每日三篇 | 微软vscode与pytorch深度集成；音频中的迁移学习；密集物体检测的焦点损失

1

Neural Style Transfer for Audio Spectograms

斯坦福的Prateek Verma和Julius O. Smith基于音频的光谱图，利用视觉领域的风格迁移技术进行音频迁移任务。下图中，a为高斯噪声，b是人声（相当于内容图像），c是小提琴音（相当于风格图像），d是神经风格迁移输出（内容为人声，乐器为小提琴）。他们使用的模型为AlexNet，并针对音频任务的特点进行了一些改造，主要是调整损失函数和缩小感受野（以避免产生杂音）。虽然效果不像图像风格迁移那么出色，但这种转换图像，以利用计算机视觉领域技术的思路值得借鉴。

地址：https://arxiv.org/abs/1801.01589

2

Focal Loss for Dense Object Detection

截至目前，物体检测领域的最高精度模型都基于由R-CNN推广的two-stage方法，把分类器应用于稀疏的候选对象位置集。相比之下，如果我们能用one-stage检测算法在物体可能出现的位置密集采样，物体检测能更快，也更简单，但这种方法目前在精度还有所欠缺。在本文中，我们经过实验发现极端的前景—背景类不平衡是导致one-stage精度不佳的主要原因，而这个不平衡问题可以用重新设计的标准交叉熵损失来解决。

地址：https://arxiv.org/abs/1708.02002

3

微软vscode与pytorch深度集成

今天，微软vscode推出一项重大更新，让Jupyter Notebook第一次感到“瑟瑟发抖”。它集成了pytorch，当用户在编辑器写代码时，面板左侧能直接显示张量内的值，同时，只要把鼠标简单地悬停在变量上，用户就能直接读取它的类型、权重、bias、dtype、设备等信息。目前Azure还不支持这项更新，但如果微软真的跟进了后续支持，你会放弃AWS上的Jupyter，转投Azure的怀抱吗？

地址：https://code.visualstudio.com/

星标 论智，每天获取最新资讯