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

pdf code

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

pdf

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

pdf code

如图模块

Anchor Loss: Modulating Loss Scale based on Prediction Difficulty

pdf

$$\ell(p, q ; \gamma)=-\underbrace{(1+\overbrace{q-q_{*}}^{\text {predicion difficulty }})}_{\text {modulator }} \underbrace{(1-p) \log (1-q)}_{\text {cross entropy }}$$

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$q_*$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。