【论文阅读笔记】第19页

【论文阅读笔记】Past, Present, and Future of Simultaneous Localization and Mapping

摘要内容分析调查SLAM现状，新的研究方向，现在的业界标准是什么回顾SLAM近些年的前沿定性本篇文章为意见文件与指导意义通过这篇论文摘要的写法来思考自己的论文摘要应该如何书写。关键词：Factorgraphs,localization,mapping,maximumaposterioriestimation,perception,robots,sensing,simultaneouslocaliz

肥鼠路易·2022-11-27 04:07

Yolo家族论文阅读笔记

YouOnlyLookOnce:Unified,Real-TimeObjectDetection学习笔记YOLO的核心思想就是利用整张图作为网络的输入，直接在输出层回归boundingbox的位置和boundingbox所属的类别。抓取bbox步骤：1.输入图像分成S×S的网格。现在是划分成了7*7的，如果物品的中点落在某一个网格单元，这个网格单元将负责识别出这个物体。注意只是看该目标的中心点，而

Diros1g·2022-11-26 22:02

CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection（论文阅读笔记）

CLOCs:Camera-LiDARObjectCandidatesFusionfor3DObjectDetection（论文阅读笔记）通用化和模块化、概率驱动的融合学习、实时性和硬件资源占用、优异的检测性能一

董*飞飞·2022-11-26 22:53

WSDM 2022 推荐系统论文阅读（上）

声明：本论文阅读笔记主要是对论文摘要的概括，评论仅代表个人的阅读观点，欢迎大家在评论区讨论！

XJTU-Qidong·2022-11-26 21:37

WSDM 2022 推荐系统论文阅读（下）

XJTU-Qidong·2022-11-26 21:37

【源头活水】IEEE TIFS 2022 | 基于不确定因素感知的鲁棒虹膜识别

为此，我们特别精选论文阅读笔记，开辟“源头活水”专栏，帮助你广泛而深入的阅读科研文献，敬请关注。‍

人工智能前沿讲习·2022-11-26 21:15

Session-based Recommendation with Graph Neural Networks论文阅读笔记

寂ღ᭄秋࿐·2022-11-26 20:13

[论文阅读笔记18] DiffusionDet论文笔记与代码解读

扩散模型近期在图像生成领域很火,没想到很快就被用在了检测上.打算对这篇论文做一个笔记.论文地址:论文代码:代码0.扩散模型简述首先介绍什么是扩散模型.我们考虑生成任务,即encoder-decoder形式的模型,encoder提取输入的抽象信息,并尝试在decoder中恢复出来.扩散模型就是这一类中的方法,其灵感由热力学而来,基本做法是在输入中逐步加噪,并学会如何在噪声中恢复出输入.在加噪和去噪的

wjpwjpwjp0831·2022-11-26 16:09

论文阅读笔记：Attention Is All You Need

论文阅读笔记：AttentionIsAllYouNeed前言一、摘要和介绍二、模型结构1.编码器和解码器2.Attention2.1ScaledDot-ProductAttention2.2Multi-HeadAttention2.3PositionalEncoding

HollowKnightZ·2022-11-26 12:28

知识图谱论文阅读笔记：KGAT

birthpla·2022-11-26 11:16

【论文阅读笔记】Multi-modal Knowledge Graphs for Recommender Systems

Multi-modalKnowledgeGraphsforRecommenderSystems1.背景现有的推荐系统主要分为两种方法，基于内容和协同过滤。基于内容的方法是针对user-item的历史交互信息进行推荐的，协同过滤利用user-item群体的行为交互数据进行推荐，然而协同过滤会存在数据稀疏和冷启动的问题。因此，近几年的研究将知识图谱引入推荐系统，提供高阶特性，丰富一些隐藏的连接，增强推

想不出名字就这么着吧·2022-11-26 11:43

weak3 （数据增强、轻量化网络）论文阅读笔记

weak3（数据增强）论文阅读笔记论文阅读笔记一.数据增强方向四篇二.轻量化网络四篇三.目标检测方向四篇深度学习目标检测一.数据增强方向四篇1.TheEffectivenessofDataAugmentationinImageClassificationusingDeepLearning

qingyuan512·2022-11-26 10:32

《异构图神经网络在文章摘要抽取中的应用》——论文阅读笔记

这是阅读的一篇复旦大学实验室的英文论文，论文主要做的工作是使用异构图为模型提取单文档、多文档的摘要，论文原文点这里论文背景提取文档摘要是指从原始文档中提取相关的句子，并将其重新组织为摘要。提取文档摘要的一个关键步骤是学习跨句子关系，实现提取文章摘要的一种直观方法是将它们放在基于图形的神经网络中，该网络有一个更复杂的捕捉句子间关系的结构。目前现有的模型主要遵循编码器-解码器框架，比如说CNN、LST

全全全呀·2022-11-26 08:45

【论文阅读笔记】面向医学文本的实体关系抽取研究综述

面向医学文本的实体关系抽取研究综述写在前面深度学习方法监督学习基于简单的CNN模型基于CNN模型的改进基于RNN模型基于注意力机制的模型远程监督的多实例学习分段卷积神经网络模型及改进多实例、多标签CNNs模型深层记忆网络模型引入外部知识模型实体关系联合抽取未来研究方向写在前面这篇文章从实体关系抽取的相关概念引人，描述了深度学习方法在医学领域实体关系抽取的发展历程，也从构建数据集的方面对监督学习

Irving_III·2022-11-26 08:45

论文阅读笔记：图卷积网络

Cite:SEMI-SUPERVISEDCLASSIFICATIONWITHGRAPHCONVOLUTIONALNETWORKShttps://arxiv.org/abs/1609.02907摘要我们提出了一种可扩展的图结构数据半监督学习方法，该方法基于直接操作于图的卷积神经网络的有效变体。我们通过谱图卷积的局部一阶近似来激励卷积结构的选择。我们的模型在图边的数量上线性伸缩，并学习对局部图结构和节

塔_Tass·2022-11-26 08:14

图神经网络关系抽取论文阅读笔记（一）

1基于神经网络的关系分类任务图关系分类/全监督关系抽取任务主要有以下几个主要过程:人工标记数据、特征提取、训练分类器、抽取新的关系。2特征提取词法特征：每个实体对应的词性，如形容词、副词、代词、限定词等被标记实体之间的单词序列:两个实体之间的单词被标记实体的上位词句子中首先出现的被标记实体左侧的K个单词及其对应的词性句子中后出现的被标记实体右侧的K个单词及其对应的词性:被标记的实体与其左右两侧的单

程哥哥吖·2022-11-26 08:13

[论文阅读笔记53]2021深度神经方法的关系三元组抽取综述

1.题目DeepNeuralApproachestoRelationTripletsExtraction:AComprehensiveSurveyTapasNayak†,NavonilMajumder,PawanGoyal†,SoujanyaPoriaIITKharagpur,India印度理工学院–被称为印度“科学皇冠上的瑰宝”SingaporeUniversityofTechnologyand

happyprince·2022-11-26 08:02

[论文阅读笔记51]关系抽取【DNN】综述(监督与远程监督)

题目DeepNeuralNetworkBasedRelationExtraction:AnOverview单位：UniversityofElectronicScienceandTechnologyofChina内容1.框架分为四个部分：数据集，句子表示，特征抽取，分类器这个框架是比加传统的关系抽取方法了。2.相关概念NeuralNetworks：ConvolutionalNeuralNetwork

happyprince·2022-11-26 07:32

图神经网络关系抽取论文阅读笔记（三）

1用于关系提取的注意引导图卷积网络（AttentionGuidedGraphConvolutionalNetworksforRelationExtraction，2020）论文：AttentionGuidedGraphConvolutionalNetworksforRelationExtraction，20201.1引言依赖树传递丰富的结构信息，这些信息对于提取文本中实体之间的关系非常有用。然而，

程哥哥吖·2022-11-26 07:57

半监督语义分割网络 Adversarial Learning for Semi-Supervised Semantic Segmentation论文阅读笔记

ALSS是半监督语义分割领域最早的文章之一，文章的动机仍然是easetheheavyhumaneffortsoflabelingpixel-levelannotations。与弱监督领域通常采用的分类级标签数据和分类级损失函数不同，半监督学习更强调少量有标签数据与大量无标签数据的结合，其核心在于如何通过有标签数据更好地挖掘无标签数据的监督信息，从而达到提升模型性能而降低人力支出的目的。ALSS提出

tcltyan·2022-11-25 22:55

【Few-Shot Segmentation论文阅读笔记】PANet: Few-Shot Image Semantic Segmentation with Prototype , ICCV, 2019

AbstractTargetQuestion:Few-shotSegmentation本文主要工作：基于metric-learning的思想，本文提出了PANet(PrototypeAlignmentnetwork)，能够更好地利用supportset中包含的语义信息，实现小样本语义分割。算法优点：segmentation阶段没有引入额外的learnableparameters,减少了over-f

RaymondLove~·2022-11-25 22:20

论文笔记《FAST-LIO2: Fast Direct LiDAR-inertial Odometry》及激光SLAM综述

本篇为FAST-LIO2的论文阅读笔记，并基于该论文以及其他几篇总结激光SLAM发展现状。

昼行plus·2022-11-25 20:23

【论文笔记】DeepLab系列论文阅读笔记

本文为DeepLab系列论文阅读笔记，包括DeepLabV1、DeepLabV2、DeepLabV3、DeepLabV3+。

嘟嘟太菜了·2022-11-25 17:40

[论文阅读笔记27]biaffine4NER：双仿射分类器在NER的应用

题目NamedEntityRecognitionasDependencyParsingYu,J.,Bohnet,B.,&Poesio,M.(2020).NamedEntityRecognitionasDependencyParsing.ArXiv,abs/2005.07150.代码：https://github.com/juntaoy/biaffine-ner作者JuntaoYuQueenMary

happyprince·2022-11-25 13:31

目标检测入坑指南2：AlexNet神经网络

本专栏会详细记录本人在研究目标检测过程中的所学所感，主要包括：1.目标检测算法解读，如R-CNN系列、YOLO系列；2.论文阅读笔记；3.其它目标检测相关的概念和技巧，如attention机制的应用。

Convolution@·2022-11-25 13:47

A Survey on Transfer Learning 论文阅读笔记与总结

一、引入第一作者：SinnoJialinPan，南洋理工大学副教授，中大数学学士、硕士，香港科技大学博士，研究方向：迁移学习期刊：IEEETRANSACTIONSONKNOWLEDGEANDDATAENGINEERING（IEEETKDE，SCI三区）原文链接：传送门当前的数据挖掘和机器学习技术（分类、回归和聚类）的大部分研究的前提是训练数据和测试数据拥有相同的特征空间和分布。若分布发生改变，则需

蒋晨阳·2022-11-25 10:36

RepVGG论文阅读笔记

【论文阅读】RepVGG论文阅读笔记1.REPVGG1.1背景1.2重参数化1.2.1内存开销1.2.2方法1.REPVGG提出重参数化，训练和推理结构解耦。

明天一定早睡早起·2022-11-25 08:07

【论文阅读笔记】 Deep Few-Shot Learning for Hyperspectral Image Classiﬁcation

DeepFew-ShotLearningforHyperspectralImageClassiﬁcation作者：BingLiu,XuchuYu,AnzhuYu,PengqiangZhang,GangWan,andRuiruiWang一、摘要与贡献目前，深度学习方法已被成功用于高光谱图像（HSI）分类。然而，想要训练一个深度学习的分类器需要成千上百个标记样本。这篇文章提出了一种深度学习方法来解决H

sunshine_shan·2022-11-25 08:19

Distribution-Aware Coordinate Representation for Human Pose Estimation 论文阅读笔记

人体姿态估计的分布感知坐标表示CVPR2020论文链接代码链接其他参考资料摘要：热图才是姿态估计的实际坐标表示，本文对热图进行深入研究。本项工作首次发现：将预测热图解码为原始图像空间中的最终关节坐标的过程对性能影响很大。本文进一步探讨了标准坐标解码法的设计局限，并提出了一种分布感知解码方法。此外，通过生成无偏差/准确热图来改进标准坐标编码过程（即GT坐标转换为热图）。将两者结合，本文提出一种新的关

AnZhiJiaShu·2022-11-25 08:43

【目标检测】《Objects as Points》论文阅读笔记

粗读一遍，主要捡了一些我觉得比较重要的。后续会看看大佬写的，然后重新读下论文，再补充。1.摘要通过对预测框的坐标（关键点）进行模拟，训练得到的模型。是一种比较经典的anchorfree的检测方法。能够方便的运用到3D定位、方向、甚至是姿态识别中。2.介绍介绍中主要说明，这篇文章把检测坐标框的预测，转变为坐标框中心点坐标的预测。较快应用到其他的任务中。而且速度非常快。并提供其代码：xingyizho

聿默·2022-11-25 08:07

CenterNet:Objects as Points论文阅读笔记

CenterNet论文阅读笔记（一）Title（二）Summary（三）ResearchObjective（四）ProblemStatement（五）Method5.1LossFuction5.2网络架构和

不知道叫啥好一点·2022-11-25 08:54

TSI: Temporal Scale Invariant Network for Action Proposal Generation论文阅读笔记

论文地址：ACCV_2020_paper.pdfAbstract简单介绍了本文贡献，当前SOTA的方法对短动作检测的准确率很低。本文是第一个分析了样本不均衡问题，并设计了一种新的尺度不变的损失函数来缓解短动作学习不够的问题。为了进一步实现提案生成任务，作者还采用了边界评价和提案完整性回归的pipline。Introduction作者发现，在时序动作检测中，在完整性预测中容易遗漏较短的动作，这反映为

Encounter84·2022-11-25 08:51

论文阅读笔记：（2018 ACCV）Cross Pixel Optical-Flow Similarity for Self-Supervised Learning

CrossPixelOptical-FlowSimilarityforSelf-SupervisedLearning（2018ACCV）AravindhMahendran,JamesThewlis,AndreaVedaldiNotesMotivationTheauthorsproposeanewself-supervisedalgorithmbyusingtheopticalflowthatcan

小吴同学真棒·2022-11-25 08:19

【ECCV2022】论文阅读笔记TransMatting: Enhancing Transparent Objects Matting with Transformers

TransMatting:EnhancingTransparentObjectsMattingwithTransformersTransMatting:使用Transformers增强透明物体抠图paper：https://arxiv.org/pdf/2208.03007v3.pdfcode：https://github.com/AceCHQ/TransMatting摘要图像抠图是指从自然图像中预

Thinkobj·2022-11-25 08:18

【ACCV2022】论文阅读笔记Lightweight Alpha Matting Network Using Distillation-Based Channel Pruning

LightweightAlphaMattingNetworkUsingDistillation-BasedChannelPruning使用基于蒸馏通道裁剪的轻量Alpha抠图网络https://arxiv.org/pdf/2210.07760v1.pdfhttps://github.com/DongGeun-Yoon/DCP摘要最近，alpha抠图由于在自拍等移动应用中的有用性而受到了广泛关注。由

Thinkobj·2022-11-25 08:17

【论文笔记】RepLKNet论文阅读笔记

paper：ScalingUpYourKernelsto31x31:RevisitingLargeKernelDesigninCNNsgithub：https://github.com/DingXiaoH/RepLKNet-pytorchaistudio：没有GPU？模型在线一键体验自从VGG提出以后，各种CNN网络层出不穷，但是他们都遵循了VGG的设计思想，通过多个小卷积核叠加来得到大的感受野同

嘟嘟太菜了·2022-11-25 07:28

[NeRF论文阅读笔记] mip-nerf

19.Mip-NeRFMip-NeRF:AMultiscaleRepresentationforAnti-AliasingNeuralRadianceFieldsprojectpage知乎-mipNeRFNeRF只在相机位置固定、分辨率与训练图像一致的新视角生成上表现较好。当拉近、拉远时（在多分辨率下观察场景），图像会产生锯齿以及模糊。混叠是什么？根据奈奎斯特采样定理，当采样频率小于信号频率的2倍

一杯半开水·2022-11-25 07:07

Mip-NeRF论文阅读笔记

Mip-NeRF:AMultiscaleRepresentationforAnti-AliasingNeuralRadianceFields文章链接：https://arxiv.org/abs/2103.13415项目代码：https://github.com/google/mipnerf文章目录问题提出补充知识：锯齿（Aliasing）文章思路IPE的优势小结问题提出NeRF只在相机位置固定、改

Xuanqing_C·2022-11-25 07:00

论文阅读笔记之 SPP-Net

SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition视觉识别空间金字塔池化深度卷积网络本文解决的问题解决方法问题①问题②训练策略实验结果视觉识别空间金字塔池化深度卷积网络本文解决的问题①已有的卷积神经网络的输入都要求大小固定（例如R-CNN等），因此需要对输入进行强行裁剪或者放缩，这会导致目标信息的损失以及额外的图

流觞时光·2022-11-25 06:51

Colmap论文——《Structure-from-Motion Revisited》论文阅读笔记

最近又将Colmap论文翻出来仔细阅读总结了一下，于是顺便写个博客记录一下。Structure-from-MotionRevisited是当前SOTA的增量式SfM算法Colmap的论文，发表于2016年计算机视觉顶会CVPR。它是增量式SfM里程碑式的作品。论文地址：https://openaccess.thecvf.com/content_cvpr_2016/papers/Schonber

zeeq_·2022-11-25 04:42

ResNet论文阅读笔记

文章目录前言介绍ResidualLearningshortcutDeeperBottleneckArchitectures实验部分前言原论文标题：DeepResidualLearningforImageRecognition介绍就如文章第一句话，较深的网络有助于提高模型的准确度，但是训练一个很深的神经网络是一件很难的事情。从上图可以看出，56层的网络的误差比20层的还大。并且这并不是过拟合的问题：

--ccyyy·2022-11-25 03:54

R-CNN论文阅读笔记

文章目录前言摘要regionproposalsselectivesearchObjectproposaltransformations给boundingboxes标标签CNN特征提取和SVM网络选取fine-tuning正负样本划分，以及softmaxv.s.SVMhardnegativeminingSVM分类非极大值抑制boundingboxregressor总结前言R-CNN原文标题：Rich

--ccyyy·2022-11-25 03:54

googLeNet论文阅读笔记

文章目录一些介绍Inception模块辅助的两个分类器模块平均池化（averagepooling）参考资料一些介绍在AlexNet提出之后，CNN网络越来越深越来越大，数据集也是非常大，对计算机的计算速度与内存大小要求很高，所以要想一些办法来让计算更有效率、减少参数量又不让结果变坏。（1）考虑到全连接层需要的参数实在太多了，所以选择去掉全连接层，换成其他稀疏的结构。但是计算机对稀疏数据的计算不如非

--ccyyy·2022-11-25 03:53

AlexNet原论文阅读笔记

文章目录前言AbstractIntroductionDatasetTheArchitecture1.ReLU2.TrainingonMultipleGPUs3.LocalResponseNormalization4.OverlappingPooling5.OverallArchitectureReducingOverfitting1.DataAugmentation（数据增强）2.DropoutR

--ccyyy·2022-11-25 03:23

使用GradCAM绘制神经网络的特征图

pytorch-grad-cam论文：Grad-CAM-VisualExplanationsfromDeepNetworksviaGradient-basedLocalization一、论文解读自己写的论文阅读笔记

icecreamdinner·2022-11-25 02:01

论文阅读笔记CTM：《Finding Task-Relevant Features for Few-Shot Learning by Category Traversal》

通过遍历类别查找小样本学习上的特定任务的特征这里的重点在遍历类别样本，提取类内不变性特征和类间唯一性特征1核心思想之前的一些方法（孪生、匹配、原型、关系）把不同的类彼此独立看待，没有将整个任务当做一个整体，这阻碍了与任务相关的特征提取能力。换句话说，本文通过遍历支持集，在特征空间中发现（与任务相关的）类内共性和类间唯一性。本文主要提出了一种CategoryTraversalModule（CTM）类

海淀小天·2022-11-24 20:01

数字孪生论文阅读笔记【2】

[1]RasheedAdil,SanOmer,KvamsdalTrond.DigitalTwin:Values,ChallengesandEnablersFromaModelingPerspective[J].IEEEAccess,2020,8.概念虚拟空间中物理实体的有用信息（结构、功能和行为）的适当同步体，信息流使物理状态和虚拟状态能够融合。传感器数据不断更新孪生体，孪生体不仅能提供实时信息，

海鸥丸拉面·2022-11-24 20:27

数字孪生论文阅读笔记【1.1】

[1]刘劲松.高档数控机床数字孪生关键技术研究与应用[D].中国科学院大学(中国科学院沈阳计算技术研究所),2022.DOI:10.27587/d.cnki.gksjs.2022.000005.Motivation不同数控机床对外信息接口不同，导致信息孤岛机床部件诊断困难，造成资源浪费维护资源不能有效整合机床故障时难以获取生产计划，从而优化生产决策数据感知是指对设备数据的有效采集与传输，通过运用传

海鸥丸拉面·2022-11-24 20:54

图神经网络关系抽取论文阅读笔记（二）

1用于关系抽取的生成式参数图神经网络论文：GraphNeuralNetworkswithGeneratedParametersforRelationExtraction（2019ACL）1.1创新点传统的图神经网络在进行NLP任务时，图的拓扑结构都是预先定义好的，之后再用于节点之间消息传递。本文提出一种具有生成参数的新型图神经网络模型，实现了富文本信息的关系消息传递，也就是说图的结构信息（如邻接矩

程哥哥吖·2022-11-24 15:47

论文阅读笔记——DLT-Net: Joint Detection of Drivable Areas, Lane Lines, and Traffic Objects)

论文阅读笔记——DLT-Net:JointDetectionofDrivableAreas,LaneLines,andTrafficObjects论文简介1引言2DLT-Net架构2.1Encoder2.2Decoder2.2.1

SmieSmile^_^·2022-11-24 12:51

推荐频道

【论文阅读笔记】