33篇文章 · 46621字 · 3人關(guān)注
-
Transformer 和 Vision Transformer以及參數(shù)高效遷移學(xué)習(xí)（PETL）1. Transformer Transformer 結(jié)構(gòu)首先是由 “Attention is all you need” 這篇文章提出來的于毙，當(dāng)...
-
如何實(shí)現(xiàn)可信 AI：不確定性估計(jì)上一篇：如何實(shí)現(xiàn)可信 AI：可解釋性[http://www.reibang.com/p/434e68866043] 如果讓深度學(xué)習(xí)模型為錯(cuò)誤的...
-
如何實(shí)現(xiàn)可信 AI：可解釋性1. 可信人工智能 最近人工智能的話題又火熱了起來谭胚，關(guān)于人工智能所給出的內(nèi)容也引起了很多爭議吭露。我們希望自己所使用的 AI 是可信的计露。人類對(duì)于 A...
-
對(duì)比學(xué)習(xí)（一）損失函數(shù)原文博客：https://lilianweng.github.io/posts/2021-05-31-contrastive/[https://...
-
特征型可視化 GradCAM在 CV 相關(guān)的任務(wù)里蔫敲，搞清楚模型是如何實(shí)現(xiàn)各種任務(wù)，對(duì)模型的中間過程進(jìn)行可視化驻谆，對(duì)于理解以及解釋模型來說是很重要的卵凑。 GradCAM及其他代碼...
-
對(duì)抗生成網(wǎng)絡(luò)GAN-循環(huán)一致性GAN 的論文筆記：http://www.reibang.com/p/db99e242bdb0[http://www.reibang.com...
-
如何處理分類和回歸問題數(shù)據(jù)不平衡問題原文：https://neptune.ai/blog/how-to-deal-with-imbalanced-classification-an...
-
機(jī)器學(xué)習(xí)-Adaboost實(shí)現(xiàn)人臉檢測,Viola-Jones目標(biāo)檢測Adaboost Boosting 指的是通過結(jié)合一些精度較低的弱學(xué)習(xí)器來獲得較高精度的方法，弱學(xué)習(xí)器指的是表現(xiàn)比隨即猜測稍微好一些的學(xué)習(xí)器胜臊。 ...
-
深度學(xué)習(xí)-卷積以及各種形式的卷積卷積也內(nèi)卷勺卢，簡單樸素的卷積已經(jīng)不能滿足人們的需求，因此出現(xiàn)了各種形式的卷積象对，比如反卷積(Deconvolution\Transposed Con...