摘要：
笔记： python中 for... [if]语句一定要在最外面加[] 下面没有加[]报错：因为在Python中，for...[if]...语句一种简洁的构建List的方法 下面是加上[]正确输出 在Python中，for...[if]...语句一种简洁的构建List的方法，从for给定的List中 阅读全文
摘要：
Meta Learning--MAML算法理解 以下为对MAML算法的理解：（MAML的目的是：learning good weight initalizations） 上面MAML对应的算法，步骤4-7对应的李弘毅老师《深度学习》图中的子任务的第一步（如a），步骤8对应图中的第二步（如b,c） 在 阅读全文
摘要：
为什么有这篇文章（motivation）？ 之前的文章都是只考虑face region 的单独关系，并没有考虑face region与face region之间的relation。本文，作者利用graph来建立region之间的关系。并且得到Edge Map作为先验，对边缘的pixel增加权值。（即 阅读全文
摘要：
为什么有这篇文章（motivation）？ 作者认为人脸不不同的region对FER（人脸表情识别）的贡献是不同的，所以作者把人脸裁剪为patch的形式（利用关键点得到24个patch），计算每个patch对FER的贡献度（利用attention）。但是local patch可能会漏掉一些有用的信息 阅读全文
摘要：
一、解决什么样的问题？ 现有的基于contrastive learning的方法都有一个implicit semantic consistency(SC) assumption: a training image should have consistent semantic meaning acr 阅读全文
摘要：
按要求\geq 后有空格，但是还是报错 \begin{thm}\label{thm1} (Coles et al., 2001)). Assume that Theorem 1 holds with $\xi$ \textless 0 and let the upper endpoint of F 阅读全文
摘要：
https://www.bilibili.com/video/BV1eE411g7xc?from=search&seid=18200585142631999829 阅读全文
摘要：
论文简介： 以image-level作为标签的弱监督语义分割往往面临目标区域估计不完整的问题。为了缓解这个问题，本文提出了一种对跨图像间关系进行建模的方法。 该方法在同类别不同图像之间建立像素级的关系矩阵，并据此从不同的图像间取得互相补充的信息，用以增广原特征并获取更加完整和鲁棒的目标估计 图一：可 阅读全文
摘要：
1. 不使用pixel-wise而使用比较简单的弱监督信息（如scribbles/bounding boxes/ points/ image-level labels[只告诉训练器，图片中有什么物体]）称为弱监督 使用pixel-wise的是全监督。 一篇论文的思想：训练时用弱监督，测试的时候仍用全 阅读全文
摘要：
CVPR 2020 Motivation 1. 以前的分割网络都是只关注像素级别的预测，忽略了像素分组。但本文认为语义分割可以分为explicit pixel-wise prediction and implicit pixel grouping. 。为了解决像素分组的问题，论文引入了SA mode 阅读全文