神经网络只需要学习一个函数d d（img1, img2） = degree of difference between imags d将输出两张图片的差异，如果有新人加入，则不需要重新训练网络，只需要用新人的照片与数据库中的去作比较 如果输出的差异小于某个阈值，则判断为是同一个人 Siamese n ...
转载
2021-09-04 12:28:00
170阅读
在 迁移学习 中，由于传统深度学习的 学习能力弱，往往需要 海量数据 和 反为： Zero-shot ...
转载
2023-03-18 10:17:03
420阅读
本文将介绍零样本学习、一次样本学习和样本学习、一次样本学习和少样本学习等技术应运而生，它们旨在解决这个问题。
原创
精选
2023-06-17 13:01:13
1781阅读
摘要尽管深度学习应用领域最近取得了较大的进展，但是小样本学习的挑战是
原创
2023-03-18 10:16:02
112阅读
抽象可验证加密允许人们证明加密数据的属性，并且是加密协议设计中的重要构建块，例如，组签名，密钥托管，公平交换协议等。现有的基于格的可验证加密方案，甚至只是加密数据知识的证明，都需要并行组合证明以减少稳健性误差，从而导致证明大小只有在摊销到大量密文时才真正实用。
在本文中，我们提出了一种新的可验证加密方案结构，基于随机预言机模型中Ring-LWE问题的硬度，用于多项式环上的线性方程的短解。我们的方
原创
2023-05-10 09:04:41
115阅读
Abstract. Verifiable encryption allows one to prove properties about encrypted data and is an important building block in the design of cryptographic protocols, e.g., group signatures, key escrow, fai
原创
2023-06-08 10:10:05
87阅读
o-knowledge proof of knowledge π showing that he knows the value of Dec(t). Proving
knowledge of the value of Dec(t) is usually the same as proving that t is a correctly formed ciphertext
along with p
原创
2023-06-21 00:10:05
375阅读
摘要可验证加密允许人们证明加密数据的属性，并且是密码协议设计的重要组成部分，例如群签名、密钥托管、公平交换协议等。现有的基于晶格的可验证加密方案，甚至只是加密数据的知识证明，都需要并行组合证明来减少可靠性误差，从而产生只有在大量密文上摊销时才真正实用的证明大小。在本文中，我们基于随机预言机模型中的环LWE问题的硬度，提出了一种可验证加密方案的新构造，用于多项式环上线性方程的短解。我们的方案是“一次
原创
2023-05-14 08:38:01
134阅读
Abstract. Verifiable encryption allows one to prove properties about encrypted data and is an important building block in the design of cryptographic protocols, e.g., group signatures, key escrow, fa
原创
2023-07-03 16:53:31
75阅读
几乎所有希望在实际应用中使用机器学习算法的人都会遇到领域适应性（Domain Adaptation）的问题：我们在固定的source domain建立了模型，但希望把我们的模型部署到另外一个或几个不同的target domain中。领域的适应性问题在机器学习实际应用的各个领域都非常常见。比如，语音识别中。一个大规模的语音识别系统，需要对各种带有噪声或口音的语音，都能很好的识别。比如图1中描述的，不
原创
2023-06-23 07:45:25
106阅读
1 Zero-shot learning
零样本学习。
1.1 任务定义
利用训练集数据训练模型，使得模型能够对测试集的对象进行分类，但是训练集类别和测试集类别之间没有交集；期间需要借助类别的描述，来建立训练集和测试集之间的联系，从而使得模型有效。
Zero-shot learning 就是希望我们的模型能够对其从没见过的类别进行分类，让机器具有推理能力，实现真正的智能。其中零次（Zero-sho
几乎所有希望在实际应用中使用机器学习算法的人都会遇到领
原创
2022-06-29 20:24:35
36阅读
论文：Understanding and Simplifying One-Shot Architecture
原创
2021-07-27 11:38:35
516阅读
自动化机器学习（AutoML）最近变得越来越火，是机器学习下个发展方向之一。其中的神经网络结构搜索（NAS）是其中重要的技术之一。人工设计网络需要丰富的经验和专业知识，神经网络有众多的超参数，导致其搜索空间巨大。NAS即是在此巨大的搜索空间里自动地找到最优的网络结构，实现深度学习的自动化。自2017年
原创
2021-12-04 17:27:02
650阅读
search space设计 文章认为好的search space需要满足以下条件： search space需要足够large和expressive，这样才能探索更丰富多样的候选网络架构 one-shot模型在验证集上的准确率必须与stand-alone模型的准确率高度相关。也就是说相比于其他候选
原创
2021-06-06 19:51:48
513阅读
问题： 1、大型神经网络学习速度很快，性能也往往优于其他较小的模型，但它们对资源的巨大需求限制了其在现实世界的部署，所以当部署网络到资源有限的设备上，需要对网络进行剪枝（识别和剪枝冗余的结构），使性能几乎无损失情况下，网络更苗条更简单。 2、剪枝方法：a、采用L1或L2正则化的细粒度剪枝方法，根据一 ...
转载
2021-10-09 00:40:00
316阅读
2评论
Understanding and Simplifying One-Shot Architecture Search（论文阅读）文章目录Understanding and Simplifying One-Shot Architecture Search（论文阅读）
原创
精选
2023-04-10 15:44:12
414阅读
原创 Edison_G 计算机视觉研究院 今天收录于话题#深度学习框架25#算法32#CVPR系列34#深度学习73#目标检测系列46欢迎关注“计算机视觉研究院”计算机视觉研究院专栏作者：Edison_G给一个包含了未知种类多个实体的没训练过的新样本(the query image)，如何检测以及分割所有这些实例？？？ 长按扫描二维码关注我们一、分割回顾实例分割（Instance Segment
转载
2021-04-07 09:44:50
363阅读
2评论
