Domain Adaptation在经典的机器学习问题中，我们往往假设训练集和测试集分布一致，在训练集上训练模型，在测试集上测试。然而在实际问题中，测试场景往往非可控，测试集和训练集分布有很大差异，这时候就会出现所谓过拟合问题：模型在测试集上效果不理想。以人脸识别为例，如果用东方人人脸数据训练，用于识别西方人，相比东方人识别性能会明显下降。当训练集和测试集分布不一致的情况下，通过在训练...

论文：Deeply Learned Compositional Models for Human Pose Estimation2018ECCV，Wei Tang, Pei Yu and Ying Wu1.主要思想目前基于传统CNN进行Pose检测，当存在重叠部分、附近人员干扰和杂乱背景造成歧义时，很容易导致检测错误，精度变差。作者提出了一个有希望的方法是利用人体的组合性。它的意思是将一个整体表示

论文:《Rethinking on Multi-Stage Networks for Human Pose Estimation》1.概述多阶段网络更加适合姿态估计任务，因为该结构可以使得低分辨率的特征和高分辨率的特征重复交叠，兼顾了位置信息和特征抽象信息。2.MSPN框架结构改进1：优化单个stage结构在现有的多stage网络中，每个stage在进行特征降采样和升采样时，其通道是...

论文:《Convolutional Pose Machines 》1.概述CPMs由一系列预测器组成，这些预测器经过训练，可在每个图像位置进行密集预测。本文的主要贡献包含：a：使用级联（sequential）卷积结构学习隐式空间模型。b：系统地设计和训练CPMs来学习图像特征和依赖图像的空间模型（各个关节的关系）2.CPMs的模型架构CPM采用CNN的方式来进行特征提取和上下文信息...

《DeepIM: Deep Iterative Matching for 6D Pose Estimation》2018，Yi Li et al. DeepIM1.引言：本文，作者提出了一种新的深度神经网络对物体的6D姿态（3D位置和3D方向）进行估计，命名为DeepIM。采用对图像进行直接回归物体姿态的方式，准确率是有限的，通过匹配物体的渲染图像可以进一步提高准确率。即给定初始姿态估计...

《Stacked Hourglass Networks for Human Pose Estimation》ECCV2016，密歇根大学的研究团队，Hourglass。后续的很多人体姿态估计方法都借鉴了hourglass网络结构，并进行了改进，可以说hourglass的网络结构算是受到了业界的认可。简介：本文使用全卷积神经网络，对给定的单张RGB图像，输出人体关键点的精确像...

Replay-Attack人脸防作伪数据集参考论文：《On the Effectiveness of Local Binary Patterns in Face Anti-spoofing》下载链接： https://www.idiap.ch/en/dataset/replayattack数据集描述：  Replay-Attack数据库由1300个视频组成，这些视频在不同的光照条件下对50个实验人

公开服饰数据集：1. DeepFashion1参考论文：《DeepFashion: Pwoering Robust Clothes Recognition and Retrieval with Rich Annotations》2. DeepFashion2参考论文： 《DeepFashion2: A Versatile Benchmark for Detection, Pose Es...

Oulu-NPU人脸防作伪数据集参考论文：《OULU-NPU: A mobile face presentation attack database with real-world variations》下载链接： https://sites.google.com/site/oulunpudatabase/数据集描述：  Oulu-NPU人脸活体检测数据库由4950个真实和攻击视频组成。这些视频是

迁移学习背景：在传统的机器学习的框架下，学习的任务就是在给定充分训练数据的基础上来学习一个分类模型；然后利用这个学习到的模型来对测试文档进行分类与预测。然而，我们看到机器学习算法在当前的Web挖掘研究中存在着一个关键的问题：一些新出现的领域中的大量训练数据非常难得到。我们看到Web应用领域的发展非常快速。大量新的领域不断涌现，从传统的新闻，到网页，到图片,再到博客、播客等等。传统的机器学习需要..