原创 在兩幅圖像之間獲得正確(最小二乘意義)仿射變換參數affine points via least square method

我有兩個想要計算仿射運動模型參數的圖像。我使用的模型是$$ x'= a_1x + a_2y + a_3 $$ $$ y'= a_4x + a_5y + a_6 $$爲了計算這6個參數,我在兩個圖像之間選取了6個點(超定系統),並進行了計算

原创 Hiding Images in Plain Sight: Deep Steganography 於衆目睽睽之下隱藏圖像:深度隱寫術

Hiding Images in Plain Sight: Deep Steganography 於衆目睽睽之下隱藏圖像:深度隱寫術 1.摘要 隱寫術是將祕密信息隱藏在另一條普通信息中的一種實踐。通常,隱寫術用於在較大圖像的嘈雜區域中不顯

原创 pytorch 查看模型參數,查看模型特定層輸入輸出,模型結構圖繪製總結

1 參考鏈接 大雜燴  https://zhuanlan.zhihu.com/p/33992733 繪製圖形時候記得安裝graphviz插件  https://stackoverflow.com/questions/35064304/ru

原创 研習U-Net++

Author: Zongwei Zhou | 周縱葦 Weibo: @MrGiovanni Email: [email protected] Paper: UNet++: A Nested U-Net Architecture for Me

原创 NBJL 2020論文導讀14:How Much Position Information Do Convolutional Neural Networks Encode ?

論文下載地址:https://openreview.net/pdf?id=rJeB36NKvB 發表時間:2020 會議名稱:ICLR 作者:Md Amirul Islam、Sen Jia、Neil D. B. Bruce   論文摘要

原创 變換域隱寫術檢測分析

前言 犯罪分子經常使用隱寫術將祕密指令隱藏至圖片中做非法操作,以躲避專業人員的檢測,因此需要隱寫術檢測分析來阻止這種惡意行爲。本文提出了一個變換域的隱寫分析模型,以檢測圖像中是否使用變換域隱寫算法隱寫祕密指令,它具備良好的檢測效果。  

原创 結合深度學習的圖像修復怎麼實現?

作者:QZhang 鏈接:https://www.zhihu.com/question/56801298/answer/155891603 來源:知乎 著作權歸作者所有。商業轉載請聯繫作者獲得授權,非商業轉載請註明出處。   019.09

原创 堪比Focal Loss!解決目標檢測中樣本不平衡的無採樣方法

訓練目標檢測模型的一個難點是樣本不均衡,特別是正負樣本比例嚴重失衡。目前解決這類問題主要是兩種方案(見綜述Imbalance Problems in Object Detection: A Review):一是hard sampling方

原创 《BBN: Bilateral-Branch Network with Cumulative Learning for Long-Tailed Visual Recognition》筆記

Paper:《BBN: Bilateral-Branch Network with Cumulative Learning for Long-Tailed Visual Recognition》Authors:Boyan Zhou, Qu

原创 《Decoupling Representation and Classifier》筆記

Paper:《Decoupling Representation and Classifier for Long-tailed Recognition》Published at ICLR 2020Keywords:Long-Tailed

原创 在用交叉熵損失函數時,只希望懲罰0.4-0.6這樣模糊的值,應該怎麼改?

比如二分類問題,把label爲0的預測成0.1,label爲1的預測成0.9,這樣已經可以了,我希望神經網絡更關注那些預測在0.5左右的難以分割的樣本(雖然在bp的時候0.5會有更大的梯度),感覺上有點像SVM,我可以怎麼做呢?修改損失函

原创 【CVPR 2018】騰訊AI lab提出深度人臉識別中的大間隔餘弦損失

論文導讀】 深度卷積神經網絡(DCNN)在人臉識別中已經取得了巨大的進展,通常的人臉識別的核心任務都包括人臉驗證與人臉識別,涉及到特徵判別。很多模型都是使用Softmax損失函數去監督模型的訓練,但是現在已經有資料證明,Softmax l

原创 AdaptiveFace: Adaptive Margin and Sampling for Face Recognition 閱讀筆記

識別softmax相關文章。主要目的是對類別自適應的margin。 方法 框架結構圖   方法創新點主要包括3個部分:AdaM-Softmax,ADS和HPM。 Adaptive Margin Softmax 如下圖,以cosface爲

原创 人臉識別中的margin損失函數

用於人臉識別的損失函數,有Softmax,Contrastive Loss,Triplet Loss,Center Loss,Norm Face,Large-Margin Loss,A-Softmax Loss,InsightFace等等

原创 Latex論文作者與單位排版

一、不同作者屬於同一個單位 (選自http://bbs.ctex.org/viewthread.php?tid=38040&page=2) \author[add1]{Aaron\corauthref{cor1}},