AI 算法笔记

单应性估计方法在低纹理和低重叠率的场景中效果并不好，因此本文提出了基于上下文相关性的多网格单应性估计方法来同时解决这两个问题。

Dropout 是一种深度学习常用的正则化方法，在其提出后也有了很多不同的改进方法，对其进行了优化。

MobileNetV1是常用于手机端部署的轻量级网络，但其量化效果非常差，高通探索了其根因并提出一个量化友好的深度卷积层，有效解决了其量化效果糟糕的问题。

本文是提出基于标准交叉熵的 focal loss，使得网络可以专注于学习难分类的样本，并且提出了一个一阶段的检测框架，采用 FPN 作为骨干网络，并设计了分类子网络和检测框回归子网络。

本文介绍了采用Colab Pro 和 Google 硬盘来完成 Kaggle 上比赛的方法，这种方法虽然需要付费，但是可以用性能更好的 GPU 显卡或者 TPU，并且训练会话时间也更加长。

7个有用的 PyTorch 技巧，并且每个技巧都有代码配合讲解，同时原作者还录制了视频辅助讲解每个技巧。

论文：《Learning Similarity Conditions Without Explicit Supervision》论文地址：https://arxiv.org/pdf/1908.0858

基于 cnn+双向 lstm 实现服饰搭配的生成，输入形式可以是图片，也可以是文本，或者文本和图片的结合。

开始重新巩固一下机器学习的内容，先从基本的一些概念和定义开始。 1. 机器学习的基本定义 机器学习算法是一种能够从数据中学习的算法。那么这里的学习的定义是什么呢？这里有一个简单的定义： 举例来说这个定义，比如对于图像分类这个任务，一般的性能度量 P 就是分类的准确率，而经验 E…

2. 概率论 事件的概率是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。 机器学习通常必须处理不确定量，有时候也需要处理随机量。几乎所有的活动都需要一些在不确定性存在的情况下进行…

本文是第一篇，线性代数部分的内容，主要是比较基础部分的学习笔记。 1. 线性代数 一个标量表示一个单独的数，它不同于线性代数中研究的其他大部分对象（通常是多个数的数组）。我们用斜体表示标量。标量通常被赋予小写的变量名称。 一般会明确标量属于哪种类型，比如定义实数标量时，会说“令…

1. draw_convnet 2. NNSVG 3. PlotNeuralNet 这个工具是基于 Latex 代码实现的用于绘制网络结构，可以看看使用例子看看这些网络结构图是如何绘制出来的。 4. TensorBoard 使用过 TensorFlow 的都应该知道这个绘图工具…

接下来是简单介绍这份代码的情况，基本实现的功能，效果等。 这是一个简单实现了学习和可视化 2d 的 GANs 的实验代码。在训练了数十个小时的 StyleGAN 后，现在可以通过快速的迭代（30s 左右）来直观的可视化一些超参数的情况（但是并不确定这种直观情况是否可以适用于更大…

今天要介绍的是一个 Github 项目，项目地址如下，它实现了对线稿的自动上色功能，效果还是很不错的，一起来看看吧。 本项目主要实现了自动将线稿转成彩色图片的功能。当然，我们可以只训练处理线稿的神经网络，但实际应用中我们需要提前用指定颜色给线稿上色的功能。实现上色的方法有很多，…

本文推荐的教程资源都是基于我个人的经验，它们对增加你的计算机视觉理论知识非常有帮助。另外，在学习计算机视觉的理论前，先了解和学习机器学习和 python 方面的知识是更好的做法。 不需要在开始学习计算机视觉的时候，就选择使用框架，但应用新获得的知识是必要的。 Pytorch 可…

类别不平衡(Class-imbalance)，也被称为长尾问题(long-tail problem)，指的是分类问题中数据集的类别数量并不一致，有的类别特别多，但有的类别特别少，并且这是实际应用里非常常见的问题。例如，欺诈检测，罕见药物不良反应的预测，以及基因家族预测。因为类别…

1. PyTorch 基础 PyTorch 是数值计算方面其中一个最流行的库，同时也是机器学习研究方面最广泛使用的框架。在很多方面，它和 NumPy 都非常相似，但是它可以在不需要代码做多大改变的情况下，在 CPUs，GPUs，TPUs 上实现计算，以及非常容易实现分布式计算的…

上一篇文章介绍了前面 6 小节，从深度学习的定义到介绍了神经网络、前向神经网络、卷积神经网络、循环神经网络以及递归神经网络，接下来会介绍剩余的几个算法以及两大应用方向。 7. 自动编码器（AutoEncoders） 自动编码器[11] 通常是作为一个非监督算法使用，并且主要应用…

上一篇文章简单介绍了推荐系统的定义和应用，推荐系统第二篇，简单介绍用户画像的知识， 以及通过文本来构建用户画像的知识。 用户画像其实就是从海量的用户数据中，建模抽象出来每个用户的属性标签体系，这些属性通常需要具有一定的商业价值。 而如果从计算机的角度，用户画像是对用户信息的向量…