discriminative 第3页

【Transfer Learning】Adversarial Discriminative Domain Adaptation

1Introduction介绍2Generalizedadversarialadaptation广义对抗适应3Adversarialdiscriminativedomainadaptation对抗判别域适应4Experience实验AdversarialDiscriminativeDomainAdaptation这篇论文正式发表于2017的CVPR，但在2017年的ICLR的Workshop中就已

PRIS-SCMonkey·2020-07-06 04:06

语义分割--(DFN)Learning a Discriminative Feature Network for Semantic Segmentation

LearningaDiscriminativeFeatureNetworkforSemanticSegmentationLearningaDiscriminativeFeatureNetworkforSemanticSegmentation收录：CVPR2018(IEEEConferenceonComputerVisionandPatternRecognition)原文地址：DFN代码:非官方：T

DFann·2020-07-05 16:14

Deep Discriminative Latent Space for Clustering 翻译

DeepDiscriminativeLatentSpaceforClustering翻译摘要：聚类是数据分析和机器学习中最基本的任务之一。它是许多数据驱动应用程序的核心，旨在将数据分成具有相似模式的组。此外，聚类是一个复杂的过程，受到数据表示方法选择的显著影响。最近的研究通过有效地学习这些表示来证明了令人鼓舞的聚类结果。在大多数这些工作中，深度自动编码器最初被预先训练以最小化重建损失，然后与聚类质

骑蜗牛前行·2020-07-05 11:40

Learning Deep Features for Discriminative Localization论文阅读

文章目录1.Introduction2.ClassActivationMapping3.Weakly-supervisedObjectLocalization4.DeepFeaturesforGenericLocalization5.VisualizingClass-SpecificUnitsAttention:更多论文解读的博客原文第一时间发布于个人github论文合集和博客欢迎关注，有想法欢迎

chaser_ming7·2020-07-05 00:21

Online Tracking by Learning Discriminative Saliency Map with Convolutional Neural Network

《OnlineTrackingbyLearningDiscriminativeSaliencyMapwithConvolutionalNeuralNetwork》本文提出了一个通过用CNN学习可区分性的显著图的在线视觉跟踪算法。给定一个在大规模图片数据集上在线下预训练的CNN，本文的算法将网络的隐含层的输出当做是特征描述子，因为他们在各种各样的视觉识别问题上表现出非常好的表达能力。这些特征通过使用

leek1727·2020-07-04 22:59

Discriminative unsupervised feature learning with convolutional neural networks

NIPS2014思路：将unlabeled图像进行旋转、平移、增强等操作，组成不同的数据集合（同一图像生成的图像为同一数据集合）。利用CNN将不同数据集合区分开。目标：区分不同图像，保证平移等变换的鲁棒性。网络结构：small:twoconvolutionallayerswith64filterseachfollowedbyafullyconnectedlayerwith128neurons.la

Yingying_code·2020-07-01 17:56

Deep clustering:Discriminative embeddings for segmentation and separation 简析

Deepclustering:Discriminativeembeddingsforsegmentationandseparation简析1.使用深度聚类的原因在基于掩蔽的深度学习语音分离框架中，对于说话人相关的任务效果不错，但是对于说话人无关的任务，效果很差，会发生Permutationproblem，即无法确定哪些维度上的信号属于目标声源，哪些维度属于干扰声源。所以针对这个情况，Hershey

momo打怪兽·2020-07-01 16:12

详解概率图模型——概述

详解概率图模型——概述详解概率图模型——概述概率图概览有向图vs.无向图有向图无向图判别式（discriminative）模型and生成式(generative)模型前言两个模型的范例判别式模型生成式模型对比优缺点详解概率图模型

Avery123123·2020-07-01 08:23

Cascaded Generative and Discriminative Learning for Microcalcification Detection in Breast Mammogram

摘要：微钙化在早期的乳腺癌中出现最多。之前的多数的微钙化检测模型以属于判别模型，用分类器将其与背景分开。将微钙化点与正常组织分开依然是一项挑战，因为它们太小了（最多14个像素）。尽管生成模型可以精确地对正常组织建立模型，并且可以将不正常组织做为异常值，但是他们不能够进一步将微钙化与其他异常区分开（血管钙化与微钙化这两个都是异常，但不能将其分开）。本文中，我们提出了一个混合方法，通过利用生成模型和判

烩面遇见拉面·2020-06-30 02:24

对抗生成网络（Generative Adversarial Net)

引入Discriminative

张雨石·2020-06-26 14:52

概率图模型的学习——Probabilistic Graphical Model

一、概括对于分类问题给定：x(观测值)、y(预测值)例如：天气预测x={气温,湿度,气压,…}；y={晴天,下雨,多云,…}；生成模型（generative）判别模型（discriminative）生成模型

三井_pan·2020-06-25 04:54

文献阅读：ACCURATE AND FAST FINE-GRAINED IMAGE CLASSIFICATION VIA DISCRIMINATIVE LEARNING

一、文献梳理1、文献背景与一般的图像分类不同，弱超可视细粒度图像分类(WFGIC)仅使用图像级标签来识别更详细的类别和粒度下的对象。WFGIC是一个开放的问题在计算机视觉领域,不仅因为图像属于同一子范畴的有很大的差异大小,姿势,颜色,和背景,而图像落入不同的子类可能在这些方面非常相似,而且对提取的难度区别的特性只使用对像级别标签。图像中局部区域的细微差别对于区分细粒度的子类别非常重要。使用自下而上

我学数学我骄傲·2020-06-21 12:33

【论文笔记】Unsupervised Information Extraction: Regularizing Discriminative Approaches with RelDist loss

UnsupervisedInformationExtraction:RegularizingDiscriminativeApproacheswithRelationDistributionLosses文章目录UnsupervisedInformationExtraction:RegularizingDiscriminativeApproacheswithRelationDistributionLo

DrogoZhang·2020-04-12 11:27

辨别式与生成式分类器的区别：逻辑回归和朴素贝叶斯的比较（On Discriminative vs. Generative classifiers: A comparison of logisti...

译者按：吴恩达和迈克尔乔丹的经典合作之一，是当年吴恩达在乔丹门下读博时发表的，分类问题是机器学习最典型的问题，而朴素贝叶斯和逻辑回归又是最基础最常用的分类算法，两位大神对此进行了深入精到的分析，对机器学习和AI的爱好者来说不可错过作者：AndrewY.Ng（吴恩达），MichaelI.Jordan（迈克尔一乔丹）计算机科学和统计系加州大学伯克利分校摘要我们比较判别式和生成式学习，以logistic

fat32jin·2020-03-31 07:03

论文笔记-Robust Online Multi-Object Tracking based on Tracklet Confidence and Online Discriminative Appearance

题目：RobustOnlineMulti-ObjectTrackingbasedonTrackletConfidenceandOnlineDiscriminativeAppearanceLearning来源：CVPR2014论文主页（有matlab代码）：https://cvl.gist.ac.kr/project/cmot.html本文主要解决的是轨迹问题，甚至在出现严重遮挡的情况下还能有很好的

sunshine芝火·2020-03-29 23:59

《Max-Margin DeepWalk: Discriminative Learning of Network Representation》简评

本文同时发布于西土城的搬砖工和论文链接：Max-MarginDeepWalk:DiscriminativeLearningofNetworkRepresentation引用格式：CunchaoTu,WeichengZhang,ZhiyuanLiu,MaosongSun.Max-MarginDeepWalk:DiscriminativeLearningofNetworkRepresentation.

adcll0910·2020-03-26 21:51

论文笔记:Learning Deep Features for Discriminative Localization

旧文赏析CVPR2016MIT周博磊idea很简单，但是很work对model中判别性区域进行定位（useCAM）achieve37.1%top-5errorforobjectlocalizationonILSVRC2014,whichisremarkablyclosetothe34.2%top-5errorachievedbyafullysupervisedCNNapproach.卷积层能够对物

涂山容容·2020-03-23 08:24

判别式模型(discriminative model)和生成模型（generative model）

已知输入变量x，判别模型(discriminativemodel)通过求解条件概率分布P(y|x)或者直接计算y的值来预测y。生成模型（generativemodel）通过对观测值和标注数据计算联合概率分布P(x,y)来达到判定估算y的目的。判别模型常见的判别模型有线性回归（LinearRegression）,逻辑回归（LogisticRegression）,支持向量机（SVM）,传统神经网络（T

致Great·2020-03-01 02:22

[PaperNotes]CAM (Learning Deep Features for Discriminative Localization)

image.png论文地址这篇文章据说是现在几大顶会上各种弱监督学习方面的先驱之作，通常称为CAM，ClassActivationMap。例如，只给定图像包含的物体的名字作为label，但不给出bbox，那么怎样通过这个弱label来学习出bbox+cls信息呢？CAM就给出了很好的位置提示。当然，CAM出现的比较早，改进CAM的是有的，我这里还没有去看。。论文原文的原理和结果图：image.pn

baiyu33·2020-02-22 16:16

Learning Deep Features for Discriminative Localization 阅读笔记

该文章收录于CVPR2016这是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。这篇文章非常简单，主要是通过一系列的实验，证明了两个结论：1）CNN提取的feature含有位置信息，尽管我们在训练的时候并没有标记位置信息；2）这些位置信息，可以转移到其他的认知任务当中。首先，我想给大家先科普一下globalaveragepooling(GAP)我们都知道，一个卷积神经网络中都

Haoyev5·2020-01-06 06:01

【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·2019-12-13 06:27

CAM论文剖析（Learning Deep Features for Discriminative Localization）

英文原文请点这里译文请点这里Agenda文章内容剖析实验代码在这里.文章剖析摘要本文主要工作1、阐述GAP如何使CNN具有卓越定位能力2、证明了所提出网络能定位出“区别性”区域，且分类效果也不差1介绍扩写摘要，展示结果图引出GAP的功能远不止正则化，更重要的是定位能力指出本文所提网络保留了定位能力且分类能力也不差1.1相关研究(研究现状)已有研究证明：CNN分类能和定位能力都很好介绍已有研究的两个

刘开心_8a6c·2019-12-08 10:48

[翻译]Learning Deep Features for Discriminative Localization

英文原文请点这里摘要在这项工作中，我们重新审视了《Networkinnetwork》中提出的全局平均池化层（globalaveragepooling），并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，但是我们发现它实际构建了一种通用的适用于各种任务的能定位的深度表示。尽管globalaveragepooling很简单，我们仍然能够在20

刘开心_8a6c·2019-12-08 00:17

Tensorflow量化模型

tensorflow/tools/graph_transforms/transform_graph\--in_graph=/home/zzl/zzl/noDCT_retrained5000_Pruned_Discriminative145000

濯君·2019-11-30 17:40

Adversarial Discriminative Domain Adaptation 论文翻译

深度学习努力中·2019-10-28 13:59

朴素贝叶斯(Naive Bayes)

一.生成式（generative）学习算法如果算法直接学习，或者尝试学习从输入空间到类别的映射关系的算法，称为判别式（discriminative）学习算法；比线性回归（lineaarregression

_与谁同坐_·2019-10-05 11:24

Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition，细粒度图像识别

论文：LearningaDiscriminativeFilterBankwithinaCNNforFine-grainedRecognition简介与方法本文方法看完有那么一点SSD的既视感，作者在论文中也提到灵感来源于SSD。总体上来看就像是一个单anchor单尺度（当然可以多尺度）的SSD来检测kM个目标，M是类别数，k是每个类别要检测的part数，最后再结合这些part来做最终的分类。也就是

空苍地樱·2019-08-22 10:33

【人脸识别】视频帧聚合：Discriminative Aggregation Network

paper：LearningDiscriminativeAggregationNetworkforVideo-basedFaceRecognition论文链接：Learning_Discriminative_Aggregation_ICCV

Lingyun_wu·2019-08-10 00:40

【人脸识别】视频帧聚合：Discriminative Aggregation Network

paper：LearningDiscriminativeAggregationNetworkforVideo-basedFaceRecognition论文链接：Learning_Discriminative_Aggregation_ICCV

Lingyun_wu·2019-08-10 00:40

LADCF目标跟踪算法学习笔记（Learning Adaptive Discriminative Correlation Filters via Temporal Consistency prese）

LADCF论文链接：https://www.researchgate.net/publication/326696472摘要：在最近的跟踪基准及比赛中，判别式相关滤波类跟踪器性能优异，然而现有的DCF类跟踪器存在两个问题，一是空间边界效应，二是时间滤波器退化。为了减轻这两个因素的影响，该文章提出了一种新的机遇DCF的跟踪器，该跟踪器的创新点包括自适应空间特征选择和时间一致性约束。加上这些创新后，跟

爱何·2019-07-26 15:23

论文MGN笔记《Learning Discriminative Features with Multiple Granularities for Person Re-Identification》

MGN的核心思想是利用globalfeature+finegrainfeature做特征融合然后分类，做part-based的branch取得很简单就是等分，但是为了让模型能收敛，用了多个patch的loss混合训练。看文章结果很不错，只用了给的数据集里面的trainset就能达到90+。github上只有pytorch版本，准备这段时间自己搞一个纯TF版本出来。Motivation1.基于区域的

咸鱼就是咸鱼·2019-07-24 21:10

【论文】Center Loss: A Discriminative Feature Learning Approachfor Deep Face Recognition

CenterLossxi表示第i个实例（脸）的特征向量。yi表示第i个实例的类别。Cyi表示yi类别的中心。目的是使所有实例到中心的距离的和最小。TotalLossReference:[1]论文阅读-CenterLoss:ADiscriminativeFeatureLearningApproach

弓長知行·2019-06-06 11:25

ADDA: Adversarial Discriminative Domain Adaptation

ADDA原理理解ADDA中源域和目标域经过不同的映射来实现对齐。ADDA的目标函数包括三项：1.源域的分类误差项2.域分类器的分类误差项3.生成器在目标域的误差项1.源域的分类误差项源域数据在经过映射Ms后的分类误差最小：2.域分类器的分类误差项在源域和目标域分别经过Ms和Mt的映射后，经过域分类器进行分类，把源域和目标域的域分类问题看作二分类问题，源域的标签为1，目标域的标签为0，判别器的域分类

nekoli·2019-05-17 09:28

机器学习 | 西瓜书学习笔记 ch07：贝叶斯分类器

7.1贝叶斯决策论（Bayesiandecisiontheory）贝叶斯最优分类器贝叶斯风险判别式vs.生成式判别式（discriminative）模型思路：直接对P(c|x)建模代表决策树BP神经网络

Wonz·2019-04-17 22:25

表情识别论文阅读——Island Loss for Learning Discriminative Features in Facial Expression Recognition

IslandLossforLearningDiscriminativeFeaturesinFacialExpressionRecognition作者在CenterLoss的基础上，提出了一个新的Loss，在关注类别的类内距离的同时，优化类间距离，使得每个类别拥有更大的margin,从而迫使网络能够学习到更具判别性的特征。在过去几年中，卷积神经网络（CNNs）已经在面部表情识别方面显示出前景。然而，

丽宝儿·2019-03-30 14:59

解读：Learning Generalizable and Identity-Discriminative Representations for Face Anti-Spoofing

论文地址：https://arxiv.org/abs/1901.05602该论文创新点：1.提出了一个TCP(TotalPairwiseConfusion)loss用来增加CNN的泛化能力。2.将FDA(FastDomainAdaptation)整合到CNN中，以减轻domainchanges带来的影响。3.提出了一个多任务学习方式，即用一个CNN同时完成活体检测和人脸识别两个任务网络结构1.针对

dxz_tust·2019-03-18 21:16

DSST (Discriminative Scale Space Tracking) 文章分析（一）

DSST(DiscriminativeScaleSpaceTracking)是基于MOSSE，KCF基础上的改进，主要有两个方面：（1）引入多特征融合机制；（2）引入尺度估计。首先DSST是基于correlationfilter的方法，相关滤波算法的发展大致可看为：推荐：https://www.jianshu.com/p/c709aea5a56f（DSST详解）改进思路本文中作者（Danellja

学生。·2019-03-17 21:22

【Discriminative Representation Combinations for Accurate Face Spoofing Detection】人脸防伪阅读过程中的疑惑

图片高频信息和低频信息CSDNReference图像的低频是指物体的大致概貌和轮廓，而高频是图像中的噪声和物体的细节人脸识别经典算法经典人脸识别算法小结——EigenFace,FisherFace&LBPH（上）经典人脸识别算法小结——EigenFace,FisherFace&LBPH（下）LBPLBP特征原理及代码实现LBP局部二值特征MSLBPKD-treeAlgorithmk-dtree算法

Gerwels_JI·2019-03-13 22:47

语义分割-CVPR2018 Discriminative Feature Network（DFN）

这篇博客只是为了学习交流使用，来源知乎ycszen的文章。论文：arxiv.org/abs/1804.09337代码：https://github.com/ycszen/TorchSeg详细解读请见：CVPR2018|旷视科技Face++提出用于语义分割的判别特征网络DFN目录1.介绍2.网络结构3.实验1.介绍现有语义分割方法仍然有待解决的两类挑战：类内不一致和类间无差别。所以，本文从宏观角度出

Threelights·2019-03-07 19:15

开源自然语言处理工具包hanlp中CRF分词实现详解

adnb34g·2019-02-27 11:00

开源自然语言处理工具包hanlp中CRF分词实现详解

[gerative-discriminative.png]CRF训练这类耗时的任务，还是交给了用C++实现的CRF++。关于CRF++输出的CRF模型，请参考《CRF++模型格式说明》。

adnb34g·2019-02-27 09:52

L2-constrained Softmax Loss for Discriminative Face Verification

摘要：softmax损失优化出来的特征不具有较高的类内相似度得分及较低的类间相似度得分。论文增加了特征描述子的L2约束，使得特征分布在具有固定半径的超球上。大多数现有的使用softmax损失训练的DCNN方法倾向于在高质量的数据上过拟合，对于困难人脸常分类错误。作者通过观察发现，softmax损失学习到的特征的L2-norm是人脸图像质量的反映，高质量的人脸具有较大的L2-norm，模糊或极端姿态

cv_family_z·2019-01-22 10:07

关于“Deep Variational Metric Learning”

创新：提出deepvariationalmetriclearning(DVML)框架：-刻画类内差异（variance），解开（disentangle）类内不变性（invariance）-产生判别样本（discriminative

Allen_David·2018-12-25 23:23

置信度

判别类(discriminative)方法都有判别器，判别器的响应代表某个样本的分类置信度，即判别器的响应可以作为跟踪置信度指标。

努力学习编程的朱小妹·2018-12-06 20:18

CSR-DCF视频目标跟踪源码运行笔记

AlanLukezic等论文出处：CVPR2017文章链接：https://arxiv.org/abs/1611.08461补充材料：https://www.semanticscholar.org/paper/Discriminative-C

越野者·2018-11-17 02:37

CVPR2018 | 细粒度分类 : Learning a Discriminative Filter Bank within a CNN（DFL-CNN）及tensorflow实现

论文题目：LearningaDiscriminativeFilterBankwithinaCNNforFine-grainedRecognitiontensorfow代码地址：https://github.com/mengrang/DFL-CNN-tensorflow文章亮点：端到端弱监督地增强mid-level学习能力：1.取特征图聚类中心来初始化的1*1*C卷积核检测判别性区域2.非对称多分支

孟让·2018-11-16 14:01

机器视觉与模式识别论文术语及常用单词（持续更新）

circumvent：规避,解决discriminative：判别re-detection：重新检测videosurveillance：视频监控vehiclenavigation：车辆导航humanmachineinteraction

cv阿文·2018-11-08 15:57

[CVPR 18] Discriminative Learning of Latent Features for Zero-Shot Recognition

零样本学习新进展：使用鉴别性特征实现零样本识别DiscriminativeLearningofLatentFeaturesforZero-ShotRecognition本文亮点：对人类定义属性进行扩充，学习隐含属性。ZSL零样本学习(zero-shotlearning,ZSL)详见郑哲东在知乎中的回答。它的目标是通过训练阶段从已见类别中学习到的知识，来识别未见类别。Abstract摘要：零样本学习

hairui88·2018-11-02 18:24

文章理解：Fast Discriminative Visual Codebooks using Randomized Clustering Forests

分裂属性：随机聚类森林以简单的对特征点中的某一维与随机阈值进行比较作为节点的分裂属性，训练样本集在树上递归地分离为两部分。随机聚类决策森林算法的测试属性的选择是完全随机的，在使用训练样本进行决策树训练时，在所有参与分类的属性中随机选择测试属性，并与随机生成的阈值进行比较，将训练样本分类两个分支，这个过程循环下去，直到叶节点为止。视觉单词：随机聚类森林中每棵随机树的叶子节点均被视为视觉单词。理论上不

Connieammy·2018-10-25 22:56

文章理解：Fast Discriminative Visual Codebooks using Randomized Clustering Forests

分裂属性：随机聚类森林以简单的对特征点中的某一维与随机阈值进行比较作为节点的分裂属性，训练样本集在树上递归地分离为两部分。随机聚类决策森林算法的测试属性的选择是完全随机的，在使用训练样本进行决策树训练时，在所有参与分类的属性中随机选择测试属性，并与随机生成的阈值进行比较，将训练样本分类两个分支，这个过程循环下去，直到叶节点为止。视觉单词：随机聚类森林中每棵随机树的叶子节点均被视为视觉单词。理论上不

Connieammy·2018-10-25 22:56

推荐频道

discriminative

【Transfer Learning】Adversarial Discriminative Domain Adaptation

语义分割--(DFN)Learning a Discriminative Feature Network for Semantic Segmentation

Deep Discriminative Latent Space for Clustering 翻译

Learning Deep Features for Discriminative Localization论文阅读

Online Tracking by Learning Discriminative Saliency Map with Convolutional Neural Network

Discriminative unsupervised feature learning with convolutional neural networks

Deep clustering:Discriminative embeddings for segmentation and separation 简析

详解概率图模型——概述

Cascaded Generative and Discriminative Learning for Microcalcification Detection in Breast Mammogram

对抗生成网络（Generative Adversarial Net)

概率图模型的学习——Probabilistic Graphical Model

文献阅读：ACCURATE AND FAST FINE-GRAINED IMAGE CLASSIFICATION VIA DISCRIMINATIVE LEARNING

【论文笔记】Unsupervised Information Extraction: Regularizing Discriminative Approaches with RelDist loss

辨别式与生成式分类器的区别：逻辑回归和朴素贝叶斯的比较（On Discriminative vs. Generative classifiers: A comparison of logisti...

论文笔记-Robust Online Multi-Object Tracking based on Tracklet Confidence and Online Discriminative Appearance

《Max-Margin DeepWalk: Discriminative Learning of Network Representation》简评

论文笔记:Learning Deep Features for Discriminative Localization

判别式模型(discriminative model)和生成模型（generative model）

[PaperNotes]CAM (Learning Deep Features for Discriminative Localization)

Learning Deep Features for Discriminative Localization 阅读笔记

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

CAM论文剖析（Learning Deep Features for Discriminative Localization）

[翻译]Learning Deep Features for Discriminative Localization

Tensorflow量化模型

Adversarial Discriminative Domain Adaptation 论文翻译

朴素贝叶斯(Naive Bayes)

Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition，细粒度图像识别

【人脸识别】视频帧聚合：Discriminative Aggregation Network

【人脸识别】视频帧聚合：Discriminative Aggregation Network

LADCF目标跟踪算法学习笔记（Learning Adaptive Discriminative Correlation Filters via Temporal Consistency prese）

论文MGN笔记《Learning Discriminative Features with Multiple Granularities for Person Re-Identification》

【论文】Center Loss: A Discriminative Feature Learning Approachfor Deep Face Recognition

ADDA: Adversarial Discriminative Domain Adaptation

机器学习 | 西瓜书学习笔记 ch07：贝叶斯分类器

表情识别论文阅读——Island Loss for Learning Discriminative Features in Facial Expression Recognition

解读：Learning Generalizable and Identity-Discriminative Representations for Face Anti-Spoofing

DSST (Discriminative Scale Space Tracking) 文章分析（一）

【Discriminative Representation Combinations for Accurate Face Spoofing Detection】人脸防伪阅读过程中的疑惑

语义分割-CVPR2018 Discriminative Feature Network（DFN）

开源自然语言处理工具包hanlp中CRF分词实现详解

开源自然语言处理工具包hanlp中CRF分词实现详解

L2-constrained Softmax Loss for Discriminative Face Verification

关于“Deep Variational Metric Learning”

置信度

CSR-DCF视频目标跟踪源码运行笔记

CVPR2018 | 细粒度分类 : Learning a Discriminative Filter Bank within a CNN（DFL-CNN） 及tensorflow实现

机器视觉与模式识别论文术语及常用单词（持续更新）

[CVPR 18] Discriminative Learning of Latent Features for Zero-Shot Recognition

文章理解：Fast Discriminative Visual Codebooks using Randomized Clustering Forests

文章理解：Fast Discriminative Visual Codebooks using Randomized Clustering Forests

CVPR2018 | 细粒度分类 : Learning a Discriminative Filter Bank within a CNN（DFL-CNN）及tensorflow实现