2025-3-15-Deformable—DETR

Zhu, Xizhou, et al. “Deformable DETR: Deformable Transformers for End-to-End Object Detection.” arXiv: Computer Vision and Pattern Recognition,arXiv: Computer Vision and Pattern Recognition, Oct. 2020.

2025-3-15-强化学习

序列建模与概率图模型

时间序列数据:大量数据与时间相关,是研究对象。

序列建模:对序列数据进行学习、掌握其内在模式和规律。

概率图模型(Probabilistic Graphical Model):刻画变量之间相关性(无向图)、以及显示存在的因果关系(有向图)

有向图:贝叶斯网络。有向边表示条件概率分布。

联合概率分布:阅读全文

2025-3-14-继续实验

python ./test.py --dataset food101 --model Conv4 --method baseline --num_classes 101

Test Acc = 47.95% +- 0.69%

python test.py --dataset food172 --model Conv4 --method baseline

2025-3-13-实验进展

今天主要是帮师姐去跑food172在其他few-shot上的实验了,然后记录下跑的od的一个实验结果:

COCO数据集在Faster-RCNN:

image-20250313194514773

2025-3-13-模型构建

Zheng, Minghang, et al. "End-to-end object detection with adaptive clustering transformer." arXiv preprint arXiv:2011.09315 (2020).

感觉这个图的形式差不多是我想画的样子。

阅读全文

2025-3-10-不打算使用KD

不考虑使用知识蒸馏了。因为想用的话存在以下的问题:

  1. 没有现有的开源的有关于食品目标检测任务的大型模型
  2. 教师模型和学生模型一般都要在同一数据集下训练
  3. 我无法保证在教师模型与学生模型架构完全不一样的情况下,做到模型压缩、也没法保证知识蒸馏就一定有效率
  • 教师模型可以选取检测其他任务的大模型吗、还是说,就根据我的数据...

2025-3-10

除了学习什么都想干()

于是去看歴史了()

唐后是五代十国,五代十国是宋代前的奇妙过度时期。

当然,人民很惨。究其原因,与频繁的战争分不开。古时的兵与匪无甚区别,占据了一城,将军便会允许手下的兵去城池中烧杀掳掠,金钱、女人、粮食、无外乎此。

而这种事情是非常常见的、一直持续到近代。所以说人民的军队才会那么受到百姓的拥护。

五代十国时,大家都见机行事...

2025-3-3

一、模型架构设计与改进

目标检测中,可能用大模型(教师)指导小模型(学生)的学习。但如何设计蒸馏的损失函数,比如特征图对齐或者预测分布匹配,需要考虑检测任务的特点,如边界框回归和分类。

1. 动态专家混合网络(MoE)改造

  • 多尺度特征适配...