样本
零样本学习（Zero-shot Learning）
零样本学习是一种机器学习的问题设置，其中模型可以对从未在训练过程中见过的类别的样本进行分类，使用一些形式的辅助信息来关联已见和未见的类别。例如，一个模型可以根据动物的文本描述来识别动物，即使它从未见过那些动物的图像。 实现零样本学习有不同的方法，取决于辅助信息的类型和学习方法。以下是一些例子： 一种 ......
[更新中] [论文阅读 & 实践] 小样本下的GAN探究记(下)
GAN的进一步探究 书接上回, 因为本人在GAN才刚入门, 尽管直接调用别人的ACGAN得到的效果已经很棒, 但是我还是想要继续看一下不同参数对于生成图像的影响, 帮助自己去更好理解. 学习率调节 为了平衡D和G的过程, 我们可以适当更改学习率. 这个小trick甚至有个专门的名字叫Two Time ......
深度学习中正样本、负样本、困难样本、简单样本区别
正样本： 与真值对应的目标类别来说该样本为正样本。 负样本： 与真值不对应的其他所有目标类别来说该样本为负样本。 困难样本： 预测时与真值标签误差较大的样本。 简单样本： 预测时与真值标签误差较小的样本。 如： 图片分类：。 需要识别马、羊、牛三个类别。 给一张马的图片。对于预测马来说这个样本为正样 ......
固高GTS运动控制卡，C#语言三轴点胶机样本程序源代码，使用 的是固高GTS-800 8轴运动控制卡。
固高GTS运动控制卡，C#语言三轴点胶机样本程序源代码，使用 的是固高GTS-800 8轴运动控制卡。资料齐全，3轴点胶机样本程序，还有操作手册及各种C#事例程序，适合自己参照做二次开发，GTS-400的四轴运动控制卡是一样使用。YID:9614642908768262 ......
CVPR'23｜向CLIP学习预训练跨模态！简单高效的零样本参考图像分割方法
前言 本文提出了一种zero-shot的Referring image segmentation方法，该方法利用了来自CLIP的pre-train的跨模态知识。所提方法的性能明显优于所有基线方法和监督较弱的方法。 本文转载自极市平台 作者 | CV开发者都爱看的 仅用于学术分享，若侵权请联系删除 欢 ......
深度学习样本绘制注意事项
在绘制深度学习样本的时候，部分初学者总是用绘制监督分类样本的方法绘制深度学习样本，在图像上随意绘制样本，这种绘制样本的方法不适用于深度学习样本绘制。 如下为错误的示例： 深度学习样本绘制应遵循“全、多、精”三个原则： 样本子区域选取，应该全面覆盖多种地物类型。 绘制样本尽可能地多，推荐绘制子区域内8 ......
零样本文本分类应用：基于UTC的医疗意图多分类，打通数据标注-模型训练-模型调优-预测部署全流程。
零样本文本分类应用：基于UTC的医疗意图多分类，打通数据标注-模型训练-模型调优-预测部署全流程。 1.通用文本分类技术UTC介绍 本项目提供基于通用文本分类 UTC（Universal Text Classification） 模型微调的文本分类端到端应用方案，打通数据标注-模型训练-模型调优-预 ......
m基于CNN卷积网络和GEI步态能量图的步态识别算法MATLAB仿真,测试样本采用现实拍摄的场景进行测试,带GUI界面
1.算法描述 目前关于步态识别算法研究主要有两种：基于模型的方法和非基于模型的方法。基于模型的步态识别方法优点在于能够很好的体现步态图像序列当前的变化，也能够预测过去和未来的状态。基于非模型的方法是通过对步态相关特征进行预测来建立相邻帧间的关系，其中特征包括位置、速度、形状等，其中基于形状特征的方法 ......
固高GTS运动控制卡，C#语言三轴点胶机样本程序源代码
固高GTS运动控制卡，C#语言三轴点胶机样本程序源代码，使用 的是固高GTS-800 8轴运动控制卡。 资料齐全，3轴点胶机样本程序，还有操作手册及各种C#事例程序，适合自己参照做二次开发，GTS-400的四轴运动控制卡是一样使用。YID:9614642908768262 ......
2.9逻辑回归中单个和多个训练样本的梯度下降法
1.单个训练样本(损失函数) 在逻辑回归中我们需要做的就是变换参数w和b的值，来最小化损失函数 a也就是sigmoid函数，也就是a=1/(1+e^(-z)),所以dL/dz=dL/da * da/dz = a-y 这就是单个样本实例的一次梯度更新的步骤 2.多个训练样本 下图中有一个很明显的问题就 ......
小样本利器5. 半监督集各家所长：MixMatch，MixText，UDA，FixMatch
在前面章节中，我们介绍了几种半监督方案包括一致性正则，FGM对抗，最小熵原则，mixup增强。MixMatch则是集各家所长，把上述方案中的SOTA都融合在一起实现了1+1+1>3的效果。我们以MixMatch为基准，一并介绍几种衍生方案MixText，UDA，FixMatch ......
Relational Learning with Gated and Attentive Neighbor Aggregator for Few-Shot Knowledge Graph Completion 小样本知识图谱补全论文解读
小样本知识图补全——关系学习。论文利用三元组的邻域信息，提升模型的关系表示学习，来实现小样本的链接预测。主要应用的思想和模型包括：GAT（图注意力神经网络）、TransH、SLTM、Model-Agnostic Meta-Learning (MAML)。 论文地址：https://arxiv.org ......
深度学习炼丹-不平衡样本的处理
数据层面的处理方法总的来说分为数据扩充和数据采样法，数据扩充会直接改变数据样本的数量和丰富度，采样法的本质是使得输入到模型的训练集样本趋向于平衡，即各类样本的数目趋向于一致。 ......