Picassooo

摘要： Self-Supervised Learning 自监督学习中Pretext task的理解 Pretext task也叫surrogate task Various pretext tasks have been proposed for self-supervised learning incl 阅读全文

摘要： 定义 时间复杂度就是用来方便开发者估算出程序的运行时间。 我们该如何估计程序运行时间呢，我们通常会估计算法的操作单元数量，来代表程序消耗的时间， 这里我们默认CPU的每个单元运行消耗的时间都是相同的。 假设算法的问题规模为n，那么操作单元数量便用函数f(n)来表示。 随着数据规模n的增大，算法执行时 阅读全文

摘要： 任务 action recognition motivation Both recurrent and convolutional operations are neighborhood-based local operations either in space or time; hence lo 阅读全文

摘要： 任务 action recognition 对骨架节点坐标进行视角不变预处理 We align the action sequences by implementing a view-invariant transformation which transforms keypoints coordi 阅读全文

摘要： 数据降维与可视化——t-SNE sklearn的TSNE函数中，有个perplexity参数，这个参数我试过从10到600，发现参数越大，数据会被聚集的越紧，甚至会把几簇聚为一簇，同时x和y的坐标范围也会越小。所以在可视化的时候，要多调试这个参数，找到合适的值。 阅读全文

摘要： 任务 action detection：先切割视频，然后聚类。 motivation 利用单个视频中，各个子动作之间存在时间顺序关系，比如在做咖啡的视频中，把咖啡倒进杯子里一般会发生在搅拌咖啡之前。 基本流程 这里只介绍基础版本。 给一个视频数据集，每个视频都包含多个子动作，但所有视频主题相同。从中 阅读全文

摘要： pytorch是动态图计算机制，也就是说，每次正向传播时，pytorch会搭建一个计算图，loss.backward()之后，这个计算图的缓存会被释放掉，下一次正向传播时，pytorch会重新搭建一个计算图，如此循环。 在默认情况下，PyTorch每一次搭建的计算图只允许一次反向传播，如果要进行两次 阅读全文

摘要： PyTorch trick 集锦 这篇文章介绍了一些PyTorch的一些技术与代码实现，包括：查看模型每层输出详情、梯度裁剪（Gradient Clipping）、学习率衰减、冻结某些层的参数、对不同层使用不同学习率、网络参数初始化、加载内置预训练模型...... 阅读全文

摘要： 数据降维可视化：t-SNE 阅读全文

摘要： 任务 action recognition 基本流程 把一个骨架视频中节点的各个坐标变成一幅图像，对图像用卷积和池化训练，如下图，图像的每一列表示一帧中各节点的坐标，不同列表示不同帧的信息。 创新点及为什么work 创新点： 把时序骨架节点坐标表示成图像，把时序动态特性转换为空间结构 提出用这些特殊 阅读全文