Blogs of Papers

Contact me


本系列博客主要是关于阅读论文的笔记。


A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications

reivew on GAN, objective function, application, etc.


Spatial Transformer Networks

learn the transform parameters to in the input feature map. For classification, It crops out and scale-normalizes the appropriate region, which simplify the subsequent task.


AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networks

AttnGAN多阶段文本生成细粒度图像。GAN网络从语句力度和词粒度控制整体和局部细节,DAMSM衡量文本和图像的匹配程度。


Billion-scale semi-supervised learning for image classification

teacher/student模型,有标签训练teacher,teacher标注无标签数据,无标签数据训练student,student在原始有标签数据微调


LARGE BATCH TRAINING OF CONVOLUTIONAL NET NETWORKS

使用大批量会导致很低的模型准确率,提出LARS,根据梯度和权重的范数比,对不同的层使用不同的学习率


DetNAS: Backbone Search for Object Detection

NAS用于搜索目标检测骨干网,3步:超网ImageNet预训练,超网目标检测微调,超网搜索


Progressive Differentiable Architecture Search: Bridging the Depth Gap between Search and Evaluation

不断增大深度的DARTS


MdeNAS是首个基于分布学习的NAS方法,基于新颖的性能指标假设可以进一步降低搜索时间


MoGA: Searching Beyond MobileNetV3

TODO


Searching for MobileNetV3

搜索MobileNetV3,自动搜索算法和网络设计如何进行结合互补


SqueezeNAS: Fast neural architecture search for faster semantic segmentation

用NAS做语义分割,1.不使用代理,MobileNetV3先搜索分类任务作为代理,SqueezeNAS直接搜索语义分割。 2.使用资源感知损失,直接优化目标平台上的延迟,而不是优化MAC指标,它对于运行速度没有必然关系


DARTS需要大量内存,PC-DARTS通过通道采样减少内存使用量,可以增大批量,提高速度


AutoML: A Survey of the State-of-the-Art

AutoML的综述


Evaluation of a Tree-based Pipeline Optimization Tool for Automating Data Science

TPOT,通过遗传算法自动化的探索管道,包括预处理,模型选择,参数设置等。


MIXED PRECISION TRAINING

混合精度训练,一些方法可以让FP16的运算达到FP32的效果,但是内存减少,速度提升。


TRAINING CONFIDENCE-CALIBRATED CLASSIFIERS FOR DETECTING OUT-OF-DISTRIBUTION SAMPLES

检测内分布和外分布,通过GAN生成靠近内分布的外分布,让分类器通过KL散度使得外分布的预测为均匀分布,可以让分类器更加鲁棒。


Deep Video Inpainting

基于图像编码器-解码器的模型,收集提炼邻近帧的信息,然后生成未知的区域。同时,输出通过循环反馈和时间记忆模块保持时间上的一致性。效果好,速度近乎实时。


Fast Online Object Tracking and Segmentation: A Unifying Approach

用单个方法实时做到同时目标跟踪和半监督视频目标分割。SiamMask通过二值分割任务增强损失提升了全卷积Siamense目标跟踪方法的训练过程。训练完成后,SiamMask只依赖于单个边界框初始值,可以做到旋转的边界框分割未知类别目标,达到每秒55帧。


“IMAGENET-TRAINED CNNS ARE BIASED TOWARDS TEXTURE; INCREASING SHAPE BIAS IMPROVES ACCURACY AND ROBUSTNESS

证明了传统的模型使用纹理来识别,创建数据集Stylized-ImageNet(风格迁移,保留形状,换掉纹理),可以作为数据扩充,而且学到形状特征比原来的性能更高


“Why Should I Trust You?” Explaining the Predictions of Any Classifier

LIME 解释模型


SNIP: SINGLE-SHOT NETWORK PRUNING BASED ON CONNECTION SENSITIVITY

分析连接重要性进行剪枝,Single-Shot


THE LOTTERY TICKET HYPOTHESIS: FINDING SPARSE, TRAINABLE NEURAL NETWORKS

文章关于神经网络剪枝。做法是四步:

初始化,训练一段时间,对梯度小的p%设置mask不再更新,将原始的初始化权重赋值回现在没有剪枝的部分

彩票假说,即原始网络中存在一些一开始就中奖的子网络,通过训练把中奖的找出来(这里只找一个),然后这个找到的子网络的初始权重是中奖的重要因素,需要再次赋值回来,如果重新对这个中奖子网络初始化,就无法拥有好的性能,证明了初始化的重要性。


A New Backpropagation Algorithm withoutGradient Descent

用Moore-Penrose伪逆做反向传播,没看出来这篇文章有什么意义


AutoAugment: Learning Augmentation Strategies from Data

使用强化学习策略搜索数据增强方法,奖励是验证集准确率


DATASET DISTILLATION

将数据集压缩到少量合成数据中,可以少量训练达到很高的准确率。文章还展示了恶意数据攻击,以及预训练模型在新数据上的情况。


Co-teaching: Robust Training of Deep Neural Networks with Extremely Noisy Labels

网络具有记忆特性,即网络最开始先学习容易学的,也可以看作是学到不带噪声数据更容易,然后才过拟合。co-teaching使用初始化不同两个网络交替学习,即学习到损失小的样本作为知识传到另一个网络中,这样两个网络的结构可以互相消除噪声的影响。


将离散的网络结构搜索转为连续优化问题,使用梯度下降求解。先搜索到最好的基本块,然后使用基本块搭建模型。相比于其他方法GPU用时有几个数量级的缩减。


Connecting Generative Adversarial Networks and Actor-Critic Methods

GAN和Actor-Critic之间的联系和二者目前研究方法的共通性。


SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient

使用强化学习中的梯度策略来让GAN生成离散序列数据。


失之交臂的灵感-卷积权重标准化

曾经有过把权重初始化作为一种帮助网络训练的方法,但是当时没有做出来,现在看到了有篇文章把这个想法做出来了,灵感失之交臂。


ACTIVATION MAXIMIZATION GENERATIVE ADVERSARIAL NETS

AM GAN,AM Score作为生成样本质量指标,IS作为多样性指标,分析了类别信息对于生成样本的关系。


UNSUPERVISED AND SEMI-SUPERVISED LEARNING WITH CATEGORICAL GENERATIVE ADVERSARIAL NETWORKS

CatGAN,一个无监督和半监督学习的框架,将神经网络分类器与对抗生成模型相结合,该模型将经过判别训练的分类器正规化,也能够生成高质量的图像。


PAYING MORE ATTENTION TO ATTENTION: IMPROVING THE PERFORMANCE OF CONVOLUTIONAL NEURAL NETWORKS VIA ATTENTION TRANSFER

注意力迁移和蒸馏


Statistical Modeling: The Two Cultures

统计建模的两种文化


Demystifying Parallel and Distributed Deep Learning: An In-Depth Concurrency Analysis

对于并行和分布式深度学习的综述。主要的算法,结构,形式,分析比较的方法。


tempoGAN: A Temporally Coherent, Volumetric GAN for Super-resolution Fluid Flow

在四维空间使用GAN生成动态的烟雾,使用了两个判别器,一个是空间上的,一个是时间上的,用于控制生成的烟雾具有短暂的相关性,以模拟真实的情况。能够生成高分辨率的细节,使用了物理感知的数据增强,在2维和3维上证明了可行性。但是训练时间特别长,微调也是很耗时的过程。


Grad-CAM++: Generalized Gradient-based Visual Explanations for Deep Convolutional Networks

一个新的可视化方法,源于Grad-CAM但是效果更好,并提供了数学推导,对像素位置的加权,解决了Grad-CAM无法定位同一图像中多个同类目标,以及对目标识别不完全的缺点,而且做了知识蒸馏,效果表现很好。


Cyclical Learning Rates for Training Neural Networks

使用循环学习率的方法可以更提升训练效果


Improved Techniques for Training GANs

提出了IS分数来衡量生成图像的质量,和人类判断很相关。提出了一些提升GAN的方法,Feature matching设定新的目标函数,解决GAN的不稳定性。Minibatch discrimination通过多个样本来解决模式坍塌的情况。Historical averaging在每层损失函数中加入一项,可以在低维、连续非凸博弈中找到平衡。Virtual batch normalization解决批标准化导致网络对于一个输入样本x的输出高度依赖于在这个批量中其他的几个输入x’。


Critiquing an Article

如何写文章评论


How good is my GAN?

提出了GAN生成图像的衡量标准。GAN-train和GAN-test,类似于准确率和召回率,分别为用生成图像训练,真实图像测试,和真实图像训练,生成图像测试。对现有的一些模型进行了对比,发现该衡量方法可以对生成图像质量和图像多样性定量衡量,比IS和FID更有效。


One pixel attack for fooling deep neural networks

通过只修改自然图像的一个像素可以让网络错判,实验使用了全卷积网络,VGG,NiN,修改1,3,5个像素点,分为有目标攻击和无目标攻击,分别为将真实类别攻击为目标类别或将真实类别攻击为其他类别,结果证明修改1个像素已经能让很多网络很多类别错判,增加像素点可以增大成功率。


LightGBM: A Highly Efficient Gradient Boosting Decision Tree

提出了新的GBDT算法,包括了两个新方法:基于梯度的单边采样和互斥特征打包,两个方法分别用于处理数据实例较多和特征较多的情况。GOSS排除了大部分梯度小的数据,用梯度大的数据来计算信息增益,在数据量较小的时候也能获得精确度很高的增益估计。EFB对互斥的特征进行打包,减少特征数量,使用贪心的算法可以达到很好的近似率。这个方法提高了速度,超越了现有的方法。


XGBoost: A Scalable Tree Boosting System

提出了一个Tree Boosting系统,高效可扩展。提出了针对于稀疏数据的稀疏感知算法,方法是为树节点加入默认的方向,以做到更好的数据分割,数据压缩,缓存访问模式和数据共享是系统的关键因素。数据压缩是使用块的结构,对列进行压缩,缓存访问使用不同进程对块进行读写处理,数据通过硬盘之间轮换共享。


Squeeze-and-Excitation Networks

压缩激活,自适应校准,SE块的结构可以用于很多网络,提升性能


Aggregated Residual Transformations for Deep Neural Networks

复杂度一致的情况下,增加基数比宽度和深度更有效,使用重复相同拓扑结构的方法简化模型设计


ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design

使用速度而不是FLOPs来衡量模型的效率,提出设计高效网络的几条原则,并根据原则设计了ShuffleNet V2


Xception: Deep Learning with Depthwise Separable Convolutions

关于Inception的假说,把Inception模块替换为深度可分卷积,参数数量和V3差不多,性能更好


ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile

点级别的组卷积和通道重排导致复杂度减少,比MobileNet更好


[Cycle GAN] Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

在无数据对的情况下学习转换,学习x->y->x,损失有对抗损失和环形一致损失


[CoordConv] An intriguing failing of convolutional neural networks and the CoordConv solution

相比普通卷积加入了坐标层,在一些问题上比普通卷积好很多


Mask R-CNN

相比Faster R-CNN加入了一个掩模分支用于生成掩模,在其他任务上表现不错


Faster R-CNN

对区域提议使用网络生成,这个网络和目标检测网络共享特征,速度更快,效果更好


Fast R-CNN

R-CNN and SPPnet缺陷,一步到位的训练,使用多任务损失,RoI pooling layer,Truncated SVD


[R-CNN] Rich feature hierarchies for accurate object detection and semantic segmentation

自底向上区域提议+CNN


YOLOv3: An Incremental Improvement

对网络结构做了一些变动


YOLO9000: Better, Faster, Stronger

使用一些方法提升了YOLO的性能,使用聚类设置框维度,使用分类数据和检测数据联合训练


You Only Look Once: Unified, Real-Time Object Detection

YOLO只使用一个神经网络,用回归问题解决目标检测,速度快,相比R-CNN准确率还差点


Wasserstein GAN

EM与其他距离和散度的比较,WGAN可以提升稳定性,更好的收敛


Are GANs Created Equal? A Large-Scale Study

fair and comprehensive comparison of the state-of-the-art GANs, it is necessary to report a summary of distribution of results, a series of tasks of increasing difficulty for which undisputed measures.
We find that most models can reach similar scores with enough hyperparameter optimization and random restarts. This suggests that improvements can arise from a higher computational budget and tuning more than fundamental algorithmic changes.


The GAN Landscape: Losses, Architectures, Regularization, and Normalization

losses, regularization and normalization schemes, and neural architectures, and their impact on the on the quality of generated samples which we assess by recently introduced quantitative metrics.


MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

Depthwise Separable Convolution, Width Multiplier: Thinner Models, Resolution Multiplier: Reduced Representation