记】Weakly Supervised Discriminative Feature Learning with State Information for Person ...

笔记目录（部分笔者省略）摘要1.简介2.相关工作带有状态信息的学习弱监督学习无监督深度学习3.带有状态信息的弱监督判别学习3.1弱监督决策边界修正(WDBR)3.2弱监督特征漂移正则化4.实验4.1数据库4.2模型评估和分析4.3与state-of-art的比较4.4可视化解决相同身份视觉特征差异解决身份间的视觉特征纠缠4.5多种类型的状态信息5.总结与讨论WeaklySupervisedDisc

Yo3ngLau·2022-12-30 01:42

机器学习基础（七）：概率图模型（HMM、MRF、CRF、话题模型、推断方法）

probabilisticmodel：提供一种描述框架，将学习任务归结于计算变量的概率分布，核心是如何基于可观测变量推测出未知变量的条件分布→①生成式generative模型：考虑联合分布P(Y,R,O)②判别式discriminative

ling零零零·2022-12-26 22:18

论文笔记：Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization

一、这篇论文解决什么问题模型的可解释性：类别判别性（class-discriminative）：不同类别画出来的区域不一样高分辨率（highresolution）：最好是和原图一样，可以找到细粒度的信息

foreverbeginnerz·2022-12-23 18:00

CS236 Deep Generative Models （1）基础介绍

Generative与Discriminative的区别一、概念介绍1.1概念定义1.2DeepGenerativeModel的三大问题二、基本问题2.1NaiveBayesforClassification2.1

Nemo555·2022-12-18 21:07

阅读：Learning Deep Features for Discriminative Localization

作者：BoleiZhou,AdityaKhosla,AgataLapedriza,AudeOliva,AntonioTorralba来源：CVPR2015摘要本文重新审视了《Networkinnetwork》中提出的全局平均池化层（globalaveragepooling），阐明了它是如何通过图片标签就能让卷积神经网络具有卓越的定位能力。虽然这项技术以前被当做正则化训练的一种方法，但是我们发现它实

zhang_moi·2022-12-18 13:07

论文阅读：Learning Deep Features for Discriminative Localization（CAM）

LearningDeepFeaturesforDiscriminativeLocalization文章目录LearningDeepFeaturesforDiscriminativeLocalization摘要1引言相关研究*2类激活图（ClassActivationMapping，CAM）3弱监督目标定位3.1实验设置3.2实验结果4用于通用定位的深度特征4.1细粒度识别4.2模式发现5可视化特定

Z字君·2022-12-18 13:07

论文阅读笔记：Learning Deep Features for Discriminative Localization

IntroductionTask基于弱监督学习的图像分类和定位(检测)相关工作:弱监督目标定位可视化CNNMethodClassActivationMapping(CAM)CAM技术详细且简洁地展示了如何用CNN进行目标定位(检测)以及可视化，原理很简单，主要基于globalaveragepooling(GAP)Firstly,getthelastconvolutionallayerfeature

忘泪·2022-12-18 13:07

论文那些事—Learning Deep Features for Discriminative Localization

1、摘要/背景论文主要针对图片中不同类别物体定位的弱监督学习问题，提出了基于分类网络的图片识别与定位。在分类模型中，卷积层本身带有物体定位功能，比如一个物体在左上角，那么卷积之后的结果feature-map在左上角的值会比较大。但分类网络中都带有全连接层，它是将feature-map所有位置的信息综合之后输出，和物体的具体位置无关，只关心最后的分类结果。作者想到丢失物体位置信息就是因为网络末端使用

凉茶i·2022-12-18 12:05

Learning Deep Features for Discriminative Localization论文笔记

论文地址：https://arxiv.org/abs/1512.04150github地址：http://cnnlocalization.csail.mit.edu本文提出了一种研究网络可解释性的方式，用globalaveragepooling的方式得到网络的注意力机制。Motivation过去globalaveragepooling(GAP)通常被用于正则化训练卷积神经网络，而作者发现这一操作实

hankeryeah·2022-12-18 12:35

Learning Deep Features for Discriminative Localization -CAM方法帮助若监督学习研究实现物体定位论文阅读笔记

作者：18届会长cyl时期：2020-9-11论文《LearningDeepFeaturesforDiscriminativeLocalization》期刊：2016CVPR一、简单介绍：是2016年CVPR上的一篇文章。对后来的弱监督学习的研究有很大的启发。本文针对使用全局平均池化（GAP）的CNN网络提出了一个叫做classactivationmap（CAM）的技术，这个技术可以让CNN网络在

中南大学苹果实验室·2022-12-18 12:03

Learning Deep Features for Discriminative Localization

LearningDeepFeaturesforDiscriminativeLocalizationCVPR2016在这项工作中，我们重新审视了[13]中提出的全局平均池化层，并阐明了它如何明确地使卷积神经网络具有显着的定位能力，尽管在图像级标签上进行了训练。虽然此技术先前被提议为作为规范训练的手段，我们发现它实际上构建了一个可应用于各种任务的通用定位的深度表示。尽管全局平均合并显而易见，但我们能够

丽宝儿·2022-12-18 12:33

【论文阅读】Learning Deep Features for Discriminative Localization

Abstract研究了全局平均池化(globalaveragepooling,GAP)，分析了它如何仅仅使用图像级标签训练就能使CNN具有出色的定位能力(localizationability)。作者发现，尽管GAP若为一种正则化手段被提出(来自NetworkinNetwork)，但它其实建立了一种具有定位能力的表示，可以显示出CNN在一张图片中关注到的区域。作者仅使用GAP和图像级标签（即仅使用

Mr. Anonymous·2022-12-18 12:02

论文笔记：Learning Deep Features for Discriminative Localization

一、这篇论文解决什么问题原始问题：Weakly-supervisedobjectlocalization，研究发现，图像分类任务上训练的CNN，可以直接用于物体定位两个子问题：CNN具有这种能力的原因是什么如何改进，可以更好地解决Weakly-supervisedobjectlocalization本文研究以上问题的核心手段：利用GAP（GlobalAveragePooling）生成CAM（Cla

foreverbeginnerz·2022-12-18 12:30

CAM：Learning Deep Features for Discriminative Localization论文翻译笔记（2016-CVPR）

2016-CVPR-CAM论文笔记CAM原文：LearningDeepFeaturesforDiscriminativeLocalization摘要这项工作中，作者重新审视了之前提出的全局平均池化层（globalaveragepooling，GAP），并阐明了它是如何使只经过图像标签训练CNN具备显著的定位能力（localizationability）。虽然GAP最初是作为规范化训练手段被提出的，

灼灼其华R·2022-12-18 11:22

Uninformed Students: Student–Teacher Anomaly Detection with Discriminative Latent Embeddings(翻译)

未知学生：学生-教师异常检测与鉴别潜在嵌入原文：https://export.arxiv.org/pdf/1911.02357UninformedStudents:Student–TeacherAnomalyDetectionwithDiscriminativeLatentEmbeddings摘要针对高分辨率图像中无监督异常检测和像素精确异常分割的难题，我们引入了一个强大的师生框架。学生网络被训练

要好好学习丫·2022-12-16 07:20

CVPR20 (AD) - Uninformed Students: Student–Teacher Anomaly Detection

openaccess.thecvf.com/content_CVPR_2020/papers/Bergmann_Uninformed_Students_Student-Teacher_Anomaly_Detection_With_Discriminative_Latent_Embeddings_CVPR

我是大黄同学呀·2022-12-16 07:17

Manifold regularized discriminative feature selection for multi-label learning（基于流式正则化判别多标记学习的特征选择）

论文大纲：背景特征选择的方法详细介绍MDFS方法实验结果分析讨论和结论背景：在多标签学习中，对象本质上与多个语义相关，数据类型同时面临高特征维数的影响，如生物信息学和文本挖掘等应用。为了解决学习问题，提出了特征选择这一关键技术来降低维数，而以往的多标签特征选择方法大多是从传统的单标签特征选择方法中直接转化而来的，或者是在标签信息的开发过程中半途而废，从而导致了多标签特征选择方法的不足所选特征子集中

好好的同学·2022-12-14 16:49

Uninformed Students: Student-Teacher Anomaly Detection with Discriminative Latent Embeddings论文复现及解析

paper地址UninformedStudents:Student-TeacherAnomalyDetectionwithDiscriminativeLatentEmbeddings代码地址GitHub-denguir/student-teacher-anomaly-detection:Student–TeacherAnomalyDetectionwithDiscriminativeLatentE

Idly_style·2022-12-03 15:12

【步态识别】GLN 算法学习《Gait Lateral Network: Learning Discriminative and Compact Representations for Gait R》

目录1.论文&代码源2.论文亮点3.框架解读3.1横向连接☆3.2紧凑块3.3训练策略3.3.1三元组损失3.3.2交叉熵损失3.3.3总损失函数4.实验结果4.1数据集预处理4.2数据对比4.2.1CASIA-B数据集4.2.2OU-MVLP数据集4.3消融实验5.总结0.知识补充0.1上采样0.1.1反卷积（转置卷积）0.1.2插值法0.1.3反池化0.2水平金字塔池化（HPM）0.3特征金字

一只菟葵·2022-11-29 02:38

【论文精读】DeepFirearm: Learning Discriminative Feature Representation for Fine-grained Firearm Retrieval

DeepFirearm:LearningDiscriminativeFeatureRepresentationforFine-grainedFirearmRetrievalINTRODUCTION这是最近看的一篇文章，论文并没有太多方法上的创新点，但是将神经网络用于现代武器的检索，方向挺新奇的。所以记录一下。论文之初作者就指出现在CNN发展得很好，网络上像Facebook这一类的社交巨头都使用CN

luuuyi·2022-11-26 11:47

CSR-DCF(Discriminative Correlation Filter with Channel and Spatial Reliability) 文章分析（一）

CSR-DCF(DiscriminativeCorrelationFilterwithChannelandSpatialReliability)文章分析（一）目录DCF框架带来的问题本文针对上述问题的改进SpatiallyconstrainedcorrelationfiltersConstructingspatialreliabilitymapConstrainedcorrelationfilte

夢の船·2022-11-25 10:04

Structured Discriminative Nonnegative Matrix Factorization for hyperspectral unmixing

X.Li,J.Zhou,L.Tong,X.Yu,J.GuoandC.Zhao,"StructuredDiscriminativeNonnegativeMatrixFactorizationforhyperspectralunmixing,"2016IEEEInternationalConferenceonImageProcessing(ICIP),2016,pp.1848-1852,doi:10.

m0_51414342·2022-11-22 06:53

[判别学习]Discriminative Transfer Learning for General Image Restoration文章翻译与分析

[判别学习]DiscriminativeTransferLearningforGeneralImageRestoration文章翻译与分析本文来自AbstractIntroductionRelatedWorkProposedmethod1.Diversityofdatalikelihood2.Decouplinglikelihoodandprior3.Discriminativetransferl

AsajuHuishi·2022-11-22 01:21

GAN网络

目录GAN生成网络G（Generative）对抗网络D（Discriminative）两分布之间差异性评价KL散度JS散度损失函数一次代码实验WGANWGAN-GPConditionalGANGAN生成式对抗网络

牵一发而动全身·2022-11-21 11:05

【CAM】Learning Deep Features for Discriminative Localization

论文链接githubAbstract1.IntroductionCNN能保留位置信息，但经过用于分类的全连接神经网络时会丢失位置信息。最近的NIN和GoogLeNet使用全卷积网络、避免使用全连接层，来减少参数量的同时保持模型高性能。在ILSVRCbenchmark的弱监督定位方法上，本文模型的错误率接近AlexNet1.1.RelatedWork图像分类任务可以衍生到目标定位上，介绍了本文相关工

Ziy.·2022-11-21 08:21

2021李宏毅学习笔记——5. logistic Regression(逻辑回归）

文章目录摘要一、logisticregression二、logisticregression与linearRegression的区别三、discriminative（判别式模型）与generative（

HSR CatcousCherishes·2022-11-20 22:13

论文阅读《Discriminative-Generative Representation Learning for One-Class Anomaly Detection》CVPR2021

论文阅读《Discriminative-GenerativeRepresentationLearningforOne-ClassAnomalyDetection》CVPR2021研究背景：生成式对抗网作为一种生成式自监督学习方法

研途可达·2022-11-19 10:10

PAUL：Patch-based Discriminative Feature Learning for Unsupervised Person Re-identification阅读总结

Patch-basedDiscriminativeFeatureLearningforUnsupervisedPersonRe-identification作者：QizeYang,Hong-XingYu(MAR一作)郑伟诗团队2019CVPR源码：https://github.com/QizeYang/PAUL.1.摘要：part/patch在有监督reid中用烂了，但无监督reid中还没用过。因

MindAndHand·2022-11-19 01:40

Discriminative deep metric learning for face verification in the wild 度量学习(CVPR2014)

Hu,Junlin,JiwenLu,andYap-PengTan.“Discriminativedeepmetriclearningforfaceverificationinthewild.”CVPR2014.(度量学习用于FaceVerification：)马氏距离：其中MMM是一个d×dd\timesdd×d的半正定矩阵，根据Choleskey分解:由此，马氏距离可化简为:剩下需要根据神经网络

PoemK·2022-11-14 09:40

论文笔记：Towards Robust Fine-grained Recognition by Maximal Separation of Discriminative Features

TowardsRobustFine-grainedRecognitionbyMaximalSeparationofDiscriminativeFeatures通过区分特征的最大分离实现鲁棒的细粒度识别文章目录TowardsRobustFine-grainedRecognitionbyMaximalSeparationofDiscriminativeFeatures摘要1引言2相关研究3预备阶段：解

Z字君·2022-10-06 07:42

推荐频道

discriminative

深度学习 Day 4.2 Logistic Regression——Discriminative Model

StanFord 机器学习公开课笔记(4):生成学习算法

斯坦福机器学习 Lecture5 (判别学习算法、GDA 高斯判别分析，skip)

机器学习：scale-variant VS. scale invariant, discriminative models VS. generative models

DA（语义分割6）Domain Adaptation for Structured Output via Discriminative Patch Representations

Generative Adversarial Nets

（论文阅读21/100）DeepTrack: Learning Discriminative Feature Representations Online for Robust Visual Trac

2018 AAAI之人脸识别：Adversarial Discriminative Heterogeneous Face Recognition

Discriminative v.s. Generative（LR）

Learning Deep Features for Discriminative Localization

怎样理解ABA中的区辨刺激 discriminative stimulus (SD)

每日英语单词总结

【论文分享】InternVideo: General Video Foundation Models via Generative and Discriminative Learning

【论文导读】MMDW： Discriminative Learning of Network Representation

图像质量评价（IQA）Optimizing Multistage Discriminative Dictionaries for Blind Image Quality Assessment

论文阅读 (八)：Multi-instance Learning with Discriminative Bag Mapping (2018MILDM)

判别式模型和生成式模型的区别（discriminative model and generative model）

生成模型（Generative）和判别模型（Discriminative）

元学习论文阅读 | CAD: Co-Adapting Discriminative Features for Improved Few-Shot Classification, CVPR2022

【补充知识】生成模型（generative model）和判别模型（discriminative model）、贝叶斯学派和概率学派

【论文笔记】Weakly Supervised Discriminative Feature Learning with State Information for Person ...

机器学习基础（七）：概率图模型（HMM、MRF、CRF、话题模型、推断方法）

论文笔记：Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization

CS236 Deep Generative Models （1）基础介绍

阅读：Learning Deep Features for Discriminative Localization

论文阅读：Learning Deep Features for Discriminative Localization（CAM）

论文阅读笔记：Learning Deep Features for Discriminative Localization

论文那些事—Learning Deep Features for Discriminative Localization

Learning Deep Features for Discriminative Localization论文笔记

Learning Deep Features for Discriminative Localization -CAM方法帮助若监督学习研究实现物体定位论文阅读笔记

Learning Deep Features for Discriminative Localization

【论文阅读】Learning Deep Features for Discriminative Localization

论文笔记：Learning Deep Features for Discriminative Localization

CAM：Learning Deep Features for Discriminative Localization论文翻译笔记（2016-CVPR）

Uninformed Students: Student–Teacher Anomaly Detection with Discriminative Latent Embeddings(翻译)

CVPR20 (AD) - Uninformed Students: Student–Teacher Anomaly Detection

Manifold regularized discriminative feature selection for multi-label learning（基于流式正则化判别多标记学习的特征选择）

Uninformed Students: Student-Teacher Anomaly Detection with Discriminative Latent Embeddings论文复现及解析

【步态识别】GLN 算法学习《Gait Lateral Network: Learning Discriminative and Compact Representations for Gait R》

【论文精读】DeepFirearm: Learning Discriminative Feature Representation for Fine-grained Firearm Retrieval

CSR-DCF(Discriminative Correlation Filter with Channel and Spatial Reliability) 文章分析（一）

Structured Discriminative Nonnegative Matrix Factorization for hyperspectral unmixing

[判别学习]Discriminative Transfer Learning for General Image Restoration文章翻译与分析

GAN网络

【CAM】Learning Deep Features for Discriminative Localization

2021李宏毅学习笔记——5. logistic Regression(逻辑回归）

论文阅读《Discriminative-Generative Representation Learning for One-Class Anomaly Detection》CVPR2021

PAUL：Patch-based Discriminative Feature Learning for Unsupervised Person Re-identification阅读总结

Discriminative deep metric learning for face verification in the wild 度量学习(CVPR2014)

论文笔记：Towards Robust Fine-grained Recognition by Maximal Separation of Discriminative Features