深度学习笔记
白天
夜间
首页
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
数据归一化
浏览
110
扫码
分享
2023-02-18 14:02:39
数据归一化目的:与BN对应,使得每一层的特征分布相同,从而利于网络收敛。
归一化到什么范围
若有收获,就点个赞吧
0 人点赞
上一篇:
下一篇:
vim
vim 常用命令
vim 插件
神经退行性疾病语言分析
周志华-机器学习
概率图模型
算法导论
数字分裂证明
字符串
传统CV
插值算法(几何变换)
特征提取
HOG(Histograms of Oriented Gradient)_2005_CVPR
成像原理
张正友标定
PPM图像格式
坐标系
图像运动模糊去除
几个重要问题
基于倒频谱的匀速直线运动模糊去除
High-quality Motion Deblurring from a Single Image_2008
基础知识
信息论
信息相关
语音分析
语音识别简介
数字图像处理
图像的仿射变换
图像复原
频域图像增强
图像双线性插值
空间域图像增强
数据处理方法总结
Pytorch框架
pytorch问题总结
inplace 操作问题
如何使得每个epoch需要dataloader不同
cuda相关
pytorch常用库
nn.Module
nn库
torch库
torch.sparse
torch.einsum()
torch.autograd
pytorch实现常用操作
Pytorch matrix reshape
数据增强
Pytorch可视化
模型截取
模型初始化
Pytorch模型移植
混合精度训练
GPU训练模型转到CPU
Python库
Python图像处理
cv2
Image库
图片数据处理
python-opencv
Python数组
numpy库
numpy图像处理
numpy总结
数组操作
其它库
Python 数据分析图
Python 处理 Excel 文件
Python网站开发
Tornado
python注意事项
python实现常见功能
python文件读取
list索引
Python时序分析
python实现多位数字递增编号
python常用库
EasyDict
Path
glob
sys
argparse
OS库
random库
shutil
Python内置函数
lambda表达式
好代码学习
Python高阶
深度学习基本概念解释
重学深度学习
动手学深度学习
模型训练
模型调优
数据篇
K折交叉验证
数据归一化
网络原理篇
模型融合
网络权值初始化
网络权值初始化
正则化
优化算法
自动求导
卷积操作
常见损失函数
模型分类篇
DNN、CNN and RNN
效果评价篇
模型表现分析
IOU、AUC、ROC
混淆矩阵
模型常见问题
结果可重复
Domain Shift
网络理解篇
卷积神经网络结构解释
待补充...网络可视化分析
模型超参数
计算机基础
pip 装包
Orange Pi 文件保存
Ubuntu 网络设置
通过 FTP 服务器实现程序的远程更新
Windows 设置 FTP 服务器
Ubuntu firefox 浏览器开机启动
Linux 开机自启动脚本
网络技术
通过无线网卡以及网线实现网络的共享
Windows系统利用linux命令
操作系统
Linux命令
优化理论基础
线性优化
论文&概念
新的趋势
深度学习趋势
语音分析
audio classification
[2021] PaSST: Efficient Training of Audio Transformers with Patchout
NLP 技术
Wav2vec
多模态论文
语音模型
文本语音预处理
序列模型
梅尔对数谱图
语音增强(去噪)
传统语音信号处理方法
transformer简介
2015_A Sensitivity Analysis of Convolutional Neural Networks for Sentence Classification
OpenSMILE 进行语言特征提取
Parallel Representation Learning for the Classification of Pathological Speech
模型调优
TODO_2016_On Calibration of Modern Neural Networks
TODO_2017_Bag of Tricks for Image Classification with Convolutional Neural Networks
TODO_2020_ICML_Do We Need Zero Training Loss After Achieving Zero Training Error?
TODO_2017_focal loss
Transformer
Vision Transformer
transformer简化
原始Transformer
常用数据集
常用数据集
GAN系列
2021 Generative Adversarial Graph Convolutional Networks for Human Action Synthesis
条件变分自编码器(CVAE)
2014Generative Adversarial Nets
语义分割&实例分割
ICLR_2015_Deeplab
U-Net_2015MICCAI
FCN_2015CVPR
BlendMask_2020CVPR
经典网络
Deconvolution_2011ICCV
AlexNet_2012
Network in Network_2013
VGG_2014ILSVRC
GoogLeNet_2014
GoogLeNet_V2_2015
ResNet_2016CVPR
UberNet_2017CVPR
CV领域注意力机制
2018 CVPR Non-local neural network
GSoP-Net_2018
CBAM(Convolutional Block Attention Module)_2018ECCV
SE-Net_2017
理解卷积网络
BN-待补充
深度学习优劣势
可视化及理解卷积网络_2013
深度学习技巧
深度学习常用网络设计技巧
视频分析
一些 Tricks
三维卷积法
Learning spatiotemporal features with 3d convolutional networks_2015ICCV
C3D-2013ICML
双流法
Two-Stream Convolutional Networks for Action Recognition in Videos_2014NIPS
Temporal Segment Networks_2016ECCV
图卷积
SGN
HCN
图卷积动作识别总结
2020_CVPR Disentangling and Unifying Graph Convolutions for Skeleton-Based Action Recognition
ICCV 2021 Channel-wise Topology Refinement Graph Convolution for Skeleton-Based Action Recognition
2019 CVPR Two-Stream Adaptive Graph Convolution Networks for Human Action Recognition
TODO_2020_Shift_GCN
AS-GCN_2019CVPR
St-gcn_2018AAAI
GCN
Graph U-Nets_ICML2019
HOPE-Net: A Graph-based Model for Hand-Object Pose Estimation_2020CVPR
STSGCN_2020AAAI
Action Detection
Action Recognition VS Action Detection
3D skeleton-based human action classification: A survey-2016
X3D:Expanding Architectures for Efficient Video Recognition_2020CVPR
光流法
Large-scale Video Classification with Convolutional Neural Networks_2014CVPR
Compositional Action Recognition with Spatial-Temporal Interaction Networks_CVPR_2020
目标跟踪
DeepSort
目标检测
Fast R-CNN_2015ICCV
Faster R-CNN_2017IEEE
R-CNN_2014CVPR
YOLO Algorithm_2016CVPR
yolov2_2017IEEE
yolov3
少样本学习
Improved Few-Shot Visual Classification
人体姿态估计
2D人体姿态估计
单人人体姿态估计
2014_MoDeep: A Deep Learning Framework Using Motion Features for Human Pose Estimation
2014_Articulated Pose Estimation by a Graphical Model with Image Dependent Pairwise Relations
2014_Joint Training of a Convolutional Network and a Graphical Model for Human Pose Estimation
DeepPose_2014_CVPR
2015_CVPR_Efficient Object Localization Using Convolutional Networks
IEF_2016_CVPR
2016_CVPR_CPM
ECCV_2016_Stacked Hourglass Network
多人人体姿态估计
2016ECCV_DeeperCut
2016CVPR_DeepCut
2017_CVPR_Towards Accurate Multi-person Pose Estimation in the Wild
OpenPose_2017CVPR
AlphaPose_2017ICCV
2018_CVPR_Cascaded Pyramid Network for Multi-Person Pose Estimation
2018_Simple Baselines for Human Pose Estimation and Tracking
2021_Bottom-Up Human Pose Estimation Via Disentangled Keypoint Regression
2D人体姿态估计总结
各种方法的特点
《基于深度学习的人体姿态估计方法综述》
MPII_2014_CVPR
HRNet
TODO_2021_Deep Learning-Based Human Pose Estimation:A Survey
3D人体姿态估计
基于深度图
2019_ICCV_A2J: Anchor-to-Joint Regression Network for 3D Articulated Pose Estimation from a Single Depth Image
Real-Time Human Pose Recognition in Parts from Single Depth Images_2011_CVPR
Towards Viewpoint Invariant 3D Human Pose Estimation_2016_eccv
V2V-PoseNet_CVPR_2018
基于单帧RGB
TODO_LCR-Net : Multi-person 2D and 3D Pose Detection in Natural Images
TODO_2016_Deeper Depth Prediction with Fully Convolutional Residual Networks
TODO_Camera Distance-aware Top-down Approach for 3D Multi-person Pose Estimation from a Single RGB Image
基于视频序列
CVPR2019_3D human pose estimation in video with temporal convolutions and semi-supervised training
3D 人体姿态估计总结
基于单目RGB摄像头的3维人体姿态估计
基于深度图3维人体姿态估计经典算法
3D人体姿态估计综述
其它
[2022] Equalization Loss for Long-Tailed Object Recognition
Tricks
TODO_Non-local Neural Networks
TODO_2018_CVPR_MegaDepth
1989_TDNN
TODO_2018_TCN
2018_IJCAI_STGCN-Traffic frocasting
C 学习笔记
学习C 之前
几个常用名词解释
编译工具
C 代码编写与编译
VS Code C 编译
预处理器编译指令
C 数据类型
输入输出
指针和自由存储空间
一个案例看C 类
开始学习C
OpenCV学习记录
函数----C 编程模块
函数探幽
内存模型和名称空间
对象和类
使用类
Git版本管理
Git 简单命令
其它
网站推荐
草稿本
暂无相关搜索结果!
让时间为你证明
分享,让知识传承更久远
×
文章二维码
×
手机扫一扫,轻松掌上读
文档下载
×
请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
PDF
文档
EPUB
文档
MOBI
文档
书签列表
×
阅读记录
×
阅读进度:
0.00%
(
0/0
)
重置阅读进度
×
思维导图备注