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。

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述性能问题，二者统称为复杂度。 复杂度描述的是算法执行时间（或占用空间）与数据规模的增长关系。 和性能测试…