摘要：
Adam 是一种可以替代传统随机梯度下降（SGD）过程的一阶优化算法，它能基于训练数据迭代地更新神经网络权重。Adam 最开始是由 OpenAI 的 Diederik Kingma 和多伦多大学的 Jimmy Ba 在提交到 2015 年 ICLR 论文（Adam: A Method for Sto 阅读全文
摘要：
，本文的context Encoders需要填补一个大面积的缺失，不能从附近像素中获得提示，需要更深的语义理解，并需要在大空间范围内综合高级特征的能力。 context Encoders以完全无监督的方式训练。图像修复的任务本质上是一个multi-model，有多种方式填补缺失区域同时需要维持和给定 阅读全文
摘要：
1、正确答案 2、真实值 3、正确的标注 阅读全文
摘要：
1. Thing 事物，东西 ,（词义广泛） 例: What thing is that on the floor? 地板上是什么东西? The first thing to do is have dinner. 第一件事就是吃饭。 2. stuff 材料， 原料，（非正式, 不明事物）东西 例: 阅读全文
摘要：
1、流程图： 2、通过用object layout network来预测分割掩码和每个物体的bounding box，从而计算出scene layout场景布局。mask regression network and box regression network 3、在这两个数据集上进行实验：Vis 阅读全文
摘要：
什么是正则化？在机器学习中，我们非常关心模型的预测能力，即模型在新数据上的表现，而不希望过拟合现象的的发生，我们通常使用正则化（regularization）技术来防止过拟合情况。正则化是机器学习中通过显式的控制模型复杂度来避免模型过拟合、确保泛化能力的一种有效方式。如果将模型原始的假设空间比作“天 阅读全文
摘要：
L1，L2以及Smooth L1是深度学习中常见的3种损失函数，这3个损失函数有各自的优缺点和适用场景。 https://blog.csdn.net/vv___/article/details/116396475?spm=1001.2101.3001.6650.1&utm_medium=distri 阅读全文