巽离阁

从 LeNet-5 回顾 CNN 的参数更新过程

阅读 2017-2023 年的 ICCV 、 CVPR 、 ECCV 等会议论文集中以补全 (Completion) 为关键词的论文

扫读 ICCV 2017 论文集中感兴趣的论文，将根据 略读 - 细读 - 精读 的方式快速过一遍

该项目主要是利用相机固定时间间隔拍摄环绕植物的图像，利用软件重建为点云后，将相邻时序的植物点云进行配准，实现叶片的配对

本次实验以 [Densely Connected Convolutional Networks] 作为主要参考来源，使用 PyTorch 搭建 DenseNet 模型实现对 CIFAR10 数据集的训练和测试

本次试验将以 [Deep Residual Learning for Image Recognition] 作为主要参考来源，使用 PyTorch 搭建 ResNet 模型实现对 CIFAR10 数据集的训练和测试

本次实验将以 ImageNet Classification with Deep Convolutional Neural Networks 作为主要参考来源，使用 PyTorch 搭建 AlexNet 模型实现对 CIFAR10 数据集的训练和测试

针对上一次 Titanic 数据二分类预测实验的拓展和延伸

本次试验以 Kaggle 竞赛中的 Otto Group Product Classification Challenge 作为数据集

本次实验采用 MNIST 作为数据集，搭建 CNN 实现手写数字识别

使用 Titanic Dataset 作为数据集，利用 PyTorch 实现乘客是否生还的二分类预测

PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space