搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏code人生
Robust generic functions on slices
slices[2]包提供了适用于任何类型切片的函数。在这篇博文中，我们将通过理解切片在内存中的表示方式的讨论以及它对垃圾收集器的影响，来更有效地使用这些函数，此外，我们还将介绍最近对这些函数进行的调整，使它们更加符合预期。
47910编辑于 2024-02-29
来自专栏计算机视觉理论及其实现
Robust Real-Time Face Detection
我们构建了一个正面人脸检测系统，实现了与已发表的最佳结果相当的检测和假正性率。该人脸检测系统与以前的方法最明显的区别在于它能够非常快速地检测人脸。在传统的700mhz Intel Pentium III上，人脸以每秒15帧的速度在384×288像素的图像上运行。在其他人脸检测系统中，辅助信息，如视频序列中的图像差异，或彩色图像中的像素颜色，都被用来实现高帧率。我们的系统实现了高帧率的工作，只有在一个单一的灰度图像中的信息。这些替代的信息来源也可以与我们的系统集成，以实现更高的帧速率。
1K20编辑于 2022-09-04
来自专栏CSDN社区搬运
Robust多模态模型的开发
Robust 多模态模型：寻找遗失的模态！近年来，随着网络视频的大量涌现，各种多模态任务日益备受关注。本文提出了一种 Robust 的多模态模型来提高模型对非对齐模态序列随机缺失的鲁棒性。同时，我在流行的多模态任务–多模态情感计算的数据集上对模型进行了测试，得到了不错的效果，证明了该模型的可靠性。
42910编辑于 2024-11-15
来自专栏优雅R
「R」Robust Rank Aggregation 算法介绍
那么要怎么根据手上的三组数据来获得一个相对可靠的排名来进一步确定要研究的对象呢？排名整合就可以帮助处理这种问题。
7K61发布于 2020-07-09
来自专栏计算机视觉理论及其实现
PupilNet: Convolutional Neural Networks for Robust Pupil Detection
实时、准确和健壮的瞳孔检测是普及的基于视频的眼球跟踪的必要前提。然而，由于快速的光照变化、瞳孔遮挡、非中心和离轴眼记录以及眼的生理特征，在真实场景中自动检测瞳孔是一个复杂的挑战。在本文中，我们提出并评价了一种新的基于双卷积神经网络流程的方法。在它的第一阶段，流程使用卷积神经网络和从缩小的输入图像的子区域进行粗瞳孔位置识别，以减少计算成本。第二阶段使用从初始瞳孔位置估计周围的小窗口衍生出的子区域，使用另一种卷积神经网络来优化这个位置，与目前性能最好的算法相比，瞳孔检测率提高了25%。可根据要求提供注释数据集。
2.7K20编辑于 2022-09-02
来自专栏计算机视觉理论及其实现
Robust Data Augmentation Generative Adversarial Networkfor Object Detection
基于生成对抗性网络（GAN）的数据扩充用于提高目标检测模型的性能。它包括两个阶段：训练GAN生成器以学习小目标数据集的分布，以及从训练的生成器中采样数据以提高模型性能。在本文中，我们提出了一种流程化的模型，称为鲁棒数据增强GAN（RDAGAN），旨在增强用于目标检测的小型数据集。首先，将干净的图像和包含来自不同域的图像的小数据集输入RDAGAN，然后RDAGAN生成与输入数据集中的图像相似的图像。然后，将图像生成任务划分为两个网络：目标生成网络和图像翻译网络。目标生成网络生成位于输入数据集的边界框内的目标的图像，并且图像转换网络将这些图像与干净的图像合并。定量实验证实，生成的图像提高了YOLOv5模型的火灾检测性能。对比评价表明，RDAGAN能够保持输入图像的背景信息，定位目标生成位置。此外，消融研究表明，RDAGAN中包括的所有组件和物体都发挥着关键作用。
75720编辑于 2023-10-07
来自专栏登神长阶
【论文复现】Robust多模态模型的开发
Robust 多模态模型：寻找遗失的模态！近年来，随着网络视频的大量涌现，各种多模态任务日益备受关注。本文提出了一种 Robust 的多模态模型来提高模型对非对齐模态序列随机缺失的鲁棒性。同时，我在流行的多模态任务–多模态情感计算的数据集上对模型进行了测试，得到了不错的效果，证明了该模型的可靠性。
53010编辑于 2024-11-28
来自专栏用户7627119的专栏
【R语言】Robust Rank Aggregation(RRA)方法介绍
RRA（Robust Rank Aggregation）是一种对排名进行整合，获得一个综合性排名列表的算法。这个方法最早实在2012年发表在Bioinformatics杂志上。
2.4K21编辑于 2022-09-21
来自专栏机器学习、深度学习
人脸对齐--Robust face landmark estimation under occlusion
Robust face landmark estimation under occlusion ICCV’13 http://www.vision.caltech.edu/xpburgos/ICCV13 使用特征称之为 shape-indexed features，它依赖于 the current shape estimate， The key to CPR lies on computing robust Robust Cascaded Pose Regression (RCPR) 文献【14,7】在什么情况下效果不好了？ faced with occlusions and large shape variations，Boosted regressors 不能够对 outliers 给出一个系统的解决方案，我们提出了一个 Robust
1K30发布于 2019-05-26
来自专栏Listenlii的生物信息笔记
rlm:Robust regression by iterated reweighted least squares(IRLS)
关于IRLS： rlm属于稳健回归（Robust regression）的一个方法。稳健回归可以用在任何使用最小二乘回归的情况下。在拟合最小二乘回归时，我们可能会发现一些异常值或高杠杆数据点。 Reference: https://stats.idre.ucla.edu/r/dae/robust-regression/
1.4K41发布于 2020-12-16
来自专栏CreateAMind
Dense Associative Memory Is Robust to Adversarial Inputs
Dense Associative Memory Is Robust to Adversarial Inputs https://github.com/DimaKrotov/Dense_Associative_Memory The results we present suggest that DAMs with higher-order energy functions are more robust to adversarial
64710发布于 2019-06-03
来自专栏分析工具
Robust Rank Aggregation(RRA)分析学习
Robust Rank Aggregation (RRA) 是一种排名整合算法，用于从多个排序列表中识别在所有或大多数列表中排名靠前的元素/基因/变量，目标是找到跨所有数据来源具有一致性的显著元素/基因 )dev.off()参考资料：Robust rank aggregation for gene list integration and meta-analysis.
75401编辑于 2024-11-28
来自专栏机器学习、深度学习
图像拼接--Robust image stitching with multiple registrations
Robust image stitching with multiple registrations ECCV2018 本文使用多个 registrations 来增强图像拼接的效果标准的图像拼接流程一般为
1.2K30发布于 2019-05-26
来自专栏随手写个文章
Adaptive and Robust Query Execution for Lakehouses at Scale（翻译）
Robust Query Processing through Progressive Optimiza- tion. In Proc. ACM SIGMOD. 659–670.
1.1K10编辑于 2025-01-17
来自专栏素质云笔记
因果推断笔记——DR ：Doubly Robust学习笔记（二十）
文章目录 0 观测数据的估计方法 0.1 Matching 0.2 Propensity Score Based Methods 0.2.1 PSM 0.2.2 IPW 0.2.3 Doubly Robust 第一步也是通过计算样本权重使得一阶矩一致，第二步与 Doubly Robust 的思想一致，加入了回归模型，并在第三步结合了前两步的结果估计平均因果效应。 0.2.3 Doubly Robust IPW需要样本权重主要围绕倾向的分为核心，倾向得分一旦预测不准，会导致上面的估计方法出现很大的偏差。为了解决样本权重过度依赖倾向得分准确性的问题，大佬又提出了Doubly Robust estimator (DR)方法或者成为增强IPW(AIPW)。 1 DR ：Doubly Robust DR是在Propensity Score的分析体系下的，所以， 1.1 DR的理论基础【因果推断/uplift建模】Doubly Robust Learning
5K32编辑于 2021-12-21
来自专栏蓝里小窝
阅读笔记 | Design Guidelines for Robust Internet Protocols
info: Anderson T E , Shenker S , Stoica I ,et al.Design Guidelines for Robust Internet Protocols[J].ACM
40130编辑于 2023-10-15
来自专栏机器学习、深度学习
语义分割--Efficient and Robust Deep Networks for Semantic Segmentation
Efficient and Robust Deep Networks for Semantic Segmentation Code: https://lmb.informatik.uni-freiburg.de Incorporating low resolution features to a high resolution network makes M-Net more robust towards false
52130发布于 2019-05-26
来自专栏基于深度学习的图像增强
Robust Scene Text Recognition with Automatic Rectification 学习笔记
介绍识别自然图像中的文字仍是一个充满挑战的任务，本文提出了RARE（Robust text recognizer with Automatic REctification），一个对于不规则的文字具有鲁棒性的识别模型
1.7K30发布于 2020-06-03
来自专栏小锋学长生活大爆炸
【翻译】Robust Graph Neural Networks 稳健的图神经网络
在 NeurIPS 2021 上发表的“Shift-Robust GNNs: Overcoming the Limitations of Localized Graph Training Data”中，这种方法称为 Shift-Robust GNN (SR-GNN)，旨在解决有偏差的训练数据与图的真实推理分布之间的分布差异。为了解决这个问题，我们提出了一个 shift-robust regularizer（类似于域不变学习）来最小化训练数据和来自未标记数据的 IID 样本之间的分布偏移。通过实例重新加权对线性 GNN 进行 Shift-Robust 正则化此外，值得注意的是，还有另一类 GNN 模型（例如 APPNP 、 SimpleGCN 等）基于线性运算来加速其图卷积
67810编辑于 2023-03-01
来自专栏计算机视觉理论及其实现
ShapeShifter: Robust Physical Adversarial Attack on Faster R-CNN Object Detector
鉴于直接操作数字输入空间中的图像像素的能力，对手可以很容易地产生难以察觉的扰动来欺骗深度神经网络(DNN)的图像分类器，正如前面的工作所证明的那样。在这项工作中，我们提出了ShapeShifter，这是一种解决更具挑战性的问题的攻击，即利用物理上的对抗扰动来愚弄基于图像的目标检测器，如Faster 的R-CNN。攻击目标检测器比攻击图像分类器更困难，因为需要在多个不同尺度的边界框中误导分类结果。将数字攻击扩展到物理世界又增加了一层困难，因为它需要足够强大的扰动来克服由于不同的观看距离和角度、光照条件和相机限制而造成的真实世界的扭曲。结果表明，原提出的增强图像分类中对抗性扰动鲁棒性的期望变换技术可以成功地应用于目标检测设置。变形机可以产生相反的干扰停止信号，这些信号经常被Faster R-CNN作为其他物体错误地检测到，对自动驾驶汽车和其他安全关键的计算机视觉系统构成潜在威胁。
1.9K50编辑于 2022-09-03

第 2 页第 3 页第 4 页第 5 页第 6 页第 7 页第 8 页第 9 页第 10 页第 11 页

点击加载更多

Robust generic functions on slices

Robust Real-Time Face Detection

Robust多模态模型的开发

「R」Robust Rank Aggregation 算法介绍

PupilNet: Convolutional Neural Networks for Robust Pupil Detection

Robust Data Augmentation Generative Adversarial Networkfor Object Detection

【论文复现】Robust多模态模型的开发

【R语言】Robust Rank Aggregation(RRA)方法介绍

人脸对齐--Robust face landmark estimation under occlusion

rlm:Robust regression by iterated reweighted least squares(IRLS)

Dense Associative Memory Is Robust to Adversarial Inputs

Robust Rank Aggregation(RRA)分析学习

图像拼接--Robust image stitching with multiple registrations

Adaptive and Robust Query Execution for Lakehouses at Scale（翻译）

因果推断笔记——DR ：Doubly Robust学习笔记（二十）

阅读笔记 | Design Guidelines for Robust Internet Protocols

语义分割--Efficient and Robust Deep Networks for Semantic Segmentation

Robust Scene Text Recognition with Automatic Rectification 学习笔记

【翻译】Robust Graph Neural Networks 稳健的图神经网络

ShapeShifter: Robust Physical Adversarial Attack on Faster R-CNN Object Detector

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐