目标检测经典作:有向目标检测方法oriented r-cnn-爱代码爱编程
来源:投稿 作者:摩卡 编辑:学姐 Motivation 由于当前的旋转目标检测模型(e.g., Rotated RPN, RoI Transformer)通过引入大量不同大小、角度的Anchors以此提升旋转目标检测的性能,或者是在生成水平Anchors的基础上进行RoI Alignment从而生成更精准的Oriented Anchors.
代码编织梦想
来源:投稿 作者:摩卡 编辑:学姐 Motivation 由于当前的旋转目标检测模型(e.g., Rotated RPN, RoI Transformer)通过引入大量不同大小、角度的Anchors以此提升旋转目标检测的性能,或者是在生成水平Anchors的基础上进行RoI Alignment从而生成更精准的Oriented Anchors.
来源:投稿 作者:阿克西 编辑:学姐 建议搭配视频学习↓ 视频链接:https://ai.deepshare.net/detail/p_5df0ad9a09d37_qYqVmt85/6 1.数据增强(data augmentation) 数据增强又称为数据增广,数据扩增,它是对训练集进行变换,使训练集更丰富,从而让模型更具泛化能力。
今天介绍一本kaggle出版的竞赛书籍。 这本书结合真实的kaggle竞赛题目,以及它们的冠军团队方案,介绍了参与机器学习竞赛的一些基础知识、经验技巧等。 内容涵盖Kaggle的介绍、建模问题以及技巧、如何利用Kaggle的经历来丰富简历等等。 书籍简介 参加 Kaggle 竞赛是提高数据分析技能、与社区其他人建立联系并获得宝贵经验以帮助发展职
赛题名称:Predict Student Performance from Game Play 从游戏中预测学生的表现 赛题链接:https://www.kaggle.com/competitions/predict-student-performance-from-game-play 赛题背景 学习意味着有趣,这就是基于游戏的学习的用武之地。这
上周ChatGPT又进化了,支持联网还有70几种第三方插件,不过还是老样子,只服务氪金玩家,免费端可能还得等等。之前只开放了俩插件,网络浏览器和代码解释器,只能说是真的不够用。 ChatGPT:不够?70多种够吗? 从这次更新的插件我们可以看到,功能五花八门,算是涉及了日常生活的各个方面。 不过插件这么多,每个人需求也不一样,不太可能
来源:投稿 作者:阿克西 编辑:学姐 建议搭配视频食用 视频链接:https://ai.deepshare.net/detail/p_5df0ad9a09d37_qYqVmt85/6 系列其他文章传送门: pytorch基础语法学习:数据读取机制Dataloader与Dataset pytorch基础语法(一) pytorch基础语法
赛题背景 帕金森病 (PD) 是一种致残的脑部疾病,会影响运动、认知、睡眠和其他正常功能。不幸的是,目前没有治愈的方法 - 并且疾病会随着时间的推移而恶化。据估计,到2037年,美国将有1万人患有帕金森病,经济成本接近6亿美元。研究表明,蛋白质或肽异常在这种疾病的发作和恶化中起着关键作用。在数据科学的帮助下,更好地了解这一点可以为开发新的药物治疗以减
来源:投稿 作者:小灰灰 编辑:学姐 论文标题:Neural Inertial Localization 论文链接: https://arxiv.org/pdf/2203.15851v1.pdf 图1.从IMU测量到位置估计。给定惯性传感器数据(左),我们的方法(中)使用神经惯性导航技术来查找速度矢量序列;然后训练一个基于场景特定
来源:投稿 作者:小灰灰 编辑:学姐 目的是:多个模型来解决同一个问题就叫集成学习,个体差异,而且多样性。 按照个体生成的方式可以分成两大类: 第一个是序列化的方法(Sequential method)(一个个体的生成与前一个有着或或少的关系)是boosting。 adabost(非常精确,非常简单,理论基础深厚) 第二个是并行化的方法
来源:投稿 作者:王同学 编辑:学姐 在过去的十年中,深度学习技术在计算机视觉领域中的应用逐年增加。其中当属「行人检测」和「车辆检测」最为火爆,其原因之一就是「预训练模型」的「可复用性」。 由于深度学习技术在这些应用场景上取得的卓越效果,企业现在已经开始使用深度学习来解决自己的问题。 但是,如果可用的预训练模型不适合你的应用场景,这时你们会
来源:投稿 作者:小灰灰 编辑:学姐 整体代码请参考深度之眼的《机器学习算法应用实战》 视频链接:https://ai.deepshare.net/p/t_pc/goods_pc_detail/goods_detail/p_5e12aa8734510_IpNUGv5w 1.无监督学习方法---主成分分析 主成分分析(PCA)是一种统计方法
https://www.kaggle.com/competitions/ieee-fraud-detection 赛题背景 想象一下,站在杂货店的收银台,身后排着长队,收银员不那么安静地宣布你的卡被拒绝了。在这一刻,你可能没有考虑决定你命运的数据科学。 尴尬,并且确定您有足够的资金来支付 50 个最亲密朋友的史诗般的玉米片派对所需的一切,您再次尝
赛题名称:Google Research - Identify Contrails to Reduce Global Warming 赛题链接:https://www.kaggle.com/competitions/google-research-identify-contrails-reduce-global-warming 赛题背景 Cont
整理自kaggle平台 https://www.kaggle.com/competitions/asl-signs 赛题背景 在美国,每天有33名婴儿出生时患有永久性听力损失。如果没有美国手语,失聪婴儿有患语言剥夺综合征的风险。 PopSign是一款智能手机游戏应用程序,使学习美国手语变得有趣、互动且易于访问。玩家将手语标志的视频与包
来源:投稿 作者:Mr.Eraser 编辑:学姐 论文链接:https://arxiv.org/pdf/1911.02357.pdf 贡献 提出了一种基于师生学习的无监督异常检测新框架:来自预训练教师网络的局部描述符用作学生集合的代理标签。模型能够在大型无标签图像数据集上利用所有可用的训练数据进行端到端知识蒸馏训练。 引入了基于学生网
来源:投稿 作者:毛华庆 编辑:学姐 前言 本课程来自深度之眼《大模型——前沿论文带读训练营》公开课,部分截图来自课程视频。 文章标题:LLaMA: Open and Efficient Foundation Language Models 向量空间中词表示的有效估计文章链接:https://arxiv.org/pdf/2302.
同学们,你们prompt是自己苦哈哈码的吗?可别了,有现成的工具为啥不用? 今天我就和大家分享一些好用的prompt工具网站,用熟了ChatGPT、midjourney、stable diffusion能玩起来更爽!搜罗了有十几个,大家自行尝试。 科研人注意看文末,我还整理了不少关于prompt的论文,经典的前沿的都有,也下载打包好了,最近prompt
资料整理自网络,有误欢迎指正 对于想要研究大模型的同学来说,目前ChatGPT无疑是最好的学习对象,但等它开源估计是不太可能了,所以学姐今天整理了一些开源的类GPT模型,帮助大家更好的理解大模型背后的机理。 PS:有的功能还不错,也可以上手玩耍玩耍。 开源链接都贴上了,不想复制粘贴的同学看文末直接领 1.Colossal AI “夸父”
都知道ChatGPT的神奇,但在prompt能力一般的人手中,它并不能发挥出最大的实力。因此,针对prompt的研究又成为了热门... 既然都是热门了,咱们科研er第一反应是啥?自然是发!论!文! 目前我已经整理了一部分prompt相关论文,经典+前沿都有(后面会陆续更新,收藏一下吧) 而且都下载好了,感兴趣的同学速度来领,免费~领取方式看文末
来源:投稿 作者:小灰灰 编辑:学姐 论文标题:MarginGAN: Adversarial Training in Semi-Supervised Learning 论文链接: https://papers.nips.cc/paper/2019/file/517f24c02e620d5a4dac1db388664a63-Paper.p