【论文阅读】YOLOv4: 第52页

【论文阅读】Human Action Recognition using Factorized Spatio-Temporal Convolutional Networks

【论文阅读】HumanActionRecognitionusingFactorizedSpatio-TemporalConvolutionalNetworks这是一篇15年ICCV的论文，在15年的时候

NRZZN·2023-02-16 22:17

【论文阅读】Multiple Object Tracking in Recent Times: A Literature Review

论文地址：MultipleObjectTrackinginRecentTimes:ALiteratureReview1.摘要多目标跟踪是近年来计算机视觉领域的研究热点之一，尤其是随着自主驾驶技术的发展，多目标跟踪已经成为计算机视觉领域的研究热点之一。MOT是解决拥挤场景遮挡、外观相似、小目标检测困难、ID切换等问题的关键视觉任务之一。为了解决这些挑战，研究人员试图利用Transformer的注意机

RockWang.·2023-02-16 22:47

论文阅读：An end-to-end spatio-temporal attention model for human action recognition from skeleton data

目录创新点（MainContributions）ProposedMethodSpatialAttentionTemperalAttentionJointTrainingoftheNetworksRegularizedObjectiveFunction论文名称：Anend-to-endspatio-temporalattentionmodelforhumanactionrecognitionfrom

小吴同学真棒·2023-02-16 22:16

论文阅读《A Transductive Multi-Head Model for Cross-Domain Few-Shot Learning》

好久不见哈一下子就快月底啦（已经满心欢喜期待五一啦嘻嘻）最近更新都是围绕域适应20/21较新的论文（arxiv上的）大都数网上还没有出现解读材料，故记录仅自我理解，若有偏差可简信交流。论文名称：《ATransductiveMulti-HeadModelforCross-DomainFew-ShotLearning》论文地址：https://arxiv.org/abs/2006.11384v1论文代

LiBiscuit·2023-02-16 22:56

PP-YOLO超越YOLOv4-目标检测的进步

作者|JacobSolawetz编译|Flin来源|towardsdatasciencePP-YOLO评估指标比现有最先进的对象检测模型YOLOv4表现出更好的性能。

人工智能遇见磐创·2023-02-16 22:34

Transformer学习及代码实现 (Attention is all you need论文阅读)

主要章节写在前面整体架构Encoder与Decoder的结构设计EncoderLayerNormEncoderLayer的主要结构Decoder与DecoderLayerAttentionScaledDotProductAttentionMultiHeadAttentionPosition-wiseFeed-ForwardNetworksEmbeddingandSoftmaxPositionEnc

苏偃·2023-02-16 21:23

【目标检测】K-means和K-means++计算anchors结果比较（附完整代码，全网最详细的手把手教程）

一、介绍YOLO系列目标检测算法中基于anchor的模型还是比较多的，例如YOLOv3、YOLOv4、YOLOv5等，我们可以随机初始化anchor，也可以通过聚类算法获取anchor，常用的聚类算法有

机器不学习我学习·2023-02-16 20:54

目标检测model综述

ObjectDetectionDatasetBestModelmAPyearPASCALVOC2017CascadeEff-B7NAS-FPN89.32020DETReg84.162021HSD83.02019CoupleNet82.72017EEEA-Net-C2(YOLOv4

访风景于崇阿·2023-02-07 13:29

#论文阅读 LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping

论文阅读LIO-SAM:Tightly-coupledLidarInertialOdometryviaSmoothingandMapping摘要Abstract—Weproposeaframeworkfortightly-coupledlidarinertialodometryviasmoothingandmapping

张张爱学习·2023-02-07 13:27

论文阅读笔记：Resting state fMRI: A review on methods in resting state connectivity analysis and resting...

functionalconnectivity(FC)分析方法seed-basedanalysis本质上seed-basedanalysis是一种model-based的方法。自定义seed/regionofinterest（ROI），以自定义点为准在整个大脑找出与之线性相关的区域。优点：解释力较强，简单易懂。不足：由于ROIs的设定完全依赖于做分析的人，难以看出整个大脑的FCindependent

书案·2023-02-07 12:52

【论文阅读】Improving Multi-hop Question Answering over Knowledge Graphs using Knowledge Base Embeddings

《ImprovingMulti-hopQuestionAnsweringoverKnowledgeGraphsusingKnowledgeBaseEmbeddings》论文来源：ACL2020关键词：多跳KGQA论文链接：https://www.aclweb.org/anthology/2020.acl-main.412.pdf代码链接：https://github.com/malllabiisc

天才少女101·2023-02-07 10:17

强化学习的学习之路（二十）_2021-01-20：Priority Replay Buffer

这个系列后面会不断更新，希望自己在2021年能保证平均每日一更的更新速度，主要是介绍强化学习的基础知识，后面也会更新强化学习的论文阅读专栏。

Chou_pijiang·2023-02-07 10:10

【论文笔记】强化学习论文阅读-Model-Based RL 9篇

简要介绍了一下Model-BasedRL领域的经典论文（2018年以前）。文章目录引子a.ModelislearnedImagination-AugmentedAgentsforDeepReinforcementLearning,Weber,etal,2017.Algorithm:I2A.（deepmind）NeuralNetworkDynamicsforModel-BasedDeepReinfo

邵政道·2023-02-07 09:51

【论文阅读】Pose from Shape: Deep Pose Estimation for Arbitrary 3D Objects

摘要大多数深度位姿估计方法都需要针对特定的对象实例或类别进行训练。在这项工作中，我们提出了一种完全通用的深度姿势估计方法，它不需要网络对相关类别进行训练，也不需要类别中的对象具有规范姿势。我们认为，这是设计机器人系统的关键一步，该系统可以对训练集外的目标进行预测，而不是属于预先定义的类别。我们的主要方法是用目标物体的3D形状表示来动态估计姿态。更准确地说，我们训练了一个卷积神经网络，它将测试图像和

PandAiTech_Seven·2023-02-07 09:40

图神经网络论文阅读(十六) GraLSP: Graph Neural Networks with Local Structural Patterns,AAAI 2020

本文作者来自香港科技大学、北大和北邮，其中包含宋国杰老师和石川老师，这两位都是国内研究图表示学习的翘楚了。之前读石川团队论文的时候自己犯傻发邮件问了一个比较弱智的问题，石川老师还是让学生耐心帮我解答了。本文做了我一直想做的事情：GNN聚合邻居特征的时候同时考虑结构信息。有很多研究都是基于Motif（或者叫graphlet）进行的，比如HighOrderNetworkRepresentation，W

五月的echo·2023-02-07 09:04

PaddleDetection算法分析(9)

2021SC@SDUSC本章节开始对PaddleDetection使用的YOLOv4算法进行分析接下来几章分析yolov4如下技术：randomerasing、cutout、hide-and-seek、

魏振川·2023-02-07 08:22

【立体匹配论文阅读】【三】INTS

说明本博客可以理解为对论文的翻译和总结整理，并且尽量会在其中添加一些在其他博客搜到的理解，PPT可以在文末下载。PPT是本人创作，希望可以帮到大家。论文注：这里的意思应该是在某个像素聚合的时候只通过一次迭代是没有办法把全局所有像素都聚合进来的，因为八个方向肯定会漏掉某些像素。但是如果在第一次迭代的基础上再进行一次聚合，那么基本上就可以在聚合该像素的时候把所有全局像素都聚合过来。也即非局部方法。非局

凳子花❀·2023-02-07 08:21

YOLOv4(1)-数据增强和特征增强

前言此篇文章转载于知乎，系列文章地址：https://zhuanlan.zhihu.com/p/139764729yolov4：YOLOv4:OptimalSpeedandAccuracyofObjectDetectio

饮冰l·2023-02-07 08:21

论文阅读笔记：多模态的融合数据和方法

论文题目：Multimodalremotesensingbenchmarkdatasetsforlandcoverclassificationwithasharedandspecificfeaturelearningmodel论文链接：https://www.sciencedirect.com/science/article/pii/S0924271621001362?dgcid=rss_sd_a

ru-willow·2023-02-07 08:50

【论文学习】YOLOv1-YOLOv4

文章目录YouOnlyLookOnce,Unified,Real-TimeObjectDetectionAbstractIntroductionUnifiedDetectionNetworkDesignTrainingInferenceLimitationsofYOLOComparisontoOtherDetectionSystemsYOLO9000:Better,Faster,StrongerA

danyow-4·2023-02-07 08:45

【目标检测】基于pytorch框架复现YOLOv4所使用的数据制作脚本

1.数据制作第一步：收集图片，我们以训练挖掘机和推土机检测摸为例，从网上找了一些图片如下：我们可以一张一张手动保存图片，也可以使用爬虫爬取，将收集的图片放入JPEGImages文件夹下。使用labelimg标注工具对收集的数据集进行标注，这一步做目标检测的应该都会，对目标绘制矩形框，并命名：将每张图片标注得到的xml标签放入Annotations文件夹下。最后数据存放格式如下，JPEGImages

机器不学习我学习·2023-02-07 08:11

论文阅读笔记2——献给新手的深度学习综述_Recent Advances in Deep Learning: An Overview

这篇综述论文列举出了近年来深度学习的重要研究成果，从方法、架构，以及正则化、优化技术方面进行概述。本人认为，这篇综述对于刚入门的深度学习新手是一份不错的参考资料，在形成基本学术界图景、指导文献查找等方面都能提供帮助。论文地址：https://arxiv.org/pdf/1807.08169v1.pdf摘要：深度学习是机器学习和人工智能研究的最新趋势之一。它也是当今最流行的科学研究趋势之一。深度学习

子季鹰才·2023-02-07 07:14

【论文阅读/翻译笔记】Deep Snake for Real-Time Instance Segmentation

原论文标题：DeepSnakeforReal-TimeInstanceSegmentation原论文链接：https://arxiv.org/abs/2001.01629翻译：张欢荣用于实时实例分割的deepsnake算法SidaPeng1，WenJiang1，HuaijinPi1，XiuliLi2，HujunBao2，XiaoweiZhou1*1ZhejiangUniversity，2Deepw

HuanCaoO·2023-02-07 07:44

2020春县一模试题分析

记叙文夜读题型题量不变，议论文阅读比往年多出一道题，古诗文阅读与往年稍有不同，两个语段各考各的，没有比较题。作文题目命

秋之准备·2023-02-06 22:25

YOLOv4理论深度剖析

现在YOLOv4已经发布，COCO平均精度(AP)和帧率(FPS)分别提高了10%和12%。解剖物体检测器所有的目标检测器都将图像作为输入，并通过卷积神经网络主干压缩特征。

求则得之，舍则失之·2023-02-06 19:00

深度剖析目标检测算法YOLOV4

深度剖析目标检测算法YOLOV4目录简述yolo的发展历程介绍yolov3算法原理介绍yolov4算法原理（相比于yolov3，有哪些改进点）YOLOV4源代码日志解读yolo发展历程采用卷积神经的目标检测算法大致可以分为两个流派

浩瀚之水_csdn·2023-02-06 19:54

YOLO v4结构原理解析

目前YOLO已经更新到了第五代，但我觉得YOLOv4这篇文章是最适合大

一颗磐石·2023-02-06 19:24

yolov4项目记录8-其他内容

目录一、权重裁剪1.Darknet裁剪方式2.pytorch裁剪方式二、数据集制作1.数据集构建方式2.DataLoader三、准确率召回率计算四、调参总结1.配置中的数据2.训练过程中的参数一、权重裁剪1.Darknet裁剪方式导入的是官方给出的预训练参数，由于参数是在coco数据集上训练的，是80个类别，因此，如果想使用预训练参数来训练自己的数据集的话，需要在输出类别之前进行裁剪，只用前面的数

Swayzzu·2023-02-06 19:24

【YOLO系列】YOLO.v4 & YOLO.v5算法原理详解

【YOLO系列】YOLO.v2算法原理详解【YOLO系列】YOLO.v3算法原理详解【YOLO系列】YOLO.v4&YOLO.v5算法原理详解4.YOLO.v4&YOLO.v54.1基本概述论文参考：YOLOv4

天真的和感伤的想象家·2023-02-06 19:53

【论文阅读】A Simple Baseline for Multi-Object Tracking

ASimpleBaselineforMulti-ObjectTracking概述基于trackingbydetection的策略，沿用JDE的核心思想（即联合检测和嵌入向量的模型），将检测方法由anchor-base换成anchor-free，超越了现有的SOTA算法。关键词：One-shot、实时研究机构：华科、微软亚研院主要思想论文分析对照之前的算法思路，得出以下三点结论。Anchor-bas

StarkerRegen·2023-02-06 17:40

DnCNN论文阅读笔记【MATLAB】

DnCNN论文阅读笔记论文信息：论文代码：https://github.com/cszn/DnCNNAbstract提出网络：DnCNNs关键技术：Residuallearningandbatchnormalization

Weisong Zhao·2023-02-06 14:03

DnCNN论文阅读笔记

文章重点：提出了一个前馈去噪卷积神经网络（DnCNN）用于图像的去噪，使用了更深的结构、残差学习算法、正则化和批量归一化等方法提高去噪性能。优势是可以处理未知噪声水平的高斯去噪。传统方法：（1）通过建模图像先验，建立去噪模型：缺点：涉及复杂的优化，耗时；模型一般非凸，并且需要手动设计参数，很难达到最优去噪性能。（2）辨别学习方法学习图像先验模型：优点：能够摆脱迭代优化过程；CSF和TNRD在计算效

打着灯笼摸黑·2023-02-06 14:32

HULA论文阅读笔记

HULA:ScalableLoadBalancingUsingProgrammableDataPlanes一文章概述这篇文章针对当前multi-rooted拓扑结构的数据中心网络（leaf-spine，FatTree）中带宽使用效率问题，提出了一种在可编程数据层面实现的基于拥塞感知的分布式的流量均衡策略。这个策略就是每个交换机上维护一个包含nexthop和带宽使用率的表，作为报文路由的依据，策略执

Phlix·2023-02-06 14:18

ubuntu18.04 —标注数据集以及安装YOLOv4 并训练

ubuntu18.04—标注数据集以及安装YOLOv4并训练1.安装labelImg图像标注工具Python2+Qt4安装1.cdlabelImg/2.sudoapt-getinstallpyqt4-dev-tools3

放小孩的羊·2023-02-06 13:27

pyqt5 yolov4实现车牌识别系统

对图片识别效果：2.对视频的识别：二、环境配置1.安装pyqt5pipinstallPyQt52.安装opencvUbuntu下opencv4.4带CUDA的编译安装_学术菜鸟小晨的博客-CSDN博客3.yolov4

学术菜鸟小晨·2023-02-06 13:51

论文阅读：λ-NIC: Interactive Serverless Compute on Programmable SmartNICs

摘要：人们对无服务器计算越来越感兴趣，无服务器计算是一种云计算模型，可自动执行基础架构资源分配和管理，同时仅根据客户使用的资源向客户收费。这些无服务器框架的高弹性和细粒度，将带来诸如流处理之类的工作量。但是，到目前为止，服务器CPU有限的并发性和高延迟阻止了许多交互式工作负载（例如，Web服务器和数据库客户端）利用无服务器计算来实现高性能。在本文中，我们认为服务器CPU不适合运行无服务器工作负载（

阿明DunDunDun·2023-02-06 12:38

MIT Cheetah（二）

论文阅读：MITCheetah3:DesignandControlofaRobust,DynamicQuadrupedRobot摘要：结构方面，猎豹3采用一种新的腿部设计，除了扩大臀部和膝盖的运动范围外

aaaaPIKACHU·2023-02-06 12:48

MIT Cheetah （三）

论文阅读：DynamicLocomotionintheMITCheetah3ThroughConvexModel-PredictiveControl摘要：提出了一种基于模型预测控制（MPC）的力矩控制四足机器人地面反作用力计算方法

aaaaPIKACHU·2023-02-06 12:44

OSError: libcudart.so.10.0: cannot open shared object file:No such file or directory

在使用yolov4darknet版本进行视频测试时，原说明文档是采用可执行文件来进行推理的，这样不方便调试，在阅读工程的代码中，发现可执行文件darknet是由darknet_image和darknet_video

地大押尾光太郎·2023-02-06 11:00

《SCAttNet: Semantic Segmentation Network with Spatial and Channel ......Remote Sensing Images》

论文阅读笔记：《SCAttNet:SemanticSegmentationNetworkwithSpatialandChannelAttentionMechanismforHigh-ResolutionRemoteSensingImages

L_彳亍·2023-02-06 09:21

高分遥感语义分割论文阅读之一

目录IncorporatingDeepLabv3+andobject-basedimageanalysisforsemanticsegmentationofveryhighresolutionremotesensingimagessummaryResearchObjectiveProblemStatementMethod(s)EvaluationConclusionNotesIncorporati

开始学AI·2023-02-06 09:20

【论文阅读】结合空洞卷积的 FuseNet变体网络高分辨率遥感影像语义分割

【论文阅读】结合空洞卷积的FuseNet变体网络高分辨率遥感影像语义分割一、论文总体框架首先，采用FuseNet变体网络将数字地表模型（digitalsurfacemodel，DSM）图像中包含的高程信息与红绿蓝

川川子溢·2023-02-06 09:48

[论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms

[论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms文章目录[论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms一、总体介绍二、具体作用3.1总体框架