[Thu, 9 Jul 2015 ~ Tue, 14 Jul 2015] Deep Learning in arxiv
这一期的神作论文有蛮多的,都很有意思。
Feature Representation In ConvolutionalNeural Networks
该论文中论述了在某种CNN结构下,是否有准确率较高的off model的分类方法(这里是指非softmax)能达到更有效的分类结果呢?
论文给出了肯定的答案。
该论文还给出了各层特征重要性的图表,蛮有意思的
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">
该论文还交代了实验中用到的开源码。
Towards Good Practices for Very DeepTwo-Stream ConvNets
Openmpi for multi-gpu
Code: https://github.com/yjxiong/caffe/tree/action_recog
Two-Stream Convolutional Networks forAction Recognition in Videos
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">
当中单个stream的准确率例如以下:
Combine的结果例如以下:
Understanding Intra-Class Knowledge InsideCNN
该论文利用可视化技术表述了cnn是怎样进行类内区分的
另外在该文中也有引用到利用可视化表述cnn怎样进行类间区分的。
是非常好的一篇cnn可视化理解文章
COMPRESSING DEEP CONVOLUTIONAL NETWORKSUSING VECTOR QUANTIZATION
该论文描写叙述了手机级别的模型存储压缩,很好的一篇论文。
事实上模型參数的压缩不仅会起到存储空间压缩(PQ)的作用。还会起到加速模型的作用比如SVD。
Unconstrained Facial Landmark Localizationwith Backbone-Branches Fully-Convolutional Networks
论文提出了Backbone-Branches Fully-Convolutional Neural Network (BB-FCN)的网络结构,非常有趣,论文中还给出了非常多商业非商业的方法做比較,是一篇非常好的人脸定位切入文章。
当中的网络结构例如以下:
结果对照表格:
Facial Landmark Detection by DeepMulti-task Learning
多任务学习能够提高某单一任务的精度。
最新文章
- [IOS 开发] 自定义(重写) UITableViewCell的高亮背景色
- Notes for Studying Django
- c#设计模式之简单工厂
- MongoDB 基础知识
- bug-android之INSTALL_FAILED_NO_MATCHING_ABIS无法安装在虚拟机
- android studio 使用入门 (快捷键等收集)
- 添加IFrame导致内存溢出的解决过程(IE浏览器,目前发现了原因,还未解决)
- U盘启动安装CentOS 6.3
- HTML5 总结-表单-表单元素
- java类集: collection, list , set, map
- python 评论楼
- Python核心编程
- android 开发设计模式---单例模式
- 2019年3月8日A股百点暴跌行情思考
- 关于mysql中like查询是否通过索引的测试
- navLI鼠标滑上显示下拉导航
- 得到某个method所在类
- 二进制中1的个数(python)
- 动态调整UITableViewCell高度的实现方法
- 学习了django对于sqlite3进行了了解,谈谈看法