【论文阅读笔记】第17页

[论文阅读笔记15]GNN在多目标跟踪中的应用

GNN简单来讲,旨在通过融合顶点和边的特征进而提取出图(Graph)中的信息.一个直觉的想法是,在MOT中,我们可以用顶点表示目标的特征,边表示目标之间的关系,进而一个构成的图就可以作为解决关联问题的一个很好的入口,GNN就可以成为解决问题的工具.我想总结几篇经典的利用GNN做MOT的文献.力争持续更新.1.LearningaNeuralSolverforMultipleObjectTrackin

wjpwjpwjp0831·2022-12-07 05:17

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文阅读笔记2016

文章目录FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks论文阅读笔记2016Abstract1.Introduction2

AndyLiu1997·2022-12-07 02:40

对抗样本生成方法论文阅读笔记

论文《针对黑盒智能语音软件的对抗样本生成方法》一、论文中提到的相关名词解释1.1什么是对抗样本？所谓对抗样本就是指：在原始样本添加一些人眼无法察觉的扰动（这样的扰动不会影响人类的识别，但是却很容易愚弄模型），致使机器做出错误的判断。比如原来为雪山的图片，添加了扰动之后，我们人眼看上去依然是雪山，但是在模型中，它会被错误地识别为狗。正因为对抗样本的存在，深度学习所应用的各领域的安全性难以得到保障。比

跟着宇哥爱数学的Camila·2022-12-07 01:04

论文阅读笔记《Robust Point Matching via Vector Field Consensus》

核心思想本文提出一种基于向量场一致性的（VectorFieldConsensus）非刚性（non-rigid）匹配方法（VFC）。所谓刚性（rigid）的匹配方法通常是使用参数化模型（如单应性矩阵、对极几何）来准确描述匹配点之间的对应关系的，如RANSAC方法，而非刚性匹配方法则是使用类似于能量函数的方法来描述匹配点之间的匹配程度，而无法得到准确的几何关系。作者提出使用向量场（VectorFi

深视·2022-12-06 20:11

论文阅读笔记《Robust Feature Matching for Remote Sensing Image Registration via Locally Linear Transformin》

核心思想该文提出一种基于局部线性变换（LocallyLinearTransforming，LLT）约束的特征匹配方法用于遥感图像的对齐。首先根据特征点之间的相似性，构建一个假定的匹配点集，然后从中将误匹配点筛除出去，得到最终的匹配结果。筛除误匹配点的过程，该文将其定义为一个带有隐变量的贝叶斯模型最大似然估计问题，并引入了局部线性变换约束（LLT），采用EM算法对其求解。作者研究了三种常见的变换

深视·2022-12-06 20:11

论文阅读笔记《Robust image matching via local graph structure consensus》

核心思想本文提出一种基于局部图结构一致性的图像特征点匹配方法（LGSC）。为实现两幅图像特征点之间的准确匹配，本文将全局的匹配问题转化为每个特征点邻域范围内的局部拓扑结构一致性的比较问题。换言之，就是通过比较以每个特征点为中心的局部区域之间的相似性，来判断该特征点是否正确匹配。将相似程度高的特征点保留下来，将相似程度低的点筛除掉，得到最终的匹配结果。实现过程首先，利用SIFT等特征提取算法

深视·2022-12-06 20:09

[论文阅读笔记33]CASREL:基于标注与bert的实体与关系抽取

题目ANovelCascadeBinaryTaggingFrameworkforRelationalTripleExtraction一个关系三元组抽取的新型级联二元标记框架JilinUniversityShenzhenZhuiyiTechnologyUniversityofNorthCarolinaatChapelHill北卡罗来纳大学教堂山分校摘要解决问题：solvingtheoverlappi

happyprince·2022-12-06 16:47

论文阅读笔记：《U-Net: Convolutional Networks for Biomedical Image Segmentation》

论文阅读笔记：《U-Net:ConvolutionalNetworksforBiomedicalImageSegmentation》论文下载地址：U-Net转载请注明：https://blog.csdn.net

L_彳亍·2022-12-06 16:13

自监督论文阅读笔记 Self-Supervised Pretraining for RGB-D Salient Object Detection

现有的基于CNN的RGB-D显著对象检测(SOD)网络都需要在ImageNet上进行预训练，以学习有助于提供良好初始化的层次特征。然而，大规模数据集的收集和注释既耗时又昂贵。在本文中，利用自监督表示学习（SSL）来设计两个前置任务：跨模态自动编码器和深度轮廓估计。本文的前置任务只需要少量且未标记的RGB-D数据集来执行预训练，这使得网络能够捕获丰富的语义上下文并减少两种模态之间的差距，从而为下游任

YoooooL_·2022-12-06 13:12

CVPR2022

(305条消息)神经网络学习小记录67——Pytorch版VisionTransformer（VIT）模型的复现详解_Bubbliiiing的博客-CSDN博客DeepSORT论文阅读笔记-pprp-博客园

思考实践·2022-12-06 12:49

2022_AAAI_Meta-Learning for Online Update of Recommender Systems

[论文阅读笔记]2022_AAAI_Meta-LearningforOnlineUpdateofRecommenderSystems论文下载地址：chrome-extension://ibllepbpahcoppkjjllbabhnigcbffpi

XingHe_XingHe_·2022-12-06 09:59

2019_KDD_Social Recommendation with Optimal Limited Attention

[论文阅读笔记]2019_KDD_SocialRecommendationwithOptimalLimitedAttention论文下载地址：https://doi.org/10.1145/3292500.3330939

XingHe_XingHe_·2022-12-05 17:12

VIDHOP, viral host prediction with Deep Learning 论文阅读笔记

VIDHOP,viralhostpredictionwithDeepLearning论文阅读笔记github:https://github.com/flomock/vidhop摘要Zoonosis即人类和动物都可相互传染致病

Samuel'C·2022-12-05 12:05

RCNN论文阅读笔记

R-CNN论文阅读背景：R-CNN作为经典的目标检测网络算法，论文标题为：《Richfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentation》即高准确度的目标检测与语义分割的一种神经网络。论文发布于2014年，是two-stage的开山经典之作。与ImageNet一同开启了计算机视觉人工智能第二个十年。后续的包括SPP-

自在犹仙·2022-12-05 10:20

Kaiming He论文阅读笔记三——Simple Siamese Representation Learning

KaimingHe大神在2021年发表的ExploringSimpleSiameseRepresentationLearning，截至目前已经有963的引用，今天我们就一起来阅读一下这篇自监督学习论文。Siamese网络(wiki介绍)是应用于两个或多个输入的权重共享神经网络，它使用相同的权重，同时在两个不同的输入向量上协同工作以计算可比较的输出向量。通常其中一个输出向量是预先计算的，从而形成一个

蓝鲸鱼BlueWhale·2022-12-05 09:55

【论文阅读笔记】ICML2022 时序异质数据聚类深度学习

【本文首发于CSDN个人博客，转载请注明出处。Incaseofinfringement,pleasecontacttodelete.】今天破冰咯~趁着自己刚认真看完一篇论文，记录一下内容。第一篇几乎没用翻译直接看完的，学好英语太有用了。论文是ICML2022的《LearningofCluster-basedFeatureImportanceforElectronicHealthRecordTime

墨萦·2022-12-05 09:36

论文中文翻译——Systematic Analysis of Deep Learning Model for Vulnerable Code Detection

IronmanJay·2022-12-05 09:35

Lite-HRNet: A Lightweight High-Resolution Network 阅读笔记

Lite-HRNet:ALightweightHigh-ResolutionNetwork论文阅读笔记论文地址摘要：本文提出了一个有效应用于人体姿态估计的轻量级高分辨率网络：Lite-HRNet。

AnZhiJiaShu·2022-12-05 01:26

Similarity and Matching of Neural Network Representations 论文阅读笔记

这是NIPS2021的一篇论文，文章主要是探究了通过一个stichinglayer将两个已训练的不同初始化的相同结构的网络的某一层进行匹配的可能性。前言作者对“什么情况下两个表征是相似的？”提出了一个新的问题：“如果我们知道两个表征是相似的，那么他们以什么方式相似？”为此作者将相似分为了两个方面：“representationalsimilarity”和“functionalsimilarity”

sysu_first_yasuo·2022-12-04 15:39

图神经网络关系抽取论文阅读笔记（六）

1一个新颖的关系元组抽取级联二元标记框架(ANovelCascadeBinaryTaggingFrameworkforRelationalTripleExtraction)1.1引言本文提出了关系三元组重叠的问题（一个sentence中有多个三元组，其中三元组中有的实体是同一个）。本文将其建模为级联二级制框架，从原来的f(s,o)→rf(\mathrm{~s},\mathrm{o})\righta

程哥哥吖·2022-12-04 15:05

论文阅读笔记（二十七）：Focal Loss for Dense Object Detection

Thehighestaccuracyobjectdetectorstodatearebasedonatwo-stageapproachpopularizedbyR-CNN,whereaclassifierisappliedtoasparsesetofcandidateobjectlocations.Incontrast,one-stagedetectorsthatareappliedoverare

__Sunshine__·2022-12-04 14:56

（论文阅读笔记）Network planning with deep reinforcement learning

[1]ZHU,Hang,etal.Networkplanningwithdeepreinforcementlearning.In:Proceedingsofthe2021ACMSIGCOMM2021Conference.2021.p.258-271.Citation:25文章目录Q1论文试图解决什么问题？Q2这是否是一个新的问题？Q4有哪些相关研究？如何归类？谁是这一课题在领域内值得关注的研究员？

天才程序YUAN·2022-12-04 10:17

论文阅读笔记深度神经架构搜索综述

1.引用格式MengZiyao,GuXue,LiangYanchun,XuDong,WuChunguo.DeepNeuralArchitectureSearch:ASurvey[J].JournalofComputerResearchandDevelopment,2021,58(1):22-33.2.主要内容2.1问题定义在预先设定的搜索空间中得到一个中间网络架构作为候选架构,通过性能评估策略对此

阿尔法猫·2022-12-04 07:44

基于图像的人群计数研究（论文阅读笔记）

基于图像的人群计数研究（论文阅读笔记）一、人群计数研究的问题人群计数旨在估计图像或视频中人群的数量、密度或分布，属于目标计数领域中的一类，既是智能视频监控分析领域的关键问题和研究热点，也是后续行为分析、

今天也学习了嗷·2022-12-03 22:14

NeuralRecon: Real-Time Coherent 3D Reconstruction from Monocular Video 论文阅读笔记

论文阅读笔记文章目录论文阅读笔记论文名称：[NeuralRecon:Real-TimeCoherent3DReconstructionfromMonocularVideo](https://arxiv.org

邓珺礼·2022-12-03 09:35

深度学习笔记（二）-计算机视觉SSD

参考资料SSD（单次多盒检测）用于实时物体检测SSD论文阅读笔记SSD原理解读-从入门到精通深入理解anchor目标检测数据集（皮卡丘）#%%#In[1]frommxnetimportimage,contrib

Lzjusc2017·2022-12-03 07:03

论文阅读笔记 | 三维目标检测——VoxelNet算法

如有错误，恳请指出。文章目录1.背景2.网络结构2.1体素特征表示2.2卷积特征提取2.3RPN网络3.实验结果paper：《VoxelNet:End-to-EndLearningforPointCloudBased3DObjectDetection》1.背景以往的3d检测器都难免利用了手工设计特征(hand-crafted)，不够智能不能实现end-to-end地自动提取特征，而如果利用全部点云

Clichong·2022-12-03 02:07

论文阅读笔记——Attention UNet

参考：https://blog.csdn.net/rosefun96/article/details/88868527Attentioncoefficients（取值0~1）与featuremap相乘，会让不相关的区域的值变小（抑制），target区域的值变大（Attention）。Attention的意思是，把注意力放到目标区域上，简单来说就是让目标区域的值变大。看下面这张图，xl本来是要直接通

Ginkgo__·2022-12-02 23:44

【车辆重识别论文阅读笔记——HFE】

[阅读心得]车辆重识别经典论文——HFE写在前面1.Abstract2.Method2.1Overview2.2HFE(HierarchicalFeatureExtractor)2.3AdversarialDiscriminators2.4AuxiliaryTasks3.Experiment3.1ComparewithSOTA3.2Ablation4.Analysis写在前面通过生成对抗学习和设计

书玮嘎·2022-12-02 23:12

论文阅读笔记之——《Compact Bilinear Pooling》

感觉跟之前看过的论文《实验笔记之——《Multi-scaleLocation-awareKernelRepresentationforObjectDetection》复现》很类似，通过kernel的近似来实现高维特征的提取虽然bilinear模型取得较好的performance，但是它的成本高（运算量、存储量）。为此作者提出一种紧凑型的bilinearmodelOurproposedcompact

gwpscut·2022-12-02 23:40

PubTabNet——论文阅读笔记

一.前景介绍论文：https://arxiv.org/pdf/1911.10683.pdf((Image-basedtablerecognition:data,model,andevaluation))代码：https://github.com/ibm-aur-nlp/PubTabNet(包含数据下载地址)该论文是2020年IBM的表格识别论文，该论文对之后的表格识别工作有很大的影响。二.论文贡献

CV-deeplearning·2022-12-02 23:39

IAYOLO论文阅读笔记——恶劣天气下的目标检测

论文地址：https://arxiv.org/abs/2112.08088代码地址：https://github.com/wenyyu/Image-Adaptive-YOLO本文主要针对恶劣天气下的目标检测。动机：虽然目前的目标检测器都取得了不错的成绩，但是这写检测器大多都是在清晰图像上进行训练和评估的。而在现实世界中，图像并不总是清晰的，比如在自动驾驶领域肯定会遇到有雾或者低光照的场景。在这样的

沈四岁·2022-12-02 23:37

论文阅读笔记《CICERO: A Dataset for Contextualized Commonsense Inference in Dialogues》

话语：一段多轮对话中的一次回复。3.CommonsenseInferenceonCICERO在CICERO上设计生成式和多项选择题答题任务，以评估各个语言模型基于常识的对话级推理能力。3.1Task1：CICERO-NLG（自然语言生成）目标是为对话D中的目标话语ut生成问题q的答案。每种推理类型都有各自的问题q。Task1.1:DialogueCausalInference.因果关系涉及事件的原

Real Maraid·2022-12-02 20:34

CANet: A Context-Aware Network for Shadow Removal论文阅读笔记

目录论文整体过程ContextualPatchMatchingModule上下文补丁匹配（CPM）计算cpm模块的损失Loss。ContextualFeatureTransferMechanism上下文特征转移（CFT）ShadowRemovalwithTwo-stageStrategy总损失LossLimitation论文整体过程在本文中，我们提出了一个新颖的两阶段语境感知网络CANet，以端到

老霉儿·2022-12-02 18:45

论文阅读笔记（四十一）：U-Net: Convolutional Networks for Biomedical Image Segmentation

Abstract.Thereislargeconsentthatsuccessfultrainingofdeepnetworksrequiresmanythousandannotatedtrainingsamples.Inthispaper,wepresentanetworkandtrainingstrategythatreliesonthestronguseofdataaugmentationt

__Sunshine__·2022-12-02 18:43

【多模态】《Attention Bottlenecks for Multimodal Fusion》论文阅读笔记

一、概述这篇文章做的是视频分类，即通过视频帧的特征和声音特征这两种模态进行多模态融合并分类。这篇文章的思路非常巧妙，采用了Transformer的结构对多种模态的特征进行了编码，因为Transformer本身就是一个编码器，这篇文章的巧妙之处就在于使用的是一个Transformer对两种模态进行编码。同时，在本文的模型框架中，在早期的时候，在模态内部做selfattention；在中后期的时候，在

CC‘s World·2022-12-02 18:41

On Calibration of Modern Neural Networks论文阅读笔记（概率校准）

摘要置信度校正——预测代表真实正确性似然（可能性）的概率估计问题，在许多应用中对分类模型是重要的。通过大量的实验，我们观察到深度网络的深度、宽度、权重衰减和批归一化是影响校准的重要因素。在这篇文章中,还提出了一种基于早期置信度校准方法Plattscaling的变式——temperaturescaling一．引言校准的概率的重要性分类网络不仅需要准确，还需要知道什么时候是不正确的。在一些实际应用中，

蘑菇桑巴·2022-12-02 17:05

图神经网络关系抽取论文阅读笔记（五）

1依赖驱动的注意力图卷积网络关系抽取方法（Dependency-drivenRelationExtractionwithAttentiveGraphConvolutionalNetworks）论文：Dependency-drivenRelationExtractionwithAttentiveGraphConvolutionalNetworks.ACL20211.1引言现有的研究已经广泛使用句法信

程哥哥吖·2022-12-02 16:41

图像分割论文阅读笔记——U-Net: Convolutional Networks for Biomedical Image Segmentation

文章来源https://paperswithcode.com/paper/u-net-convolutional-networks-for-biomedical标题U-Net:ConvolutionalNetworksforBiomedicalImageSegmentationU-Net:用于生物医学图像分割的卷积网络作者单位德国弗莱堡大学计算机科学系和生物信号研究中心方法简介提出一种网络和训练策

不喜欢敲代码的小白·2022-12-02 16:30

论文阅读笔记（二十三）：FaceNet: A Unified Embedding for Face Recognition and Clustering

Despitesignificantrecentadvancesinthefieldoffacerecognition[10,14,15,17],implementingfaceverificationandrecognitionefficientlyatscalepresentsseriouschallengestocurrentapproaches.Inthispaperwepresentas

__Sunshine__·2022-12-02 11:46

《 MultiGrain: a unified image embedding for classes and instances》论文阅读笔记

《MultiGrain:aunifiedimageembeddingforclassesandinstances》论文阅读笔记1简介2相关工作3结构设计3.1空间池化操作3.2训练目标3.3使用数据增强的

qq_34583607·2022-12-02 11:40

Predicting Depth, Surface Normals and Semantic Labels with a Common Multi-Scale Convolutional Archit

PredictingDepth,SurfaceNormalsandSemanticLabelswithaCommonMulti-ScaleConvolutionalArchitecture论文阅读笔记本文发表于

QiuDi666·2022-12-02 11:16

论文阅读笔记：BB-KBQA: BERT-Based Knowledge Base Question Answering

论文来自ChineseComputationalLinguistics以下笔记只记录部分内容abstract大多数现有的方法都是基于模板的，或者是在特定任务的数据集上进行训练的。然而，手工制作的模板设计起来既费时又高度形式化，没有推广能力。(这段不敢苟同，目前发表过的问答系统的论文，已经很少基于模板了，不过在工业运用当中似乎还是模板方法居多)。同时，BiLSTMs和CNNs需要大规模的训练数据，这

Miracle_lyx·2022-12-02 00:10

[论文阅读笔记65]Template-Based Named Entity Recognition Using BART

1.基本信息题目论文作者与单位来源年份Template-BasedNamedEntityRecognitionUsingBARTLeyangCui（ZhejiangUniversity），YuWu（MicrosoftResearchAsia），WestlakeUniversityACL2021-Findings202118Citations,36References论文链接：https://acl

happyprince·2022-12-02 00:09

论文阅读笔记－CoType: Joint Extraction of Typed Entities and Relations with Knowledge Bases

CoType:JointExtractionofTypedEntitiesandRelationswithKnowledgeBases文章综述本文主要解决在远程监督的过程中面临的三大挑战：需要事先训练的命名实体抽取器限制了领域的扩展；讲实体抽取和关系抽取分开导致错误的传递累计、在远程监督当中面临的标签噪声问题（远程监督假设失效问题）。本文通过利用实体和关系的联合抽取来解决这些挑战。本文的贡献主要有

hqc888688·2022-12-02 00:39

[论文阅读笔记12]An Effective Transition-based Model for Discontinuous NER

一，题目《AnEffectiveTransition-basedModelforDiscontinuousNER》论文：AnEffectiveTransition-basedModelforDiscontinuousNER.pdf代码：https://github.com/daixiangau/acl2020-transition-discontinuous-ner**实验数据：**https:/

happyprince·2022-12-02 00:39

论文阅读笔记（Mention Flags:Constraining Transformer-based Text Generators）

一、概述受控文本生成任务与常规的文本生成任务有一些不同。常规的文本生成任务对生成文本的内容（Content）通常没有强制性的约束，而受控文本生成任务会要求生成文本的内容必须满足一些既定的约束条件，如风格（Style）、主题（Topic）等。例如，文本风格转换（TextStyleTransfer）就是一类十分经典的受控文本生成任务，该任务要求生成文本的内容在语义上需要与转换前保持一致，在风格上需要转

NLP小白er·2022-12-02 00:08

HOTR: End-to-End Human-Object Interaction Detection with Transformers论文阅读笔记

一、本文的内容1.研究目的本文提出了一种基于transformer的人物交互的新的框架，它能够根据图像预测出apairof三元组(人，物，交互)，通过该集合预测，能够利用图像中的语义信息，并且，不需要后处理。2.研究现状目前对于人机交互的主要方式是：（1）对人和物体定位（2）对交互的标签分类局限性：（1）他们需要额外的后处理步骤（向相似的预测值的抑制）（2）关系建模对于目标检测有帮助，但是考虑到H

ycolourful·2022-12-01 23:30

《Beta Embeddings for Multi-Hop Logical Reasoning in Knowledge Graphs》论文阅读笔记

《BetaEmbeddingsforMulti-HopLogicalReasoninginKnowledgeGraphs》论文阅读笔记主要挑战贡献：KG上的推理挑战主要有两个：1.KG的规模很大，每跳一步候选答案集的候选答案数量便指数增长

我ta·2022-12-01 21:06

论文复现—1—A Simple yet Effective Relation Information Guided Approach for Few-Shot Relation Extraction

论文阅读笔记在笔记本上，整体流程在笔记本上做推导，不在电子版存稿了。较为简单。

等景，不如找景·2022-12-01 11:55

推荐频道

【论文阅读笔记】