发表评论取消回复
相关阅读
相关 2019CVPR细粒度论文笔记《Destruction and Construction Learning for Fine-grained Image Recognition》
CVPR2019的一篇细粒度分类,京东AI研究院: Chen Y, Bai Y, Zhang W, Mei T. Destruction and Constru
相关 细粒度论文笔记《Webly Supervised Learning Meets Zero-Shot Learning: A Hybrid Approach for FGVC 》
L. Liu, A. Veeraraghavan, A. Sabharwal. Webly Supervised Learning Meets Zero-Shot Learni
相关 机器学习笔记1-Supervised learning
1.1 Generalized Linear Models both of these methods mentioned before are special cases
相关 机器学习笔记1-Supervised learning
1.1 Classification and logistic regression classification problem is just like the reg
相关 机器学习笔记1-Supervised learning
本文来自斯坦福大学公开课CS229,Andrew Ng学习笔记 1.1 引言 从一个房屋面积和价格的关系入手,房屋面积和价格的数据集如下: ![这里写图片描述][2
相关 机器学习笔记2-Supervised learning
1.1 Probabilistic interpretation why might the least-squares cost function J, be a rea
相关 《A Discriminative Feature Learning Approach for Deep Face Recognition》论文笔记
1. 论文思想 在这篇文章中尉人脸识别提出了一种损失函数,叫做center loss,在网络中加入该损失函数之后可以使得网络学习每类特征的中心,惩罚每类的特征与中心之间的
相关 Disentangled Variational Auto-Encoder for Semi-supervised Learning论文阅读
这篇论文主要讲了在求隐变量的过程中就提取了特征信息,然后用来一些约束效果比较好。 公式10的推导:(感觉不太懂为什么。。。。不太对但推出来了) ![201811220007
相关 Semi-supervised Learning with Deep Generative Models论文笔记
Abstract 现代数据集的规模不断扩大, 加上获取标签信息的难度, 使得半监督学习成为现代数据分析中具有重要现实意义的问题之一。我们重新审视使用生成模型进行半监督学习的方
相关 Center Loss: A Discriminative Feature Learning Approach for Deep Face Recognition(论文阅读笔记)
摘要 卷积神经网络(CNNs)在计算机视觉领域得到了广泛的应用,极大地提高了计算机视觉领域的技术水平。在现有的神经网络中,大多采用softmax损失作为监督信号来训练模型
还没有评论,来说两句吧...