原创 Multi-Source Domain Adaptation with Mixture of Experts
Motivation 本文出發點還是榮multi-source domain adaptation出發,如何利用多個source domain的知識,來更好的預測target domain. 還是從target的分佈可以用sou
原创 Deep Cocktail Network
Deep Cocktail Network 1.motivation domain adaptation是由於獲得大量的標註是一件耗時的工作,希望能通過利用已經有標註的source數據集來提升網絡在沒有標註的target數據集上
原创 Multi-source Distilling Domain Adaptation
1.motivation 本文也是爲了解決multi-source domain adaptation的問題,作者認爲以前的MDA方法存在以下的問題: 爲了學習到domain invariant feature,犧牲了特徵提
原创 Segmentation Guided Attention Network for Crowd Counting via Curriculum Learning
Segmentation Guided Attention Network for Crowd Counting via Curriculum Learning 貢獻 作者主要從網絡結構的角度出發,之前SANet論文只簡單用了i
原创 計算機視覺實習面試整理
頭條AI Lab 如何計算IoU,二叉樹逐行遍歷 focal loss有什麼缺點 batch norm有在什麼情況下效果不好 檢測中one-stage和two stage區別是什麼,爲什麼one-stage的方法精度底 如何判斷
原创 強化學習
強化學習Lec_1Sequential Decision MakingMarkov AssumptionSequential Decision Processmodelpolicyvalue Sequential Decision M
原创 keras多任務學習multi-task learning
base_model選擇的是resnet50 resnet_weights_path='resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5' my_new_model = Seque
原创 keras如何創建自己的generator
keras.utils.Sequence 是一個基類 class Sequence(object): """Base object for fitting to a sequence of data, such as a dat
原创 TensorFlow學習02-tf.cond() tf.where()
TensorFlow控制語句 tf.cond() tf.cond( pred, true_fn=None, false_fn=None, strict=False, name=None, fn1=None, fn2=None ) 官
原创 TensorFlow學習
TensorFlow學習01tf.Session()sess.run() tf.Session() tf.Session()是運行tensorflow operation的類。tensorflow中最基本的類型是tensor(張量),
原创 024 swap node in pairs
利用遞歸思想,對n節點交換節點對,顯然可以看成,(從head指針開始)先交換頭部2個node,在遞歸交換n-2,並merge(即將交換好的前兩個中後一個next指向n-2 公式類似T(n)=O(n^0)+T(n-2); 遞歸算法分兩部分,
原创 Two sum
暴力解法 兩次循環 #include <algorithm> class Solution { public: vector<int> twoSum(vector<int>& nums, int target) {
原创 The geometry of linear equations
The geometry of linear equations Row Picture: Column picture:
原创 84 partition
兩個鏈表less,指向所有小於x的;beq鏈表爲所有大於等於x的 不斷改變指針的指向,最後將鏈表合併,避免合併時候出現circle /** * Definition for singly-linked list. * struct
原创 Container with most water
Brute Force class Solution { public: int maxArea(vector<int>& height) { int max=0; int hei=0;