【论文阅读】YOLOv4: 第19页

Neural Collaborative Filtering 论文阅读和复现

NeuralCollaborativeFiltering论文阅读和复现AbstractMethodsExperimentsandResultsDataset首先是数据理解功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中

Taosolo·2023-11-14 01:47

（论文阅读28/100 人体姿态估计）Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

28.文献阅读笔记简介题目RealtimeMulti-Person2DPoseEstimationusingPartAffinityFields作者ZheCao,TomasSimon,Shih-EnWei,andYaserSheikh,CVPR,2017.原文链接arxiv.org/pdf/1611.08050.pdf【人体姿态估计2】Real-timeMulti-person2dposeesti

朽月初二·2023-11-13 19:16

（论文阅读29/100 人体姿态估计）

29.文献阅读笔记简介题目DeepCut:JointSubsetPartitionandLabelingforMultiPersonPoseEstimation作者LeonidPishchulin,EldarInsafutdinov,SiyuTang,BjoernAndres,MykhayloAndriluka,PeterGehler,andBerntSchiele,CVPR,2016.原文链接h

朽月初二·2023-11-13 19:12

（论文阅读26/100）Weakly-supervised learning with convolutional neural networks

26.文献阅读笔记简介题目Weakly-supervisedlearningwithconvolutionalneuralnetworks作者MaximeOquab，LeonBottou，IvanLaptev，JosefSivic，CVPR，2015原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Oquab_

朽月初二·2023-11-13 14:50

DeCLIP 论文阅读

DeCLIP:supervisionexistseverywhere:adataefficientcontrastivelanguage-imagepre-trainingparadigm贡献：论文是为了充分利用单模态和多模态，充分利用单模态特征用自监督（SIMSAM和MLM），多模态用图像文本对比学习实现；一个图片的文本描述大部分都是集中在局部区域，作者使用RRC得到一个图像的局部区域进行实现；

B1CK·2023-11-13 14:50

FD-Align论文阅读

FD-Align:FeatureDiscriminationAlignmentforFine-tuningPre-TrainedModelsinFew-ShotLearning（NeurIPS2023）主要工作是针对微调的和之前的prompttuining，adapter系列对比Motivation：通过模型对虚假关联性的鲁棒性来解释全微调的CLIP的out-of-distribution(OOD

B1CK·2023-11-13 14:50

（论文阅读25/100）Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

25.文献阅读笔记Multi-DomainNetwork(MDNet)简介题目LearningMulti-DomainConvolutionalNeuralNetworksforVisualTracking作者HyeonseobNamandBohyungHan原文链接https://arxiv.org/pdf/1510.07945.pdf关键词Multi-DomainNetwork(MDNet)研

朽月初二·2023-11-13 14:49

（论文阅读27/100）Deep Filter Banks for Texture Recognition and Segmentation

27.文献阅读笔记简介题目DeepFilterBanksforTextureRecognitionandSegmentation作者MirceaCimpoi,SubhransuMaji,AndreaVedaldi,原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Cimpoi_Deep_Filter_Banks

朽月初二·2023-11-13 14:08

[论文阅读] CLRerNet: Improving Confidence of Lane Detection with LaneIoU

Abstract车道标记检测是自动驾驶和驾驶辅助系统的重要组成部分。采用基于行的车道表示的现代深度车道检测方法在车道检测基准测试中表现出色。通过初步的Oracle实验，我们首先拆分了车道表示组件，以确定我们方法的方向。我们的研究表明，现有的基于行的检测器已经能预测出正确的车道位置，而准确表示与地面实况相交-不相交（IoU）的置信度分数是最有利的。基于这一发现，我们提出了LaneIoU，通过考虑局部

大龙唉·2023-11-13 10:10

darkNet YOLOv4 + labelme 目标检测任务半自动标注

闲话：标注数据一直都是深度学习中代价非常大的工作，而重复劳动对人来说又是极痛苦的。做了几个目标检测的项目后一直想要做一个半自动标注的工具，但是对GUI类界面从设计到功能感觉工作量还是挺大的，之前也没有多少经验。突然想到，为什么一定得自己做一个呢，把检测到的结果转换成labelme格式的json文件，用labelme来对结果进行修改不是很好吗？本着这样的想法于是就有了下面的内容，这也省掉了非常非常多

1037号森林里一段干木头·2023-11-12 23:30

论文阅读：A Multi-Phase Camera-LiDAR Fusion Network for3D Semantic Segmentation With Weak Supervision

来源：IEEETRANSACTIONSONCIRCUITSANDSYSTEMSFORVIDEOTECHNOLOGY,VOL.33,NO.8,AUGUST20230、0、摘要相机和激光雷达是自动驾驶中不可缺少的感知单元，为三维语义分割提供了互补的环境信息。融合两种模式的信息，实现准确、稳健的语义分词，是语义分词的关键。然而，图像特征的可靠性、不同图像特征的贡献以及图像结果与点云之间的权衡将制约基于融

shiyueyueya·2023-11-12 19:48

论文阅读：PVT v2: Improved Baselines with Pyramid Vision Transformer

来源：PVTv1和PVTv2链接：https://arxiv.org/pdf/2102.12122.pdf链接：https://arxiv.org/pdf/2106.13797.pdfPVTv2是在PVTv1基础上，所以先介绍PVTv1PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutions0、

shiyueyueya·2023-11-12 19:11

RetroMAE论文阅读

1.Introduction在NLP常用的预训练模型通常是由token级别的任务进行训练的，如MLM和Seq2Seq，但是密集检索任务更倾向于句子级别的表示，需要捕捉句子的信息和之间的关系，一般主流的策略是自对比学习（self-contrastivelearning）和自动编码(auto-encoding)。self-contrastivelearning的效果会被数据增强的质量所限制，且需要大量

comli_cn·2023-11-12 19:10

Learning Continuous Exposure Value Representations for Single-Image HDR Reconstruction 论文阅读笔记

这是国立阳明交通大学、联发科和英伟达合作的一篇ICCV2023的HDRReconstruction的论文文章用INR来生成具有连续曝光值的图片，从而能够生成更加多样的LDR图片，而文章发现用更多样的LDR图片训练的网络具有更好的性能，这也是文章的动机。文章说用了INR的思路，其实根本就不是INR，INR的输入是坐标，而这里其实就是把s给repeat成featuremap大小concatenate到

ssf-yasuo·2023-11-12 18:30

Spatially Adaptive Self-Supervised Learning for Real-World Image Denoising 论文阅读笔记

CVPR2023的一篇哈工大发表的真实世界图像去噪的论文，代码开源，nice文章两大要点，一个是BNN一个是LAN。文章的intro中提到，现有的很多方法虽然设计上与噪声的分布无关，但是实际上却只能处理空间独立的噪声。这一部分的介绍很流畅，对现有的一些SSID方法带过的同时，也逐个揭示了其缺点，为后续自己方法的提出进行铺垫。无论是写法上，还是内容上，都可以借鉴，并且其带过的论文，没读过的后续也可以

ssf-yasuo·2023-11-12 18:30

Masked Image Training for Generalizable Deep Image Denoising 论文阅读笔记

CVPR2023港科大（广州）发的一篇denoising的论文，作者里面有上海AILab的董超老师（看introduction的时候看到有一段很像董超老师Networksareslachingoff的论文的思想，说网络overfitting的时候学习了训练集的噪声模式而非图片内容，翻回去作者看，果然有董超老师），文章提出了一种提高现有denoising方法泛化性的方法，动机就是迫使网络学习图像内容

ssf-yasuo·2023-11-12 18:52

BEVFusion4D论文阅读

链接论文：https://arxiv.org/abs/2303.17099Abstract将激光雷达和相机信息聚合到鸟瞰图（BEV）中已成为自动驾驶中三维目标检测的一个重要课题。现有的方法大多采用独立的双分支框架来生成激光雷达和相机BEV，然后进行自适应模态融合。由于点云提供了更准确的定位和几何信息，它们可以作为从图像中获取相关语义信息的可靠空间先验。因此，我们设计了一种激光雷达引导的视图变换器L

西米611·2023-11-12 13:36

BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotemporal论文阅读

一、概要提出新框架BEVFormer，用spatiotemporaltransformer学习统一的BEV表示，来支持多个自动驾驶感知任务。空间上，用cross-attention让每个BEVquery从roiacrosscameraviews中提取空间特征；时间上，用self-attention循环融合历史BEV信息。9.0pointshigherthanpreviousbestartsonnu

北极与幽蓝·2023-11-12 13:36

【论文阅读】Planning-oriented Autonomous Driving

当前的自动驾驶系统是按照顺序的模块组织的，这可能造成误差积累问题，有必要对规划的框架优化，使得感知和预测模块都有助于规划。作者们提出了一个框架UniAD，由四个基于transformer解码器的模块组成感知和预测部分，最后跟一个规划器。Transformer的query用于连通各个模块，来建模驾驶场景中实体的交互。具体如下：BEVFormer：输入是多个相机拍摄的图像序列，将其通过BEVForme

ryb4i·2023-11-12 13:33

论文阅读 | BEVFormer

BEVFormer:LearningBird’s-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotemporalTransformers[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HCYpPMaz-1691371078673)(https://files.mdnice.com/user/27157/b37

moneymyone·2023-11-12 13:02

论文阅读：Fast-BEV: Towards Real-time On-vehicleBird’s-Eye View Perception

Abstract现有的BEV解决方案要么需要大量的资源执行车载推理，要么效果一般。Fast-BEV包含五部分：1）一个轻量化部署友好的视角转换方式，可以快速将2D图像特征转到3D体素空间。2）一个多尺度图像编码器利用多尺度特征。3）高效的BEV编码器，专为车载推理加速。4）对图像和BEV空间的数据增强(DataAugmentation)策略，以避免过拟合。5）一种多帧融合机制利用空间信息。Intr

BlueagleAI·2023-11-12 13:29

TPVFormer论文阅读笔记

Tri-PerspectiveViewforVision-Based3DSemanticOccupancyPrediction论文，代码链接：TPVFormer(wzzheng.net)BEVFormer存在的问题BEV特征空间中的一个特征表示的是其对应世界坐标系中如下图所示红色的部分的特征，可见，在z轴方向上的特征是没有划分的。在做实例分割时（图中蓝色框），由于缺少特征z轴方向上的信息，而导致人

liu liu liu·2023-11-12 13:29

ViT：AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE 论文阅读

论文链接ANIMAGEISWORTH16X16WORDS:TRANSFORMERSFORIMAGERECOGNITIONATSCALE0.AbstractTransformer在计算机视觉中的应用有限在视觉中，注意力要么与卷积网络结合使用，要么用于替换卷积网络的某些组件，同时保持它们的整体结构本文证明了这种对CNN的依赖是不必要的，并且直接应用于图像块序列的纯转换器可以在图像分类任务上表现得很好1

KrMzyc·2023-11-12 13:59

BEVFormer 论文阅读

论文链接BEVFormerBEVFormer，这是一个将Transformer和时间结构应用于自动驾驶的范式，用于从多相机输入中生成鸟瞰（BEV）特征利用查询来查找空间/时间，并相应地聚合时空信息，从而为感知任务提供更强的表示0.AbstractBEVFormer，通过时空转换器学习统一的BEV表示，以支持多个自动驾驶感知任务过预定义的网格状BEV查询与空间和时间空间相互作用，以利用空间和时间信息

KrMzyc·2023-11-12 13:56

室内低光语义分割框架 LISU: Low-light indoor scene understanding 论文阅读

论文标题：LISU:Low-lightindoorsceneunderstandingwithjointlearningofreflectancerestoration代码：GitHub-noahzn/LISU:Low-lightIndoorSceneUnderstanding期刊：ISPRSJournalofPhotogrammetryandRemoteSensing,2022链接：https:

自监督学习·2023-11-12 09:39

目标检测 pytorch复现Yolov5目标检测项目

Focus模块CSPNet模块SPP模块数据集配置文件模型配置文件损失函数IOUGIOUDIOUCIOUYoloV5目标框回归与跨网格匹配策略VOC数据集格式与yolo数据集格式对应关系YoloV1~YoloV4

郭庆汝·2023-11-12 05:25

VLDB 2021 COCO 论文阅读

Epoch-basedCommitandReplicationinDistributedOLTPDatabases记录一篇之前读过的论文。。。整篇论文的核心在于Epoch，将传统数据库以事务为粒度提交和恢复变成了以Epoch为粒度来提交和恢复，这样做的好处就是可以减少2PC和同步复制的时间开销。并且提出两种OCC算法，对于Epoch机制来说很有好处。这篇文章理论介绍性居多，对于事务处理的流程做了很

Code_Bells·2023-11-12 00:14

论文阅读——Updatable Learned Index with Precise Positions(VLDB‘21)

1.介绍：索引在现代数据库引擎中起着至关重要的作用，可以加速查询处理。“学习索引”的新模式显著改变了DBMS中索引结构的设计方式。关键的想法是，learnedindex把索引结构当成是一种预测模型，给定一个key，预测这个数据在数据表中的位置。最近关于学习索引的研究为构建数据的索引开辟了一条新的途径。给定一个数据集，学习索引利用机器学习模型来学习数据分布并预测数据集中查找键的位置。它可以通过使用训

allwellright·2023-11-12 00:14

论文阅读笔记：Cold Filter A Meta-Framework for Faster and More Accurate Stream Processing

论文阅读笔记：ColdFilter:AMeta-FrameworkforFasterandMoreAccurateStreamProcessing文章目录论文阅读笔记：ColdFilter:AMeta-FrameworkforFasterandMoreAccurateStreamProcessingAbstract1

烟花再美，不过·2023-11-12 00:40

【论文阅读VLDB13】Online, Asynchronous Schema Change in F1

Online,AsynchronousSchemaChangeinF1ABSTRACT在一个globally分布式数据库，withshareddata,statelessservers,andnoglobalmembership.进行一个schema演变。证明许多常见的模式更改可能会导致异常和数据库损坏，通过将破坏引起的模式更改替换为一系列模式更改来避免这些问题，这些更改保证避免破坏数据库，只要所

Tototototorres·2023-11-11 23:05

1707.ICCV.Neural Person Search Machines检测加识别论文阅读笔记

NeuralPersonSearchMachines（NPSM）一个新颖的end-to-end的（检测+reid）行人搜索识别方法论文贡献：1.提出了一种NPSM框架（基于LSTM记忆递归网络attention机制）来模拟人的视觉搜索机制，在记忆query/probe特征信息的指导下，递归地由小到大定位有效区域，由粗到精的得到iamge中与query匹配的行人区域。2.相比于现阶段PRW和CUHK

xuluohongshang·2023-11-11 22:00

论文阅读：Detecting Unseen Relations Using Analogies(ICCV2019)

这篇论文不是讲场景图的，但它跟场景图很相关。查了一下这篇论文的领域应该是HOIDetection，就是人类与物体的交互检测，后面的实验做的是imageretrieval的结果。训练：1.目标检测2.提取主语s，宾语o，谓语p，三元组vp的视觉嵌入特征主语和宾语的视觉特征就是目标检测器最后一层的输出谓语的视觉特征是主宾对的空间特征三元组的特征是主语宾语的视觉特征+它们的空间坐标特征，即前两者的融合现

糖豆豆今天也要努力鸭·2023-11-11 22:56

论文阅读：Detecting Visual Relationships Using Box Attention(ICCV19)

这篇论文的思想也挺简单的：目标检测网络+boxattentioninput对于上面这幅图来说，如果attentionmap是空的，那么模型会检测出图像中所有的主语，如果attentionmap注意到右边的人，那么模型会找出与这个attentionmap所表示的主语产生交互的宾语(bbox和类别)，和谓语(类别)。如果attentionmap注意左边的人同理。那么，attentionmap又是什么呢

糖豆豆今天也要努力鸭·2023-11-11 22:56

【论文阅读笔记】Shielding collaborative learning:Mitigating poisoning attacks through client-side detection.

个人阅读笔记，如有错误欢迎指出！期刊：2021TDSCShieldingCollaborativeLearning:MitigatingPoisoningAttacksThroughClient-SideDetection|IEEEJournals&Magazine|IEEEXplore问题：服务器对生成更新的过程没有可见性，使联邦训练容易受到中毒攻击。现有的防御方法在non-iid环境下表现不佳

MiaZX·2023-11-11 22:24

【论文阅读笔】TEAR: Exploring Temporal Evolution of Adversarial Robustness for Membership Inference Attacks

个人阅读笔记，如有错误欢迎指出！TEAR:ExploringTemporalEvolutionofAdversarialRobustnessforMembershipInferenceAttacksAgainstFederatedLearningTEAR:ExploringTemporalEvolutionofAdversarialRobustnessforMembershipInferenceA

MiaZX·2023-11-11 22:24

论文阅读：DeepWukong: Statically detecting software vulnerabilities using deep graph neural network

ACMTransactionsonSoftwareEngineeringandMethodology（TOSEM）ABSTRACT作者针对目前基于机器学习的漏洞检测方法的不足，提出了一种新的方法，即同时考虑代码中的控制流、结构化信息以及跨函数的数据流信息，此外还利用了最新的图神经网络进行嵌入表示。作者将该方法实现为DeepWuKong模型，并使用现实世界中105428个C\C++程序进行评估，实验

wanacry11·2023-11-11 22:23

【论文阅读】AProNet: Detecting objects with precise orientation from aerial images

论文地址：AProNet:Detectingobjectswithpreciseorientationfromaerialimages-ScienceDirect论文代码：GitHub-geovsion/AProNet以下仅仅是部分笔记，笔记大部分手写，仅用作自己复习。（截取的图片来源于谷歌对预览论文的翻译）这样表达（文字分析，数据加图片）很说明问题。我自己画的网络图不好，直接看原图吧。图6。特征

Clark-dj·2023-11-11 22:22

【论文阅读笔记】Detecting AI Trojans Using Meta Neural Analysis

个人阅读笔记，如有错误欢迎指出！会议：2021S&PDetectingAITrojansUsingMetaNeuralAnalysis|IEEEConferencePublication|IEEEXplore问题：当前防御方法存在一些难以实现的假设，或者要求直接访问训练模型，难以在实践中应用。创新：通过元分类器来预测给定目标模型是否被后门攻击。该方法不对攻击策略进行假设，仅为黑盒访问。为了在不了解

MiaZX·2023-11-11 22:19

CRNN论文阅读笔记

文章目录目录前言一、摘要二、使用步骤1.引入库2.读入数据总结前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言因项目需求，最近在学习OCR相关的深度学习模型，之前虽然看过CRNN相关的一些文章，熟悉大体的模型框架，但还没有阅读过原论文，今天抽时间看了下，因此这里做下阅读笔记。CRNN论文标题：AnEnd-to-EndTrainabelNeuralNetworkforImage

DU_YULIN·2023-11-11 12:42

【论文阅读笔记】老照片修复——Old Photo Restoration via Deep Latent Space Translation

目录前言一、问题与核心思想二、核心工作1.将X，R，Y映射到响应的潜在空间2.训练映射网络3.人脸增强网络实践前言笔记主要学习的是CVPR2020上发表的一篇Oral文章，主要思路是作者使用变分自动编码机（VAE）将图像变换到潜在空间（也称隐空间）中，在潜在空间中通过特征对齐和特征转换的方式来完成对老照片的图像修复。这篇论文的方法不同于普通的潜在空间转换，他们通过利用真实照片和大量合成图像提出了一

Ice TeaJH·2023-11-11 11:35

【趣味随笔】YOLO的“进化史”极简版（YOLO v1--＞YOLOP）

原创文，转载请注明出处文章目录YOLOv1YOLOv2YOLOv3YOLOv4YOLOv5YOLOv6YOLOv7YOLOv8YOLOXYOLOPYOLOv1YouOnl

嵌小超·2023-11-11 11:29

论文阅读[121]使用CAE+XGBoost从荧光光谱中检测和识别饮用水中的有机污染物

【论文基本信息】标题：DetectionandIdentificationofOrganicPollutantsinDrinkingWaterfromFluorescenceSpectraBasedonDeepLearningUsingConvolutionalAutoencoder标题译名：基于使用卷积自动编码器的深度学习，从荧光光谱中检测和识别饮用水中的有机污染物期刊与年份：Water2021

猴勒·2023-11-11 09:34

（论文阅读24/100）Visual Tracking with Fully Convolutional Networks

文献阅读笔记（sel-CNN）简介题目VisualTrackingwithFullyConvolutionalNetworks作者LijunWang,WanliOuyang,XiaogangWang,andHuchuanLu原文链接http://202.118.75.4/lu/Paper/ICCV2015/iccv15_lijun.pdf【DeepLearning】简述VisualTracking

朽月初二·2023-11-11 06:31

（论文阅读21/100）DeepTrack: Learning Discriminative Feature Representations Online for Robust Visual Trac

文献阅读笔记简介题目DeepTrack:LearningDiscriminativeFeatureRepresentationsOnlineforRobustVisualTracking作者HanxiLi,YiLi,FatihPorikli原文链接arXiv:1503.00072.关键词Objecttrackingalgorithm研究问题Objecttrackingalgorithm研究方法使用

朽月初二·2023-11-11 06:01

（论文阅读22/100）Learning a Deep Compact Image Representation for Visual Tracking

文献阅读笔记简介题目LearningaDeepCompactImageRepresentationforVisualTracking作者NWang,DYYeung原文链接LearningaDeepCompactImageRepresentationforVisualTracking(neurips.cc)关键词Objecttracking、DLT、SDAE研究问题trackingthetrajec