mae 第9页

Meta AI发布图音文大一统模型Data2vec，4天在GitHub揽1.5万星

图像、语音、文本都可以处理，效果还都不错，在CV方面甚至超过了包括MAE、MaskFeat在内的一众模型。这是怎么做到的？我们来看看Data2vec的思路和结构。

QbitAl·2022-12-15 18:45

Pytorch中的损失函数

L1损失函数：又称，L1范数损失、最小绝对值偏差（LAD）、最小绝对值误差（LAE）MAE也是指L1损失函数。把目标值yi与模型输出（估计值）f(xi)做绝对值得到的误差。

Mark_Aussie·2022-12-15 12:47

极市直播回放第106期丨阿里达摩院：兼顾速度与精度的高效目标检测框架DAMO-YOLO

DAMO-YOLO是在YOLO框架基础上引入了MAE-NAS、efficient-RepGFPN、ZeroHead、蒸馏等一系列新技术，对整个检测框架进行了大幅的修改。

极市平台·2022-12-15 08:26

显著性检测的评价指标代码

包括MAE、Pre、Rec、F-measure、Auc、CC、NssMAE：平均绝对误差MAE（meanabsoluteerror），范围[0,+∞)，当预测值与真实值完全吻合时等于0，即完美模型；误差越大

天明月落·2022-12-14 23:04

class mx.metric.EvalMetric的子类

源代码中在介绍了mx.metric.EvalMetric这个类之后，后面还写了几个子类比如Accuracy‘acc’TopKAccuracy'top_k_acc'F1MAE----meanabsoluteerrorlossMSE

PoincareKreiss·2022-12-14 18:12

哭了，复现TensorFlow版本MAE的shuffle和reshuffle

在encoder的输入需要非maskedtoken，然后decoder的输入需要把对应位置的token用0代替进去，只想解决这个接口，所以解决目标就是按指定位置先取出对应的token，省略中间处理步骤，在按照index位置把非maskedtoken塞回原大小矩阵。废了2个小时，菜狗终于解决了这个问题（丢）写了个小测试代码importtensorflowastfimportnumpyasnp#值矩阵

Beryl已存在·2022-12-14 17:13

模型评估的方法介绍

建模的评估一般可以分为回归、分类和聚类的评估，本文主要介绍回归和分类的模型评估：一、回归模型的评估主要有以下方法：指标描述metrics方法MeanAbsoluteError(MAE)平均绝对误差fromsklearn.metricsimportmean_absolute_errorMeanSquareError

william118·2022-12-14 15:38

目标检测常用损失函数-类别损失+位置损失

目录类别损失1.交叉熵损失CrossEntropyLoss2.FocalLoss改进的交叉熵损失函数位置损失1.L1Loss平均绝对误差（MeanAbsoluteError,MAE）2.L2Loss均方误差损失

无止境x·2022-12-14 11:53

目标检测中常用的损失函数汇总

目标检测中的损失函数目标检测类别损失交叉熵focalloss位置损失L1（MAE），L2（MSE），smoothL1损失函数IoULossGIoUlossDIoULossCIoULoss语义分割目标检测目标检测中的损失函数通常由两部分组成

MoMona_W·2022-12-14 11:52

目标检测常用的损失函数

L2损失(平均绝对误差MAE)表示了预测值的平均误差幅度，而不需要考虑误差的方向优点：无论对于什么样的输入值，都有着稳定的梯度，不会导致梯度爆炸问题，具有较为稳健性的解。

多动的老鼠·2022-12-14 11:14

【ICML2022】LightNAS系列解读之一：基于最大熵原理的目标检测搜索方法MAE-Det

本文解读我们ICML2022上发表的论文《MAE-DET:RevisitingMaximumEntropyPrincipleinZero-ShotNASforEfficientObjectDetection

AI Earth地球科学云平台·2022-12-14 10:24

R语言使用caret包的knnreg函数拟合KNN回归模型：使用predict函数和训练好的模型进行预测推理、计算回归模型的评估指标MAE、MSE、RMSE

R语言使用caret包的knnreg函数拟合KNN回归模型：使用predict函数和训练好的模型进行预测推理、计算回归模型的评估指标MAE、MSE、RMSE目录

statistics.insight·2022-12-14 03:31

MAE：掩码自编码器是可扩展的视觉学习者 v2

原文：HeK,ChenX,XieS,etal.Maskedautoencodersarescalablevisionlearners[C]//ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition.2022:16000-16009.源码：https://github.com/facebookresearch/m

Civisky·2022-12-13 21:52

MAE(掩码自编码器)是可扩展的计算机视觉自监督学习方法

“MaskedAutoencodersAreScalableVisionLearners.”ArXivabs/2111.06377(2021).1.Abstract本文证明了掩码自编码器(MAE)是一种可扩展的计算机视觉自监督学习方法

Civisky·2022-12-13 21:22

分享 | masked自编码器（MAE）：一种可扩展的用于计算机视觉任务的自监督学习器

本文证明了masked自编码器（MAE）是一种可扩展的用于计算机视觉任务的自监督学习器。

深兰深延AI·2022-12-13 21:49

何恺明新作MAE：通向CV大模型

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨科技猛兽编辑丨极市平台导读本文对何恺明的新作MAE进行了深度的解析，他提出一种用于计算机视觉的可扩展自监督学习方案MaskedAutoEncoders

Tom Hardy·2022-12-13 21:18

MAE：Masked Autoencoders Are Scalable Vision Learners(带掩码的自编码器是可扩展的学习器)论文阅读

目录MaskedAutoencodersAreScalableVisionLearnersAbstractIntroductionApproachMaskingMAEencodingMAEdecoderReconstructiontargetSimpleimplementationExperiments消融实验TransferLearningExperimentsMaskedAutoencoder

独上归州·2022-12-13 21:47

【多尺度混合卷积】Transformer模型ConvMAE开源：进一步挖掘和提升 MAE 的性能

作者||科技猛兽转载||极市平台编辑||3D视觉开发者社区✨如果觉得文章内容不错，别忘了三连支持下哦~导读多尺度的金字塔式架构+局部的归纳偏置的模型，能不能经过MAE的训练方式之后，进一步挖掘和提升MAE

奥比中光3D视觉开发者社区·2022-12-13 21:17

时隔两年，CV大神何恺明最新一作：视觉预训练新范式MAE！大道至简！

团队提出MAE模型，将NLP领域大获成功的自监督预训练模式用在了计算机视觉任务上，效果拔群，在NLP和CV两大领域间架起了一座更简便的桥梁。CV大神何恺明又出力作！

Python数据之道·2022-12-13 21:46

MAE：简单实用的自监督学习方案，高达87.8%准确率！仅用ImageNet-1K...

所提MAE极为简单：对输入图像进行块随机mask并对遗失像素进行重建。该方案使得所得高精度模型具有很好的泛化性能：仅需ImageNet-1K，ViT-Huge取得了87.8%的top1精度。

Amusi（CVer）·2022-12-13 21:15

深度分析何恺明新作MAE：通向CV大模型

本文目录1MAE1.1Self-supervisedLearning1.2MaskedAutoEncoder(MAE)方法概述1.3MAEEncoder1.4MAEDecoder1.5自监督学习目标函数

极市平台·2022-12-13 21:15

何恺明最新工作：简单实用的自监督学习方案MAE，ImageNet-1K 87.8%

作者丨happy编辑丨极市平台本文首发于极市平台，转载须经授权并注明来源论文链接：https://arxiv.org/pdf/2111.06377.pdf恺明出品，必属精品！这篇文章延续了其一贯的风格：简单且实用。这篇文章仍属于恺明最近两年的研究领域：自监督领域(自监督学习就是被他带火的吧)。本文的出发点则是BERT的掩码自编码机制：移除一部分数据并对移除的内容进行学习。掩码自编码源于CV但盛于N

极市平台·2022-12-13 21:14

CV-掩码学习-模型-2021：MAE【在NLP和CV两大领域之间架起了一座更简便的桥梁】

此文最大的贡献，可能是在NLP和CV两大领域之间架起了一座更简便的桥梁。此前，大名鼎鼎的GPT和BERT已经将大型自然语言处理（NLP）模型的性能提升到了一个新的高度。直观点讲，就是事先遮住一些文本片段，让AI模型通过自监督学习，通过海量语料库的预训练，逐步掌握上下文语境，把这些被遮住的片段，用尽可能合乎逻辑的方式填回去。这和我们做「完形填空」的方式有些类似。经过海量数据的学习和训练，AI模型慢慢

u013250861·2022-12-13 21:14

自监督学习系列（一）：基于 Pretext Task

2021年末MAE更是将自监督学习带到了一个前所未有的新高度。但是繁荣的背后，自监督学习经历了漫长的迭代和发展过程。

OpenMMLab·2022-12-13 18:06

回归模型评估指标（MAE、MSE、RMSE、R²、MAPE）

1、平均绝对误差（MeanAbsoluteError,MAE）：是绝对误差的平均值，可以更好地反映预测值误差的实际情况defMAE(Y_real,Y_pre):#计算MAEfromsklearn.metricsimportmean_absolute_errorreturnmean_absolute_error

yang三毛·2022-12-12 07:26

机器学习中如何评价模型的好坏

主要学习机器学习中的基础知识Targetsforthisweek：数据拆分：训练数据集&测试数据集评价分类结果：精准度、混淆矩阵、精准率、召回率、F1Score、ROC曲线等评价回归结果：MSE、RMSE、MAE

Charles Han·2022-12-11 18:53

【机器学习】（二）——如何评价模型的好坏

学习目标：1、数据拆分：训练数据集&测试数据集2、评价分类结果：精准度、混淆矩阵、精准率、召回率、F1Score、ROC曲线等3、评价回归结果：MSE、RMSE、MAE、RSquared知识整理：【1】

独脚行·2022-12-11 17:43

回归预测基于ELMAN递归神经网络预测及其matlab代码实现

1.2Elman结构组成1.3ELMAN训练界面的参数解读2.建立ELMAN神经网络的步骤3.编写MATLAB代码4.ELMAN程序运行结果4.1各层的神经元个数的确定过程4.2预测值和真实值的误差计算（SSE、MAE

CJ-leaf·2022-12-11 08:32

计算机视觉之SSD改进版本(平滑L1范数损失与焦点损失)《4》

在计算机视觉之单发多框检测(SingleShotMultiBoxDetector)模型《3》中我们使用到的是L1范数损失，L1范数损失也叫做平均绝对误差（MAE），目标值与预测值之差的绝对值的和，表示的是预测值的平均误差幅度

寅恪光潜·2022-12-11 00:05

一篇博客详解朴素贝叶斯解分类问题

分类机率正态分布覆盖原理高斯分布函数极大似然估计求最优参数朴素贝叶斯法用同一个协方差三步骤模型的简化回归问题大概内容与之前的类似，步骤仍是三步：详见我的另一篇博客深度学习定义function或neuralnetwork定义loss函数，一般采取值越低越好，有MAE

尘心平·2022-12-10 16:15

关于机器学习模型的评估方法

其中回归问题，主要使用平均绝对误差（MAE）、均方误差（MSE）等指标进行评估；分类问题主要使用精确率、召回率、F1分数等进行评估。01回归问题回归问题主要有两种评价指标，也是我们常用的损失函数。

白话机器学习·2022-12-09 17:08

损失函数统计

L1Loss最常看到的MAE也是指L1Loss损失函数。它是把目标值与模型输出（估计值）做绝对值得到的误差。由于神经网络通常是解决复杂问题，所以很少使用。

三的五次方·2022-12-08 21:54

深度学习中常见的损失函数（L1Loss、L2loss）

L1_loss平均绝对误差（L1Loss）:平均绝对误差（MeanAbsoluteError,MAE）是指模型预测值f(x)和真实值y之间距离的平均值，公式如下：优点：无论对于什么样的输入值，都有着稳定的梯度

脑袋里都是水·2022-12-08 21:16

目标检测回归损失函数——L1、L2、smooth L1

一、L1Loss1.函数特性L1Loss也称为平均绝对值误差（MAE），是指模型预测值f(x)和真实值y之间绝对差值的平均值，公式如下：其中和分别表示第个样本的预测值及相应真实值，为样本的个数。

思绪零乱成海·2022-12-08 21:15

[计算机视觉]-MSE、MEA、L1、L2、smooth L1解释及优缺点

MAE损失函数MAE=∑i=1n∣yi−yip1∣nMAE=\frac{\sum_{i=1}^{n}\midy_{i}-y_{i}^{p_{1}}\mid}{n}MAE=n∑i=1n∣yi−yip1∣以分类问题举例

orangezs·2022-12-08 21:39

Kaiming的MAE，yeild 最简单直接的理解

今天看MAE代码的过程中，发现了enumerate配合yeild函数一起出现，弄得我是晕头转向，在查了一些资料后，总结如下。

f(x)682·2022-12-08 17:44

机器学习10线性回归法Linear Regression

简单线性回归的实现三、向量化运算四、衡量线性回归法的指标，MSE,RMS,MAEMSE均方误差（MeanSquaredError）RSE均方误差（RootMeanSquaredError）平均绝对误差MAE

淅淅同学·2022-12-08 13:51

R语言使用gbm包的gbm函数拟合梯度提升机回归模型：使用predict函数和训练好的模型进行预测推理、计算回归模型的评估指标MAE、MSE、RMSE、R方等指标

R语言使用gbm包的gbm函数拟合梯度提升机回归模型：使用predict函数和训练好的模型进行预测推理、计算回归模型的评估指标MAE、MSE、RMSE、R方等指标目录

statistics.insight·2022-12-06 14:14

阿里天池—2022江苏气象预测AI算法挑战赛

文章目录摘要一、数据分析二、MAE简介三、Transformer简介四、模型搭建(还未写......)摘要ThisisameteorologicalforecastingcompetitionbeingheldbyAliTianchi.Thecontestantsneedtopredictfuturemeteorologicaldatabasedonpastmeteorologicaldata

原来如此-·2022-12-06 12:55

机器学习9衡量线性回归法的指标，MSE,RMS,MAE

文章目录一、衡量线性回归法的指标，MSE,RMS,MAE1、MSE均方误差（MeanSquaredError）2、RSE均方误差（RootMeanSquaredError）3、平均绝对误差MAE（MeanAbsoluteError

淅淅同学·2022-12-06 07:28

多元回归分析 | XGBoost多输入单输出预测（Matlab完整程序）

）目录多元回归分析|XGBoost多输入单输出预测（Matlab完整程序）预测结果评价指标程序设计参考资料预测结果评价指标训练集数据的R2为：0.99994测试集数据的R2为：0.8501训练集数据的MAE

小橘算法屋·2022-12-05 20:36

首个大规模图文多模态数据集LAION-400M介绍

就在前几天（2022年12月），连Kaiming都入手这一领域，将MAE的思路与CLIP的思路结合，推出了FLIP，有兴趣可戳（https://arxiv.org/abs/2212.00794）。

木盏·2022-12-05 15:14

何恺明团队新作FLIP：MAE助力CLIP更快更高精度！

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群转载自：AIWalkerScalingLanguage-ImagePre-trainingviaMasking论文：https://arxiv.org/abs/2212.00794本文提出一种用于训练CLIP的简单而有效的方案FLIP(FastLanguage-ImagePre-training,FL

Amusi（CVer）·2022-12-05 14:59

论文推荐：使用带掩码的孪生网络进行自监督学习

kaiming大神的MAE为ViT和自监督的预训练创造了一个新的方向，本篇文章将介绍MaskedSiameseNetworks(MSN)，这是另一种用于学习图像表示的自监督学习框架。

数据派THU·2022-12-04 12:53

北大美女学霸力压大神何恺明新作MAE！怒摘12个SOTA，灵感竟来自16年前CVPR论文...

CV大神何恺明的力作「MaskedAutoencodersAreScalableVisionLearners」（MAE）刚出了一个多月。又有新SOTA出来了！

深度学习技术前沿·2022-12-04 06:08

MAE 自监督算法介绍和基于 EasyCV 的复现

简介：自监督学习（Self-SupervisedLearning）能利用大量无标注的数据进行表征学习，然后在特定下游任务上对参数进行微调。通过这样的方式，能够在较少有标注数据上取得优于有监督学习方法的精度。近年来，自监督学习受到了越来越多的关注，如YannLecun也在AAAI上讲Self-SupervisedLearning是未来的大势所趋。在CV领域涌现了如SwAV、MOCO、DINO、MoB

阿里云云栖号·2022-12-04 06:08

MAE同期工作！MSRA新作SimMIM收录CVPR 2022！高达87.1%准确率！掩码图像建模新框架...

重磅干货，第一时间送达作者：机智勇敢萌刚刚|已授权转载（源：知乎）编辑：CVerhttps://zhuanlan.zhihu.com/p/435389007前言Amusi注意到去年11月份何恺明一作的MAE

Amusi（CVer）·2022-12-04 06:31

何恺明一作论文 MAE 已有人复现！Pytorch版

小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达仅作学术分享，不代表本公众号立场，侵权联系删除转载自：AI算法与图像处理复现代码：https://github.com/pengzhiliang/MAE-pytorch

小白学视觉·2022-12-03 17:28

scikit-learn学习总结(python3入门机器学习)

scikit-learn中对机器学习算法的封装sklearn统一用法KNNscalar简单线性回归原理基于sklearn的实现评价回归算法的指标：MSE,RMS,MAEsklearn中实现MSE和MAE

视觉AI·2022-12-03 16:27

PSO-GRU多变量回归预测，粒子群优化门控循环单元(Matlab)

3.命令窗口输出R2、MAE和RMSE。4.粒子群优化门控循环单元,优化隐含层单元数量和初始学习率。注意程序和数据放在一个文件夹，运行环境为Matlab2020及以上.ID:512

「已注销」·2022-12-03 15:56

推荐频道

mae