DL » 深度学习（四十二）——深度ISP, 深度树学习
2018-07-25 :: 6660 Words迁移学习（续）
https://mp.weixin.qq.com/s/U45X5kKMw_E4vfHfVmWZTA
FSAF：来自CMU的Single-Shot目标检测算法
https://mp.weixin.qq.com/s/45CLHvP1cumzcwMV0myj_g
微软-少标签样本构建高性能文本分类器
https://zhuanlan.zhihu.com/p/60420771
领域自适应：利用DIRT-T模型提高性能
https://mp.weixin.qq.com/s/duJK5y9ZeFkYsFkAg4E2Jw
IBM-小样本学习（Few-shot Learning）State of the art方法及论文讲解
https://mp.weixin.qq.com/s/Hok9D8dAzYrBz7XoFmGE2A
AliExpress：在检索式问答系统中应用迁移学习
https://mp.weixin.qq.com/s/f_vB2AXCytnvoZaqfMeIpw
应用TF-Slim快速实现迁移学习
https://mp.weixin.qq.com/s/R1bKmhADfhQAZmhXL9ObiQ
多重预训练视觉模型的迁移学习
https://mp.weixin.qq.com/s/l-l1xbUaPNKc-w5XndjCbQ
通过网络结构迁移学习提高图像识别任务的拓展性
https://mp.weixin.qq.com/s/-KssC3yXsG3ZuV8-I6D_nQ
学习迁移架构用于Scalable图像的识别
https://mp.weixin.qq.com/s/5DtTgc9bIrdXQkmuqRm8CA
谷歌大脑迁移学习：减少调参，直接在数据集中学习最佳图像架构
https://mp.weixin.qq.com/s/fEKc6yFZwTPAHjXJlcHA-w
香港科技大学提出L2T框架：学习如何迁移学习
https://mp.weixin.qq.com/s/pbyByPoZ9SVoP9B7pJMxXg
深度卷积网络迁移学习的脸部表情识别
https://mp.weixin.qq.com/s/aqmeIEVIG-845wiKlyXlsA
小数据、高准确率的文本分类：利用迁移学习创造通用语言模型
https://mp.weixin.qq.com/s/yXF5Cxs_29OBOl41enjfyg
阿里巴巴&浙大Poster论文：基于直推式无偏嵌入的零样本学习
https://mp.weixin.qq.com/s/qYoTgqwjaUlEycuk9LlonA
迁移学习：6张图像vs13000张图像，超越2013 Kaggle猫狗识别竞赛领先水平
http://mp.weixin.qq.com/s/6Urv6TfUfc-BWV1YqTM1PQ
迁移学习+BPE，改进低资源语言的神经翻译结果
https://mp.weixin.qq.com/s/kPFS_4swYEP6Amw8xfXEgg
中科院自动化所-针对小样本问题的学习生成匹配网络方法
https://mp.weixin.qq.com/s/NFziZe6xS_CzVZX_0Den9g
达观数据CTO纪达麒:小标注数据量下自然语言处理实战经验
https://mp.weixin.qq.com/s/6w5S5R_qA0956VMj1isunQ
雷哥带你读论文之深度迁移炼丹！
https://mp.weixin.qq.com/s/wB9skXSWoMHoWnME2JAyIw
基于全局类别表征的小样本学习
https://mp.weixin.qq.com/s/6eHmudo6EG47qBe7xwri6g
ImageNet错误率小于4%，数据量依然不够，N-Shot Learning或是终极解决之道？
https://mp.weixin.qq.com/s/cG0TDIZ3z4lUEQb_N1ysbg
使用迁移学习构建顶尖会话AI
https://mp.weixin.qq.com/s/VGdlOlQh1_4FFTAuUHR_VA
迁移学习中如何利用权值调整数据分布？DATL、L2TL两大方法解析
https://mp.weixin.qq.com/s/V-4d-3yMmQpZUVY-h1eaoA
Barbara Plank-NLP模型的跨语言/跨领域迁移-经验分享
https://mp.weixin.qq.com/s/TUrH7qiZBpmqWN4VL5dhlw
清华大学：用于少次关系学习的神经网络雪球机制
https://mp.weixin.qq.com/s/VlxF7BVk7hUQ9HDiGYpzGA
基于Co-Attention和Co-Excitation的少样本目标检测
https://mp.weixin.qq.com/s/xaKqAhuxaHDPV-VwHE7H2A
零样本学习研究进展综述中文版
https://mp.weixin.qq.com/s/YWzHnN5mQQtM9M3Uao8iGQ
伯克利-滴滴出行：深度学习多源领域自适应综述论文
https://mp.weixin.qq.com/s/WwA_IP4rIpZ6GgFkzQ3sNA
增量学习不只有finetune，三星AI提出增量式少样本目标检测算法ONCE
https://mp.weixin.qq.com/s/lUkydJaClqCoZIZ6THTRBA
增量学习(Incremental Learning)小综述
https://mp.weixin.qq.com/s/rTP3-IdQk7iDz058SyOpIQ
零样本图像识别综述论文
https://mp.weixin.qq.com/s/DLcyMGTVfRoA58VHc6z6eg
最新《迁移学习:域自适应理论》综述论文，128页ppt讲解迁移学习与最优传输
https://mp.weixin.qq.com/s/MCJcHhB2g-wDPqnhp7f6Xw
仅需少量视频观看数据，即可精准推断用户习惯：腾讯、谷歌、中科大团队提出迁移学习架构PeterRec
https://mp.weixin.qq.com/s/s0Kxv0-v6OY1ziAiSDth3g
小样本分割综述
https://mp.weixin.qq.com/s/wtY66E0zMGzmdnPGWL3aQw
迁移学习了解下
https://mp.weixin.qq.com/s/6aBzR0O3pwA8-btsuDX82g
现代NLP中的零样本学习
https://mp.weixin.qq.com/s/jYdeaCCaQJwqxK9h6MzJuA
基于深度神经网络的少样本学习综述
https://mp.weixin.qq.com/s/fhTfNXjPeM5wMeLK2Y-yHA
适用于少量数据的深度学习结构
https://mp.weixin.qq.com/s/zQuLpzIptpFQC_f2Xx26og
迁移学习在新闻推荐中的应用
https://mp.weixin.qq.com/s/sKVCFScJq7ql1T6BmTFLow
少标签数据学习，61页ppt，宾夕法尼亚大学
https://mp.weixin.qq.com/s/EPafCEIg7LYqsnwYq3-nvg
从Few-shot Learning再次认识机器学习
深度ISP
数据集
HDR+
HDR+是一个使用连拍摄影生成更好的图像的数据集。
官网：
http://hdrplusdata.org
参考：
https://zhuanlan.zhihu.com/p/34391353
机器感知Google推出HDR+连拍摄影数据集
HDRNet
HDRNet是一个Image Enhancement方面的数据集。
官网：
https://groups.csail.mit.edu/graphics/hdrnet/
综述
论文：
《Unprocessing Images for Learned Raw Denoising》
这篇论文虽然不是综述，但有很多内容讲解ISP的流程。
《Deep Learning for Image Denoising: A Survey》
《Deep Learning on Image Denoising: An overview》
这两篇综述都是哈工大深圳分院的作品。
参考
https://mp.weixin.qq.com/s/wA85XFQXeypuoqFnmN2P4g
降噪的新时代
https://mp.weixin.qq.com/s/KZcNmoGtuPUjoNzEaBb8UA
AI ISP的黎明
https://mp.weixin.qq.com/s/rxHoE4f5e6Kv2xIqJLIKdA
哪些功能更适合AI
https://mp.weixin.qq.com/s/919VEvennHEG3iXKkMZoQQ
不止是去噪—从去噪看AI ISP的趋势
https://zhuanlan.zhihu.com/p/27902193
利用卷积自编码器对图片进行降噪
https://zhuanlan.zhihu.com/p/39512000
Noise2Noise：图像降噪，无需干净样本
https://mp.weixin.qq.com/s/Wdxkvlz4nLbJS_gWqHwMjw
无需额外硬件，全卷积网络让机器学习学会夜视能力
https://mp.weixin.qq.com/s/iH7gbRn4opLsWgKWoVFpBA
腾讯优图&港科大提出较大前景运动下的深度高动态范围成像
https://mp.weixin.qq.com/s/WXVZkqCGlj6ym5YrSZS3Vg
谷歌普林斯顿提出首个端到端立体双目系统深度学习方案
https://mp.weixin.qq.com/s/NlYgA-A43q4C155kRdWPAQ
论文复现：谷歌实时端到端双目系统深度学习网络stereonet
https://mp.weixin.qq.com/s/9yfTO2jHz69-k1MsUGIM0Q
双目立体放大！谷歌刚刚开源的这篇论文可能会成为手机双摄的新玩法
https://mp.weixin.qq.com/s/z87Wp3yutq1l5bYfJS2YIA
谷歌新研究用深度学习合成运动模糊效果，手抖也能拍出摄影师级照片
https://mp.weixin.qq.com/s/B5XNmFlSnjEh2xAXB42pHQ
超十亿样本炼就的CNN助力图像质量增强，Adobe推出新功能“增强细节”
https://mp.weixin.qq.com/s/MEjZT_41w2cRqIYDi8a1rw
腾讯优图CVPR中标论文：不靠硬件靠算法，暗光拍照也清晰
https://mp.weixin.qq.com/s/Ek2eNeUPzEJiN6E1Yr6sMw
CVPR2019成像类论文拾英
https://mp.weixin.qq.com/s/qbPAQeJr7OWOwysa4_iDIw
基于深度学习的低光照图像增强方法总结（2017-2019）
https://zhuanlan.zhihu.com/p/82352961
基于深度学习的图像增强综述
https://zhuanlan.zhihu.com/p/56263560
单目视觉深度估计测距的前生今世
https://mp.weixin.qq.com/s/xdV3VHbSrgQa3G51KMHamA
神经网络如何进行深度估计？
https://mp.weixin.qq.com/s/0K_NF84wvPJttEARVUGPWA
DeOccNet：国防科大提出阵列相机去除前景遮挡成像新方法
https://mp.weixin.qq.com/s/HxYckWC7rKEq8L6bUMKHTg
手机拍出单反照片，苏黎世理工单个深度卷积模型取代ISP
https://zhuanlan.zhihu.com/p/107840206
深度学习替代手机ISP可行吗？
https://zhuanlan.zhihu.com/p/140926754
低光图像处理方案
https://zhuanlan.zhihu.com/p/161806533
论文阅读：神经形态视觉传感器（事件相机）的研究进展及应用综述
https://mp.weixin.qq.com/s/yIMaptbjV71cdC-GauGtDg
先拍照后对焦，浅析基于深度估计的景深编辑与背景虚化
https://mp.weixin.qq.com/s/RA8rYI5z_18ybKQaVYWOxw
浅析多重曝光与自动图像融合技术
https://mp.weixin.qq.com/s/ry7DFwnhttXghEndfeZ-VA
提高照片清晰度的黑魔法竟然是..
https://mp.weixin.qq.com/s/BczYuj1xaG097gq3t8XLkQ
深度解析爱芯元智AI ISP技术
深度树学习
决策树是传统ML领域的王者，对于如何将之深度化，一般有两个方向：
-
树结构的深度化。代表：gcForest。
-
树+DL。一般被称为深度树学习。
gcForest
http://mp.weixin.qq.com/s/aDKLcITA6TBZDyNmuAU4Bw
周志华教授gcForest（多粒度级联森林）算法预测股指期货涨跌
https://mp.weixin.qq.com/s/GU9-rH0gFan620Jhc1HTDg
周志华提出的gcForest能否取代深度神经网络？
https://mp.weixin.qq.com/s/dEmox_pi6KGXwFoevbv14Q
周志华：首个基于森林的自编码器，性能优于DNN
http://mp.weixin.qq.com/s/IfEgSOIkIPA-YtC9NQW1ng
非神经网络的深度模型gcForest
https://mp.weixin.qq.com/s/N80l9PZQposbIOKXbv8ayw
周志华：最新实验表明gcForest已经是最好的非深度神经网络方法
https://mp.weixin.qq.com/s/8QP5X9Hxi_6qyfxP4O0Gwg
周志华团队和蚂蚁金服合作：用分布式深度森林算法检测套现欺诈
https://mp.weixin.qq.com/s/bE9BZQ6wCICvrgomdySDuw
周志华组提出可做表征学习的多层梯度提升决策树
https://mp.weixin.qq.com/s/AwvSTF8j0AinS-EgmPFJTA
周志华团队：深度森林挑战多标签学习，9大数据集超越传统方法
深度树学习
https://mp.weixin.qq.com/s/GO7bXBY0cVfGIEEAtp0sKg
什么时候以及为什么基于树的模型可以超过神经网络模型？
https://mp.weixin.qq.com/s/bjOVQu0FZyTWQRlwEn8IVA
基于深度树学习的Zero-shot人脸检测识别
https://mp.weixin.qq.com/s/pWcFuOecG-dZHZ365clDjg
阿里妈妈新突破！深度树匹配如何扛住千万级推荐系统压力
https://mp.weixin.qq.com/s/sw16_sUsyYuzpqqy39RsdQ
阿里妈妈深度树检索技术（TDM）及应用框架的探索实践
https://mp.weixin.qq.com/s/EFDmHH8oUmJk-rG5PNnsAg
阿里妈妈深度树匹配技术演进：TDM->JTM->BSAT
https://mp.weixin.qq.com/s/6r8y7tMqo53lnACWG1K4xA
深度树学习用于Zero-shot人脸的反欺诈
https://mp.weixin.qq.com/s/NBVPlFGO12PhMTF0dUL2hw
DeepGBM:使用树蒸馏提升在线预测任务下深度模型效果
您的打赏，是对我的鼓励
