Antkillerfarm Hacking V7.0

深度学习(三十七)——无监督/半监督/自监督深度学习(2)

2018-03-08

无监督/半监督/自监督深度学习

https://mp.weixin.qq.com/s/cTlXMxcpzc7_5NVsTm1jcA

学习一帧,为整段黑白视频上色:谷歌提出自监督视觉追踪模型

https://mp.weixin.qq.com/s/Amr34SdrPZho1GQpFS7WBA

见微知著:语义分割中的弱监督学习

https://mp.weixin.qq.com/s/zOWA1oKbopZJuYIAYYlKTA

港中文-商汤联合论文:自监督语义分割的混合与匹配调节

https://mp.weixin.qq.com/s/5xlSoC5sgzsAwMYMSFCjnw

TextTopicNet:CMU开源无标注高精度自监督模型

https://mp.weixin.qq.com/s/343DfjOvkaozuxNK89V3zQ

前景目标检测的无监督学习

https://mp.weixin.qq.com/s/DwY0oGu-G30Szs-ArI5WaQ

程明明:面向弱监督的图像理解

https://mp.weixin.qq.com/s/LFOljv-Hr6JqyI6TQ2X4sw

半监督学习也能自动化?南大和第四范式提出Auto-SSL

https://mp.weixin.qq.com/s/83xAXrc_H_OExW3vii08hA

谷歌提出新方法:基于单目视频的无监督深度学习结构化

https://mp.weixin.qq.com/s/gr0_p4WFToTrDfy47h-p0A

基于自监督学习的视听觉信息同一性判断

https://mp.weixin.qq.com/s/Dqz97_U5pw_4d9KFblJfLg

基于自编码器的表征学习:如何攻克半监督和无监督学习?

https://mp.weixin.qq.com/s/LaIvAuBHYGNMug3NZ1pLhQ

半监督深度学习小结:类协同训练和一致性正则化

https://mp.weixin.qq.com/s/aBDgV7u93MAv2MogZKBmvw

Google提出Grasp2Vec模型:利用自监督方法学习物体表示

https://mp.weixin.qq.com/s/YfDZMEkOnxp0_ei2Oam-YQ

基于弱监督的视频时序动作检测的介绍

https://mp.weixin.qq.com/s/RiL-s50oOI–PZyIOd2E0g

弱监督语义分割最新方法资源列表

https://mp.weixin.qq.com/s/USOWECXk_az4b6eTssfOBw

基于弱监督深度学习的图像分割方法综述

https://mp.weixin.qq.com/s/8oEdQOmSRrkIaTVQdhk2Dw

无监督领域特定单图像去模糊

https://mp.weixin.qq.com/s/FpIaa8XoJ9GsHxL-W1Cl5Q

斯坦福AI实验室机器学习编程新范式:弱监督

https://mp.weixin.qq.com/s/ys9iiiBL3iL2SJL247AMlA

多伦多大学&NVIDIA最新成果:图像标注速度提升10倍!

https://mp.weixin.qq.com/s/V6xiG931OUJyVx15QFb_mQ

弱监督视觉理解笔记

https://mp.weixin.qq.com/s/HopNSLS75TgE28LfY02qog

不同视角构造cycle-consistency,降低视频标注成本

https://mp.weixin.qq.com/s/XiLBHkraT8lJcOu2faqK5g

关于弱监督学习,这可能是目前最详尽的一篇科普文

https://mp.weixin.qq.com/s/gXqB7JJyIEJa74McbYcrzg

只有正样本和无标记数据的半监督学习(PU Learning)

https://mp.weixin.qq.com/s/kGProJmrf43-2O48PMPM5g

正样本和无标签学习(PU Learning):使用机器学习恢复数据的标签

https://mp.weixin.qq.com/s/vm1p3YceIC0nd191xsktfg

自监督学习的视觉语言建模,115页ppt讲述多模态预训练进展

https://mp.weixin.qq.com/s/PCXcvzwv8DF693_KzXK5bg

计算机视觉研究新方向:自监督表示学习总结

https://mp.weixin.qq.com/s/TOwOa3noN_UYrd5g0Nrrrg

半监督学习技术在金融文本分类上的实践

https://mp.weixin.qq.com/s/uh25WRHVsFpoKwFyTSZtIw

计算机视觉中的半监督学习

https://mp.weixin.qq.com/s/lweM2STVbldYEGwPcK1YEg

图像自标记的可视化指南

https://mp.weixin.qq.com/s/hLFPWiHmDIzeUlQjInbgGw

ActBERT: 自监督多模态视频文字学习

https://mp.weixin.qq.com/s/1hK3k6Mf3uTEXrqMFr1evA

Kaggle知识点:伪标签Pseudo Label

https://zhuanlan.zhihu.com/p/157325083

伪标签(Pseudo-Labelling)——锋利的匕首

https://mp.weixin.qq.com/s/qVGveKfCfNKqJoqwMbUVKg

长文总结半监督学习

https://mp.weixin.qq.com/s/LAnP5OMuJFDhsfJWRoVMFw

无监督领域迁移及文本表示学习的相关进展

https://mp.weixin.qq.com/s/Tau5jzNbBd0NketdgytvAg

计算机视觉中的自监督表示学习近期进展

https://mp.weixin.qq.com/s/uYmHxScroi4jB2okmqwHcA

半监督学习入门基础(一)

https://zhuanlan.zhihu.com/p/212873650

Contrastive Self-Supervised Learning

https://mp.weixin.qq.com/s/XwGvH0mTEf-jF5XQKk2lBw

电子科大最新《深度半监督学习》综述论文,24页pdf

https://zhuanlan.zhihu.com/p/355523266

从SimCLR到BarLow Twins,一文了解自监督学习不断打脸的认知发展史

https://mp.weixin.qq.com/s/WqUb9MY_3hVPRdxSl9BE1Q

S4L: 半监督+自监督学习

https://mp.weixin.qq.com/s/1f1Ma2ZQVTuPo38_uCE0fQ

大规模推荐系统的自监督学习

https://mp.weixin.qq.com/s/qgP39JKD3fbVNK8e4Hw4PQ

重邮高新波等最新《少样本目标检测算法》综述论文

DRL参考资源+

https://mp.weixin.qq.com/s/W9yhj7_frLYWJocoBR1TMQ

避免AI错把黑人识别为大猩猩:伯克利大学提出协同反向强化学习

https://mp.weixin.qq.com/s/p2hlc2PsLgrvxOF8wBZANg

李飞飞高徒范麟熙解析强化学习在游戏和现实中的应用

http://mp.weixin.qq.com/s/EPbKE-TAnAPugJDhXHEyNA

DeepMind开源Psychlab平台——搭建AI和认知心理学的桥梁

https://mp.weixin.qq.com/s/xJ_g3BvbM-WaIyLthHdhEw

DeepMind发布通用强化学习新范式,自主机器人可学会任何任务

https://mp.weixin.qq.com/s/3HYELsdYwCJeUmXDBXx8NQ

这款超火的游戏,AI只用4小时,就秀出了人类花1年才能达到的水平

https://mp.weixin.qq.com/s/aEXi3XqcrWpAtdcMkFhBxw

强化学习中的调参经验与编程技巧(on policy篇)

https://mp.weixin.qq.com/s/VpvgNhktLBl_p9gkanp4Pw

2020格斗游戏AI冠军方案:基于强化学习对手建模的滚动时域演化算法

https://mp.weixin.qq.com/s/hb7iiJDWnNAXXUJmYKbqaw

强化学习帮我通关了超级玛丽!

https://mp.weixin.qq.com/s/BoZQ8aMF2Aohj536qhfWPg

Nature重磅:OpenAI科学家提出全新增强学习算法,玩游戏可完胜人类,或推动AI向真正智能学习体进化(Go-Explore)

https://mp.weixin.qq.com/s/HBqX6pz4EzO70YpmQ8xtRw

世界上最难的“沙雕”游戏被AI攻破了

https://mp.weixin.qq.com/s/teBlXXw4JQ8k3olCDOKXyw

量化金融自动交易的深度强化学习库。哥大开源“FinRL”

https://mp.weixin.qq.com/s/8UX65PGZkRokguLTnoGVFA

强化学习组合优化综述论文

https://mp.weixin.qq.com/s/Cfim24MSmClvo2HjW7thTw

最强原创综述!当强化学习邂逅组合优化

https://mp.weixin.qq.com/s/nNTag_D_qN7WcE7DEMJFaA

横扫6个SOTA,吊打强化学习!谷歌最强行为克隆算法登CoRL顶会,机器人干活10倍速

https://mp.weixin.qq.com/s/0AM4eASolsPZ7GtPYVBqDQ

伯克利今年大热的DeepMimic开源了~

https://zhuanlan.zhihu.com/p/35567591

强化学习在关系抽取、QA场景的应用

https://mp.weixin.qq.com/s/zWo2iSiJBEBwnFF478xxfQ

DeepMind:探索人类行为中的强化学习机制

https://mp.weixin.qq.com/s/oOslkEklaZSbRb8eDDCRBw

天津大学、东京大学等研究:用深度强化学习检测模型缺陷

https://mp.weixin.qq.com/s/DNT9rMynbN4Th0AVDHeY_w

BAIR提出人机合作新范式:教你如何高效安全地在月球着陆

https://mp.weixin.qq.com/s/KqLCTSYk1C0wYpJw-hpc1g

论强化学习和概率推断的等价性:一种全新概率模型

https://mp.weixin.qq.com/s/zRXs3BCEqXUruw746rZusw

牛津大学联合7家单位发布AutoRL综述,还在手动调参吗?你已经落后了

https://mp.weixin.qq.com/s/wPWV6kxkRlYb9dMf6ADWkQ

史上首次,强化学习算法控制核聚变登上Nature:DeepMind让人造太阳向前一大步

https://mp.weixin.qq.com/s/U0K79ELLj4wsOR4sd5G4Vw

Vicarious详解新型图式网络:赋予强化学习泛化能力

https://mp.weixin.qq.com/s/C8hsGkHGtoaS9Vzm6Ub4tw

Berkeley提出“随机搜索”训练线性策略,提高RL的性能

https://mp.weixin.qq.com/s/uppNSwxNrw4_8NGBQv85xw

今日头条首次改进DQN网络,解决推荐中的在线广告投放问题

https://mp.weixin.qq.com/s/JtUuFdTK4Q5YwnVj3BFU2w

全参数化分布,提升强化学习中的收益分布拟合能力

https://mp.weixin.qq.com/s/amXiNKJPEkAnu2m5NAERVw

Top-K Off-Policy Correction

https://mp.weixin.qq.com/s/kNtzy9-6GbsRhlL-mxksew

基于强化学习的人机对话

https://mp.weixin.qq.com/s/w3SsadgKaL8-tlzYLvMm-A

讲真?一天就学会了自动驾驶——强化学习在自动驾驶的应用

https://mp.weixin.qq.com/s/nnWuIPk_6mI9IAKIUbx6KQ

深度强化学习解决交通控制问题

https://mp.weixin.qq.com/s/RNJonPJL9JY5OH2-1sZMQw

中山大学HCP实验室:基于树状结构策略的渐进强化学习

https://mp.weixin.qq.com/s/G2sFkuvSeYmhkFjjPRGI-Q

强化学习如何用于推荐?新南威尔士首篇《深度强化学习推荐系统》综述论文

https://mp.weixin.qq.com/s/fMjjGCzef-3SVIOlUf2EFA

强化学习如何用于推荐?厦大最新《强化学习推荐系统》综述论文

https://mp.weixin.qq.com/s/8cV3Z_vkC0_cyfO2nVKoSw

华人博士用强化学习回收了SpaceX火箭

https://mp.weixin.qq.com/s/_-WSoeOqXMhR7S0PtyYixQ

深度强化学习探索算法最新综述,近200篇文献揭示挑战和未来方向

OpenCV+

https://mp.weixin.qq.com/s/pG5nq1fQ9XHp8WZN1AiLJQ

OpenCV基于Inception模型图像分类

https://mp.weixin.qq.com/s/EqeNS6s72_Qwg6mmDRl6wQ

OpenCV基于DLCO描述子匹配

https://mp.weixin.qq.com/s/JVuxMUmN2_DNfg1Ol5b8cw

OpenCV3新特性-图像无缝克隆函数演示

https://mp.weixin.qq.com/s/O3o8W1KSsZ0rz7aVukDWEg

使用OpenCV测量图像中物体之间的距离

https://mp.weixin.qq.com/s/HmOiQnkaqxcFPOODnOeUkw

使用OpenCV检测坑洼

https://mp.weixin.qq.com/s/BTmozO6Yr-Jsfm4-YXh2Mg

基于OpenCV的图像梯度与边缘检测

https://mp.weixin.qq.com/s/QYnXiAMFC3k_wQIwiaeWQg

三行代码,OpenCV轻松生成19种色彩风格图像

https://mp.weixin.qq.com/s/4LQBY0rMJk0tU8lF3fgHfQ

基于OpenCV的图像阴影去除

https://mp.weixin.qq.com/s/kH6K6L6-BYnYE-g46WhNCg

在OpenCV中使用色彩校正

https://mp.weixin.qq.com/s/K4P8151BuM4DQPSK-KzPFQ

OpenCV图像旋转的原理与技巧

https://mp.weixin.qq.com/s/hGONFisdtwcF5CRSB9IF6g

图像处理基础:颜色空间及其OpenCV实现

https://mp.weixin.qq.com/s/0Z600IIGscgrREgLUqjLuA

手把手教你用Python做一个图像融合demo

https://mp.weixin.qq.com/s/vo1v5dYGLMqzCSUG9gPvag

使用OpenCV进行图像编辑–绘画和素描

https://mp.weixin.qq.com/s/EkxXV7Bizf4JxG15SQb79w

修改OpenCV一行代码,提升14%图像匹配效果(BEBLID(Boosted Efficient Binary Local Image Descriptor)是一个2020年才开发出来的算子)

Fork me on GitHub