About this paper Title: Adversarial Discriminative Domain Adaptation Authors: Eric Tzeng, Judy Hoffman, Kate Saenko, Trevor Darrell Topic: Domain Adaptation From: arXiv:1702.05464, appearing in CVPR 2017 Contributions 将之前的论文里提到的一些方法，例如weight sharing、base models、adversarial loss等，归入了统一的框架之中，并进行了测试； 提出了一种新的框架ADDA，主要思想是不做分类器的自适应，而是设法将目标域的数据映射到域源域差不多的特征空间上，这样就能够复用源域的分类器。

最近在看关于GANs的论文，并且自己动手用PyTorch写了一些经典文章的实现，想要稍微总结一下，故有此文。在最后我总结了我自己看过的有关GANs的一些比较好的资源，希望对读者有所帮助。

最近在看Zero-Shot learning方面的文章，有些想要记录备忘的东西，就写在这儿吧。

This is my notes for Amortized Inference and Learning in Latent Conditional Random Fields for Weakly-Supervised Semantic Image Segmentation. arXiv:1705.01262 Poster & Slides

This is my notes for Seed, Expand and Constrain: Three Principles for Weakly-Supervised Image Segmentation. arxiv: https://arxiv.org/abs/1603.06098 github: https://github.com/kolesman/SEC

That’s my notes for the talk “From Faster-RCNN to Mask-RCNN” by Shaoqing Ren on April 26th, 2017. Yesterday – background and pre-works of Mask R-CNN Key functions Classification - What are in the image? Localization - Where are they? Mask (per pixel) classification - Where+ ? More precise to bounding box Landmarks localization - What+, Where+ ? Not only per-pixel mask, but also key points in the objects

TensorFlow r1.0已经发布了不少时间，事实证明1.0版本在内存使用上改善了不少，以前一些在r0.11上内存满报错的程序在r1.0上能够正常运行了。同时，r1.0相较于r0.11在API上做了很大的改动，也有很多新的东西（比如Keras）将要集成进TF。 总而言之，r1.0是未来的方向，所以说我希望将原先在TX1上装的r0.11换成r1.0。不过网上最新的教程还是只有r0.11的。rwightman这位仁兄编译成功了r1.0alpha版本，并且放出了whl文件，不过没有编译正式版。本文将阐述如何在TX1上安装TensorFlow r1.0的正式版本，不过目前由于nvcc的一个bug，还没有编译成功。 Update: 做了一些非常ugly的改动之后编译成功了。

由于实验室只有要用到多块 TX1 开发板, 然而一个个都用 JetPack 刷机, 再用自动化脚本装软件和依赖实在是太麻烦了, 因此我和梅老板就开始研究怎么直接备份 TX1 上的 Ubuntu 系统.

今天折腾了一个下午, 特此记录一下其中遇到的坑, 主要还是因为 TX1 的 aarch64 架构, 以及小得可怜的内存与存储容量.

最近在看 Darkflow 的时候, 发现连 YOLOv2 都出了, 据称 mAP 和速度都提升了不少, 立马 clone 下来试了一番.