冲弱

在上一篇文章中介绍了半监督学习——分类的一些文章，今天来看一下半监督学习应用在检测领域的一些思路。。

半监督学习是机器学习中很常用的一种算法，之前有了解些大概，但没系统性的看过该领域的文章。趁着有空总结了下该领域的文章，由于文章比较多，整理完会分成两部分: 半监督学习——分类 半监督学习——检测

论文链接: [https://arxiv.org/abs/2009.12991](https://arxiv.org/abs/2009.12991)

背景 NER任务: 预测文本中具有特定意义的实体，如人名，地名等 RE任务: 多分类任务，通过NER得到了实体之后，预测任意两个实体存在怎样的关系 实体关系抽取可以分为两类方法: pipeline m

总结了6篇扩散模型文章，从DDPM到Dalle2，详细的内容点进这篇文章吧。欢迎关注我的公众号，第一时间获取更新

VAE 论文链接: https://arxiv.org/pdf/1312.6114.pdf 论文代码: https://github.com/devnag/pytorch-generative-adv

论文链接: https://proceedings.neurips.cc/paper/2014/file/5ca3e9b122f61f8f06494c97b1afccf3-Paper.pdf

场景图生成: 描述目标检测的物体之间，具有怎样的关系 为了让模型预测更有意义的关系，用了一个causal inference中的概念

长尾问题是深度学习中非常常见的问题，这篇文章总结了关于长尾问题的三种优化思路，每种思路总结了一篇文章