Tchunren-CSDN博客

原创新领域延伸

Mixtur of Experts:致力于将多个专家系统进行融合。Generalizable Person Re-identification with Relevance-aware Mixture of Experts 的related works部分有介绍。

2022-01-06 20:34:07 261

1 Hierarchical Pyramid Diverse Attention Networks for Face Recognition从多尺度，多样性，以及多特征如何进行融合三个角度进行的行文。多尺度中是在网络的不同layer提取特征，并且利用了注意力机制；多样化是是指对注意力机制中的不同mask进行了差异性学习，这里的学习要注意的一点是，就是将不同的mask拉到一定的距离就完事了，没有无止境地拉，这是为什么呢，为什么不尽量拉的越来越远呢，这和triplet loss中的margin就有点类似了，这

2021-09-03 10:32:44 714

原创 domain adaptation论文记录

文章题目1 Bi-Classifier Determinacy Maximization for Unsupervised Domain Adaptation AAAI20211 Bi-Classifier Determinacy Maximization for Unsupervised Domain Adaptation AAAI2021网络湖面跟着两个分类器，C1 和 C2，对于同一个样本的预测概率，除了在真实样本的位置上的概率要大，其他的部分的概率最好是尽量要差异大写一些，这样的话可以保证两个分

2021-05-06 10:10:25 1434 3

原创秘密花园学习

MMD 最大均值差异：函数空间，柯西序列，希尔伯特空间，再生核希尔伯特空间，完备空间，陶哲轩实分析

2021-04-09 09:59:25 240 1

原创好的网上资料总结

1. 深度学习超参数简单理解------>learning rate,weight decay和momentum链接：https://zhuanlan.zhihu.com/p/23906526

2020-11-19 10:05:43 161

原创深度学习模型搭建以及训练技巧 trick deep learning 行人重识别 REID

1. 在使用resnet50的全链接层之前的特征作为分类特征的时候，最好在gap后进行一下batchnorm,单单是使用这样一个bn层，就能将性能提升很多个点。2. 同样的使用resnet50的全链接层前面的特征作为分类特征，直接就将这个2048维的向量送入分类层就完事了，不要再增加embedding 层了，嫁了之后性能很不好，原因可能是这个embeding 层相当于是又增加了一个随机出来的线性层，对于结果没什么卵用，大概率还会拖累网络。...

2020-11-14 21:24:04 946 1

原创论文学习记录

1 20201103 CurricularFace: Adaptive Curriculum Learning Loss for Deep Face Recognition是一片人脸识别的论文，主要研究内容是在训练过程的不同阶段，如何给不同难易程度的样本进行加权学习，是将课程学习的思想嵌入到损失函数中，以实现一种新的深度人脸识别训练策略。该策略主要针对早期训练阶段的易样本和后期训练阶段的难样本，使其在不同的训练阶段，通过一个课程表自适应地调整简单和困难样本的相对重要性。也就是说，在每个阶段，不同的样本.

2020-11-03 09:26:19 701

原创论文中常用的英语短语

and vice versa 反之亦然

2020-07-06 17:31:13 602

原创 ubuntu 命令行复制文件夹为另一个文件夹名

cp -r exists_direct_name new_direct_name

2024-04-17 20:57:30 67

原创利用python合并pdf文件

【代码】利用python合并pdf文件。

2024-04-13 13:38:04 83

原创 Vscode运行python

选择某个环境后就可以使用了。就可以运行python程序了。

2024-04-01 19:32:17 181

原创 python pytorch numpy 生成二维高斯核

先通过opencv生成一维的高斯分布，然后计算得到二维的高斯分布，numpy形式和torch数据类型之间的转换就比较简单了。

2024-03-09 13:29:59 361

原创打印完整的pytorch 输出tensor

【代码】打印完整的pytorch 输出tensor。

2024-03-08 13:49:12 459

原创 TSNE实现

【代码】TSNET。

2023-03-30 16:09:30 239 1

原创广义交叉熵 GCE Generalized Cross Entropy Loss 的解释

Generalized Cross Entropy Loss for Training Deep Neural Networks with Noisy Labels论文链接：https://arxiv.org/pdf/1805.07836.pdfGCE的定义如下所示：Lq(f(x),ej)=(1−fj(x)q)qL_q(f(x),e_j)=\frac{(1-f_j(x)^q)}{q}Lq(f(x),ej)=q(1−fj(x)q)MAE损失定义如下：LMAE(f(x),ej)=2(1−fj(

2022-04-18 09:44:40 2317 3

原创如何将python print出来的内容存储到log中

from __future__ import absolute_importimport osimport sysimport os.path as ospdef mkdir_if_missing(dir_path): try: os.makedirs(dir_path) except OSError as e: if e.errno != errno.EEXIST: raiseclass Logger(object):

2022-04-06 16:45:54 2174

原创 pytorch使用动量更新方式对模型进行更新

在训练模型的过程中，有时候我们需要设置两个模型，一个是随着训练数据的加入进行参数更新的model，另一个模型是作为model的平均模型model_ema,对model_ema进行更新的时候，采用的方式为：θtmodel_ema=βθt−1model_ema+(1−β)θtmodel\theta_t^{model\_ema} =\beta\theta_{t-1}^{model\_ema}+(1-\beta)\theta_t^{model}θtmodel_ema=βθt−1model_ema+(1−β)θ

2021-08-31 21:35:02 1480

原创 macbook m1安装anaconda

m1 芯片安装Miniforge 最好，直接安装anaconda 可能存在兼容性的问题，到这里来下载：https://github.com/conda-forge/miniforge#download下载标记的那个文件然后进入到对应的文件夹下面，执行 sh Miniforge3-MacOSX-arm64.sh一路yes到底然后更换源地址conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

2021-08-14 15:14:31 3026

原创 cvpr2021reid文章

【1】Group-aware Label Transfer for Domain Adaptive Person Re-identification【2】Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identification【3】Anchor-Free Person Search【4】Intra-Inter Camera Similarity for Unsuper

2021-07-10 11:07:07 583 1

原创 pytorch 交叉熵不收敛

这两天利用pytorch搭建模型，训练分类网络，模型没问题，代码没问题，但是损失就是死活不收敛。看一下代码吧：src_prec, _ , src_feat = self.model(src_imgs)loss_src_ce = self.criterion_ce(src_prec[:, :self.src_classes], src_labels, weight_src)死活不好使,搞不清楚，可是我后来稍微一改，改成下面的：src_prec, _ , src_feat = self.model(s

2021-07-02 09:05:16 1543

原创 office 公式编辑器插入花体格式字母

office自带的公式编辑器，插入如下形式的花体：创建方式为：打好这些内容后按下空格键就可以了

2021-06-19 09:08:40 7641

原创 pytorch 实现施密特正交化

对于一个给定的pytorch张量，如果想要对这里面的每一个行向量进行施密特正交化，可以使用下面的代码：import numpy as npfrom sympy.matrices import Matrix, GramSchmidtimport torchimport torch.nn.functional as Fdef orthogo_tensor(x): m, n = x.size() x_np = x.t().numpy() matrix = [Matrix(col

2021-05-20 21:39:05 2414 5

原创 pytorch查找矩阵中最大元素的值和索引

对于一个矩阵，如果想要找到这个矩阵中最大元素的值和这个元素在原矩阵中的索引，可以用下面的代码： x = torch.randn(4,3) print(x) column = 3 index = torch.argmax(x) x_view = x.view(-1) print(x_view) print(index) if (index+1)% column == 0: i = (index+1)//column - 1

2021-05-09 12:53:20 7435

原创衡量子空间相似度和距离的主角 principal angles

描述principal angles的文献有以下两篇：1 Principal Angles Between Subspaces andTheir Tangents：https://merl.com/publications/docs/TR2012-058.pdf2 PRINCIPAL ANGLES BETWEEN SUBSPACES IN AN A-BASED SCALAR PRODUCT: ALGORITHMS AND PERTURBATION ESTIMATES...

2021-05-08 22:22:05 2650 1

原创 REID论文记录

文章目录SVDNet for Person RetrivalSVDNet for Person Retrival这篇文章中使用了SVD分解，用在了全连接层的地方。出发点是为了使得全连接层中的代表每个identifity的向量之间具有正交关系，如果在训练过程不加入这个限制，那么全连接层的向量之间很可能存在相关性。这里面存在的问题是：在进行gallery和query的匹配寻找过程中，是直接测量两个特征向量之间的欧氏距离或者余弦距离，而在网络的训练过程中，是先将特征向量向全连接层中代表不同identifity

2021-05-08 22:06:20 391

原创论文素材

内容分类Distribution AlignmentStochastic Classifiers for Unsupervised Domain Adaptation观点Distribution AlignmentStochastic Classifiers for Unsupervised Domain Adaptation观点将distribution alignment分为了两类，分别是全局对齐（global alignment）和局部对齐（local alignment）。全局对齐常用的方法包

2021-05-07 19:58:59 368

library_manage_system.zip

空空如也