Summaries for several ICCV 2019 papers
目录:
- Summaries for several ICCV 2019 papers
- Many Task Learning With Task Routing
- AdaTransform: Adaptive Data Transformation
- LIP: Local Importance-based Pooling
- Anchor Loss: Modulating Loss Scale based on Prediction Difficulty
Many Task Learning With Task Routing
这篇文章解决多任务学习的问题,解决的方案是一次train只activate有限个任务,然后随机激活。这扩展成一个广义的层,train时随机激活有限个输出。
AdaTransform: Adaptive Data Transformation
这篇文章作者有类似任务的旧repo.这篇文章训练一个专注于数据增强的agent,在竞争模式中能挑战原网络,在合作模式中能提升原网络的Generalization能力。使用强化学习训练这个agent,另外也需要一个分类器用于在竞争模式时鉴别agent的网络是否过于偏离原分布。
LIP: Local Importance-based Pooling
如图模块
Anchor Loss: Modulating Loss Scale based on Prediction Difficulty
这篇文章讨论了一个基于Focal Loss开发的一个损失函数,如上公式。本文对进行了讨论,在分类以及姿态估计(本质上都是分类问题)中得到了SOTA的结果。