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...

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...

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...

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。...

数据结构和算法解决是“如何让计算机更快时间、更省空间的解决问题”。 因此需从执行时间和占用空间两个维度来评估数据结构和算法的性能。 分别用时间复杂度和空间复杂度两个概念来描...

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...

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。...

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...

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...

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...

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...

自从 2012 年在一个图像识别比赛上，一个神经网络的性能超过人类后，深度学习就火了起来，但当时只有少数人会预料到接下来会发生什么。 在过去的十年里，有越来越多的算法面世，...

1. 推荐系统能做什么--推荐系统最终可以把那些会在用户和物品之间产生的连接提前找出来。 这里说的连接，含义非常广泛，凡是能够产生关系的都是连接，包括用户对物品的行为，或者...

这篇文章主要是介绍一些 python 的技巧。 1. Lambda, map, filter, reduce 因为快速声明的特点使得 lambda 非常适合用于回调函数以及...

Pandas 是一个广泛应用于数据分析等领域的 Python 库。关于它的教程有很多，但这里会一些比较冷门但是非常有用的技巧。 这是一个大家都应该知道的函数，因为它就是读取...