regression

[关于统计学专业的学习进阶] Introductory 1.1 Introduction to Statistical Reasoning 　　统计学概念（实验设计、描述统计、相关和回归、概率、抽样、机会模型、显著性检验等） 　　 Textbook: Seeing Through Statistics, Jessica M. Utts, 2008 1.2 Introduction to Statistics 　　定量分析方法（概率、抽样分布理论、线性回归、方差分析、置信区间、假设检验等）、软件使用 　　 Textbook: Stats: data and models, De Veaux Richard D, 2016 　　 Textbook: Elementary Statistics, Allan G Bluman, 2008 1.3 Calculus-based Introduction to Statistics 　　统计概念+数学（随机变量、概率分布、pdf、cdf、均值、方差、相关性、条件分布、条件均值、条件方差、正态分布、卡方分布、F分布、t分布、大数定律、中心极限定理、参数估计、无偏性、一致性、有效性、假设检验、p值、置信区间、极大似然估计等） 　　 Textbook: Probability and statistics for engineering and

问题： What are unit tests, integration tests, smoke tests, and regression tests? 什么是单元测试，集成测试，冒烟测试和回归测试？ What are the differences between them and which tools can I use for each of them? 它们之间有什么区别，我可以为每个工具使用哪些工具？ For example, I use JUnit and NUnit for unit testing and integration testing. 例如，我将JUnit和NUnit用于单元测试和集成测试。 Are there any smoke testing or regression testing tools? 有烟雾测试或回归测试工具吗？ 解决方案： 参考一： https://stackoom.com/question/2BI8/什么是单元测试-集成测试-冒烟测试和回归测试 参考二： https://oldbug.net/q/2BI8/What-are-unit-tests-integration-tests-smoke-tests-and-regression-tests 来源： oschina 链接： https://my.oschina.net/u

we employ a convolutional auto-encoder that has been trained on a large collection of random local patches. We demonstrate that neural networks coupled with a local voting-based approach can be used to perform reliable 3D object detection and pose estimation under clutter and occlusion. To this end, we deeply learn descriptive features from local RGB-D patches and use them afterwards to create hypotheses in the 6D pose space. we train a convolutional autoencoder (CAE) from scratch using random patches from RGB-D images with the goal of descriptor regression. With this network we create

今日CS.CV计算机视觉论文速览 Mon, 4 Mar 2019 Totally 39 papers Interesting: 📚 MaskScoring R-CNN 为实例分割任务中增加了预测质量的评分结果 ,文章提出了网络模块学习预测实例的质量，并为实例分割结果进行打分。这一模块通过实例特征和对应的预测掩膜联合起来得到掩膜区域，实验表明这一机制提高了实例分割的结果，并显著增强了多个的性能。（from 华中科技大学） 实验显示MaskIoU与分数具有更强的相关性： 网络中输出maskIoU的区域及其不同设计： 代码：https://github.com/zjhuang22/maskscoring_rcnn. ref 公众号 📚 EvoNet基于多图像的超分辨网络 ，利用基于残差的EvoNet输出多张超分辨重建图像(2X)，并基于图像进行shift-and-fusion融合(2x)，最终利用Evo成像模型得到最终的超分辨结果。（from Poland and with Silesian University of Technology） 一些结果： 一些相关算法比较： 高精度数据集 DIV 2K 📚 视频中非标记目标的探索 ，面临着定位和多重物体的挑战。此外现实中的物体还具有明显的长尾效应。研究人员利用10+个小时的视频数据中抽取了360,000个目标，并基于双目多帧候选区域

今日CS.CV计算机视觉论文速览 Thu, 28 Mar 2019 Totally 32 papers Daily Computer Vision Papers 1.Title: GAN-based Pose-aware Regulation for Video-based Person Re-identification Authors:Alessandro Borgia, Yang Hua, Elyor Kodirov, Neil M. Robertson 2.Title: Privacy Protection in Street-View Panoramas using Depth and Multi-View Imagery Authors:Ries Uittenbogaard, Clint Sebastian, Julien Vijverberg, Bas Boom, Dariu M. Gavrila, Peter H.N. de With 3.Title: Accurate Monocular 3D Object Detection via Color-Embedded 3D Reconstruction for Autonomous Driving Authors:Xinzhu Ma, Zhihui Wang, Haojie Li, Wanli Ouyang,

方法1 Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric CNN Regression http://aaronsplace.co.uk/papers/jackson2017recon/ demo http://cvl-demos.cs.nott.ac.uk/vrn/index.php 原始图像 3D角度1 3D角度2 方法2 来源： oschina 链接： https://my.oschina.net/u/4257655/blog/3965464

Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric CNN Regression 　　该文献采用一个新型的VRN网络对任意的面部姿势和表情的2D图片进行3D面部重建，并绕过3D可变模型的构造（在训练期间）和拟合（在测试期间）。 volumetric representation 　　文献中是通过CNN回归来预测3D面部的顶点，直接对所有的3D面部点进行预测的话不利于VRN的学习。该文献中将mesh转换为voxel,变成一个192*192*200的矩阵。这样就比较适合CNN。我们先看看mesh和voxel的区别：下面的第一张图是mesh，可以看出就是一个曲面；第二张是voxel，可以看出人脸是由很多个立方体构成的。 作者给出了voxel转成obj的脚本，运行出来是这样的： 这是一个封闭的曲面。这就有个问题了，由CNN预测出来的3D人脸的顶点是不固定的，也就是我们还需要进行一步对齐，将一个固定顶点的模板对齐到CNN预测出来的3D人脸。 mesh转voxel可以用binvox这个工具。 Volumetric Regression Networks(VRN) 　　该网络由两个Hourglass Networks构成（ HN网络 ），两个NH的结构类似，第二个NH对第一个NH的输出进行优化。

scikit-learn: machine learning in Python — scikit-learn 0.20.0 documentation https://scikit-learn.org/stable/index.html Simple and efficient tools for data mining and data analysis Accessible to everybody, and reusable in various contexts Built on NumPy, SciPy, and matplotlib Open source, commercially usable - BSD license scikit-learn - Wikipedia https://en.wikipedia.org/wiki/Scikit-learn Scikit-learn (formerly scikits.learn ) is a free software machine learning library for the Python programming language. [3] It features various classification , regression and clustering algorithms including