pangpeng
pangpeng
# Review-2019.11.4-彭晓婷 ## Preview 主要看了mentornet，包括原理以及所有的公式推导。 本质上也是修改权重，我觉得可以用mentornet做不平衡问题 ## Next - 复现mentornet - 看一下能不能构造自己的teacher网络去监督student - 看一下有没有其他文章在mentornet上加工的 - 继续学习pytorch框架 - 有时间还是可以试试GHM在数据分类上单独显示的性能。
# Review-2019.10.27-彭晓婷 ## Preview - 组会汇报 - 看了几篇最新的不平衡数据集处理方法 1.Focal loss和GHM loss（组会上汇报的） 2.难易样本排序的AR Loss和DR Loss，将分类问题换成排序问题。但是跟Focal Loss一样的问题就是超参数比较多，不好调。 - 看了mentornet的原理部分。 ## Next - 周五开会 - mentornet，结合代码看懂公式内涵，外加证明。这样才能自己改自己需要的模块。 - 继续学习pytorch框架 - 有时间还是可以试试GHM在数据分类上单独显示的性能。
# Review-2019.10.14-彭晓婷 ## Preview - 学习pytorch框架 - 把数据集处理了，开始用基础网络去训练 Next - 一边训练基础网络，一边确认我的研究方案
# Review-2019.9.22-彭晓婷 ## Preview 开题报告+答辩 ## Next 数据集处理，图像都是大小不一的，而且数据量太大。
# Review-2019.9.15-彭晓婷 ## Preview 主要是开题报告。把最近几年所有关于WHOI-Plankton数据集的论文都过了一遍，WHOI-Plankton数据集不仅仅是类极不平衡问题，而且是细粒度图像分类问题。 ## Next 把现有的方法去复现，再同意用一个标准衡量比较。
# Review-2019.6.10-彭晓婷 ## Preview - 看了论文《Semisupervised Scene Classification for Remote Sensing Images_ A Method Based on Convolutional Neural Networks and Ensemble Learning》 和《Cost-Sensitive Learning of Deep Feature Representations From Imbalanced...
# Review-2019.7.22-彭晓婷 ## Preview - 论文：Learning a Deep ConvNet for Multi-label Classification with Partial Labels使用部分标签学习深度ConvNet以进行多标签分类 亮点：提出新的二元交叉熵损失训练Partial Labels，利用curriculum learning model using bayesian uncertainty预测缺失标签，利用Graph Neural Network (GNN)进行多标签分类。 - 论文：Bag of Tricks for...
# Review-2019.7.15-彭晓婷 ## Preview Minimizing the Maximal Loss: How and Why. 2016 ICML 基本结束，虽然理论还是没空懂。但是懂了构造原理以及解决了什么问题。这种损失在解决数据不平衡上应该是有所帮助，按照论文中讲的，它还可以解决异常值问题。 ## Next SAT数据集以及应用Minimizing the Maximal Loss
# Review-2019.7.8-彭晓婷 ## Preview - 数据集找了，但是还没找模型测试 - 论文：Minimizing the Maximal Loss: How and Why. 2016 ICML 算法理论内容太多了，看懂了大概，但是讲不明白，还没理解透彻，尤其是迭代那一块打算结合代码看看。代码还在改，py2改成py3。不熟悉，所以改的有点慢。 - 整理一下IGARSS2018中关于图像分割的论文。关于分割的并不多，我将深度学习相关的论文整理出来了。 - IGARSS2018语义分割：Effective Building Extraction by Learning to Detect and Correct Erroneous...
# Review-2019.7.1-彭晓婷 ## Preview - 两门节课考试 - 准备组会报告 ## Next 找一个新的数据集，看一下IARSS 2019的关于分割的论文