paperweekly
来源:互联网 发布:android批注涂鸦源码 编辑:程序博客网 时间:2024/06/08 03:04
Margin Sample Mining Loss: A Deep Learning Based Method for Person Re-identification
1. 文章提出了一种新的度量学习方法 Margin sample mining loss - MSML。Triplet loss 是一种非常常用的度量学习方法,Quadruplet loss 和 Triplet hard batch loss(TriHard loss)是它的两个改进版本,而 MSML 是吸收了 Quadruplet loss 和 TriHard loss 两个优点的综合体,实验证明 MSML 能够在 person ReID 的公开数据集上取得很好的结果;
2. 这个方法不止可以应用于 person ReID,而是一种通用的度量学习方法,进一步可以延伸到图像检索等相关的各个领域。
Scale-adaptive Convolutions for Scene Parsing
ICCV'17 Poster。 简而言之,文章提出了一个 scale-adaptive 的 dilation conv层。
1. 与 fixed coefficient 的 dilation conv 相比,本文提出的 scale-adaptive conv 层通过前一层的 feature 对于每一个位置预测一个 variant coefficient。对于大物体,我们应该需要更大的感受野,因此得到一个大的系数;对于小物体,我们应该关注细节而忽略背景,则缩小感受野更加强调细节的 feature。可以参考文章图 3 理解;
2. dilation 系数非整数时,使用常见的 STN 中的 bilinear interpolation 做到可以 e2e 的学习;
3. 合理的初始化系数回归层的参数,并在训练时进行对其 clip,使得 dilation 系数位于一个合理的范围内;
4. 文章提到在高层使用效果较好;
5. 即插即用,较小的额外参数和计算开销。相比 baseline 不加多尺度训练的情况下可以在 cityscape 上涨 2 个多点。
- paperweekly
- paperweekly
- paperweekly-迁移学习
- HPC-paperweekly-01(3月)
- PaperWeekly 第38期 | SQuAD综述
- paperweekly 李纪为 对话机器人直播。
- PaperWeekly 第34期 | VAE在chatbot中的应用
- PaperWeekly社区 | 知识图谱 vs. 对话系统专题讨论
- PaperWeekly 第二十五期 --- 增强学习在image caption任务上的应用
- PaperWeekly 第32期 | 基于知识图谱的问答系统关键技术研究 #01
- PaperWeekly 第52期 | 更别致的词向量模型:Simpler GloVe
- PaperWeekly 第53期 | 更别致的词向量模型:Simpler GloVe
- 基于神经网络的实体识别和关系抽取联合学习 | PaperWeekly #54
- 直播预告:基于动态词表的对话生成研究 | PaperWeekly x 微软亚洲研究院
- perl 和 python中的回调函数
- jQuery的初始加载函数和html事件加载顺序
- Python 3.6 Json 序列化
- python3环境下的pandas,其max方法有一个大坑
- 【Oracle】重命名表空间
- paperweekly
- 由mp3音频录制 初探NDK编程
- lavarel 响应宏
- Android Eclipse实现Google Pay内支付
- 【BZOJ3379】【USACO2004】交作业 区间DP
- WEB-INF目录防止通过URL直接访问
- 算法之路
- C++Primer第三章习题(2)
- 设计模式——适配器模式