Posts List

Notes for Adversarial Discriminative Domain Adaptation

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。

Something about GAN

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。

Let's talk about Zero-Shot Learning.

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。

Notes for Amortized Inference and Learning in Latent CRF

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

Notes for SEC

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

TensorFlow r1.0 on TX1 (now successful)

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。

Backup system partition on TX1

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.

Installation of TensorFlow r0.11 on TX1

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.

Train YOLOv2 on my own dataset

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.

Train Caffe-YOLO on our own dataset

经过这几天不断地测试, YOLO 在 TX1 上跑得还是挺不错的, 符合我们实验室的要求. 但是 YOLO 依赖的 Darknet 框架还是太原始了, 不如 TensorFlow 或者 Caffe 用着顺手. 另外, 我负责的目标检测这一块还需要和梅老板写的新框架相结合, 所以更加需要把 YOLO 移植到一个成熟的框架上去. 很幸运的是, YOLO 在各个框架上的移植都有前人做过了, 比如 darktf 和 caffe-yolo. 今天以 caffe-yolo 为例, 谈一下在其上使用自己的数据集来训练.