个人随笔（论文解读第29页

论文浏览(31) AR-Net: Adaptive Frame Resolution for Efficient Action Recognition

文章目录0.前言1.要解决什么问题2.用了什么方法3.效果如何4.还存在什么问题&有什么可以借鉴0.前言相关资料：arxivgithub，项目网页论文解读论文基本信息领域：行为识别作者单位：IBM发表时间

清欢守护者·2022-11-20 12:49

模型剪枝大瘦身代码实战案例

陈万君Allen·2022-11-20 10:33

模型剪枝经典论文解读：《Learning Efficient Convolutional Networks through Network Slimming》

LearningEfficientConvolutionalNetworksthroughNetworkSlimming摘要：CNN在落地中的部署，很大程度上受到其高计算成本的限制。在本文中，作者提出一种新的CNN学习方案：1）减少模型大小；2）减少模型运算内存的占用；3）在不影响准确性的同时，减少计算操作的次数。本文提出一种简单高效的方法，具体通过网络通道的稀疏化来实现的。该方法非常适用于CNN

pogg_·2022-11-20 10:29

mobilenet系列论文解读：从v1-v3

一文看遍mobilenet，毫无疑问，移动端的轻量级网络中mobienet肯定是首当其冲，从v1-v3，有着相当的提升和改进，但究其核心，最主要的还是引入了深度可分离卷积的计算，确实很有代表性，不过在v3中引入了NAS，这就比较玄学了，v3我没有直接复现过，只玩过基于它实现的目标检测网络，v3的yolov3我记得可以在voc上做到74%左右，效果挺好的，v1和v2的目标检测网络，比如mobilen

lovep1·2022-11-20 08:13

公众号内容拓展学习笔记（2022.5.31）

公众号内容拓展学习笔记（2022.5.31）今日要点2022年人体姿态估计SOTA方案ViTPose论文解读⭐️⭐️Abstract:2022年人体姿态估计SOTA方案ViTPose论文解读Paper:

CV_七少·2022-11-20 08:49

论文解读《Deep learning: new computational modelling techniques for genomics》

期刊名：NatureReviewsGeneticsGENETICS&HEREDITY遗传学期刊名：NATUREREVIEWSGENETICS期刊名缩写：NATREVGENET国际刊号：1471-0056出版国家或地区：ENGLAND大类学科及分区：生物1区是否TOP期刊：是小类学科及分区：DOI：10.1038/s41576-019-0122-6代码链接：无文章链接：Sci-Hub|Deeplea

YZT8848·2022-11-20 08:36

从零搭建Pytorch模型教程（三）搭建Transformer网络

本文来自公众号CV技术指南的技术总结系列欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。

CV技术指南(公众号)·2022-11-20 07:02

数据增强论文解读：Random Erasing Data Augmentation

文章目录前言一、Introduction二、RelatedWork三、数据集四、算法五、实验六、代码前言文章来源：TheThirty-FourthAAAIConferenceonArtificialIntelligence(AAAI-20)给了代码，包含在两个数据集上的代码一、Introduction论文为CNN训练提出了一种新的数据增强方法：RandomErasing具体方法：（1）在一张图片中

winnerziqi·2022-11-20 06:11

论文解读：多层肽 - 蛋白质相互作用预测的深度学习框架

Title:Adeep-learningframeworkformulti-levelpeptide–proteininteractionprediction期刊：naturecommunications分区：Q11.摘要肽-蛋白质相互作用参与了各种基本细胞功能，它们的鉴定对于设计有效的肽疗法至关重要。最近，已经开发了许多计算方法来预测肽-蛋白质相互作用。但是，大多数现有的预测方法在很大程度上取决

YZT8848·2022-11-20 03:17

Deep drug-target binding affinity prediction with multiple attention blocks论文解读（二）2021SC@SDUSC

2021SC@SDUSC数据集然后是对基准数据集的介绍，KIBA和DAVIS使用CI和r2m度量标准来衡量所提出的模型和基准模型的性能。对于Davis和KIBA数据集中蛋白质和药物的输入，我们采用了DeepDTA方法，通过字典将药物和蛋白质序列的smile数字化到一个固定的最大长度。deepDTAdeepDTA论文笔记：csdn：https://blog.csdn.net/qq_40311018/

芜湖大司码丶·2022-11-20 03:04

Deep drug-target binding affinity prediction with multiple attention blocks论文解读（一）2021SC@SDUSC

2021SC@SDUSC论文解读：摘要：DTI预测背景：药物靶间相互作用(DTI)预测由于其在药物发现过程中的重要地位而受到越来越多的关注。

芜湖大司码丶·2022-11-20 03:34

Efficient Decision-based Black-box Adversarial Attacks on Face Recognition论文解读

近年来，人脸识别取得了飞速的发展，广泛应用于各种场景，但现实中，系统遭到攻击往往是不确定性的，如何增加系统的对抗性，提高鲁棒性是研究的重点。当前，对抗性攻击可以针对深度神经网络模型的“弱点”进行优化，提高鲁棒性。只是目前被熟知的大多是白盒攻击，真正接近现实场景的黑盒攻击鲜被关注。EfficientDecision-basedBlack-boxAdversarialAttacksonFaceReco

AlbertHUBU·2022-11-20 01:07

语义分割系列论文解读与实践

先挖个坑,最近看了挺多backbone、语义分割系列文章,看的太多也没啥记录,都是看完马上就放到代码里去跑了但是我想还是要有些记录,不然很多东西看了就忘,逐渐会忘记之前的一些历程,这是很可怕的接下来会在这个专栏里面分析一下各篇经典论文里的闪光点,以及从发展的角度、实用的角度,探讨如何搭建出高效的实际业务模型分割任务的准确描述(单幅静态图像分割还是实时动态分割模式,模型最终跑在服务端、桌面端、手机端

�Sintol·D·Kevin·2022-11-20 00:48

基于正交投影的实时三维人体姿态估计

王亦洲课题组ECCV2022入选论文解读：基于正交投影的实时三维人体姿态估计本文是对发表于计算机视觉领域顶级会议ECCV2022的论文FasterVoxelPose:Real-time3DHumanPoseEstimationbyOrthographicProjection

Vertira·2022-11-20 00:17

多元时间序列预测之（一）DA-RNN模型

文章目录前言DA-RNN论文解读1.问题定义2.模型解读2.1输入注意力机制2.2编码器2.3时间注意力层2.4解码器前言多元时间序列预测，又称多变量时间预测，指对一个系统中存在的多个时间依赖变量的研究

RicardoOzZ·2022-11-19 23:56

文档级关系抽取《A sequence-to-sequence approach for document-level relation extraction》论文解读

概述该文章阐述了一种用于文档级关系抽取的方法，文章第一作者JohnGiorgi所在机构为多伦多大学的特伦斯·唐纳利细胞与生物分子研究中心以及向量人工智能研究所，该篇文章发表与2022年ACL（自然语言处理方向的顶级会议）。摘要关系抽取中，许多关系会跨越句子边界，受这一事实的影响，文档级关系提取(DocRE)越来越受到关注。DocRE需要在句子内部和句子之间进行整合，捕捉实体提及之间的复杂交互。大多

新叶^转角·2022-11-19 22:46

【论文解读】A Frustratingly Easy Approach for Entity and Relation Extraction

Abstract对于实体识别和关系抽取的联合任务，大多数使用结构化预测模型或共享参数。而作者使用一个简单的流水线模型实现。方法使用两个独立的编码器，关系抽取的输入仅仅是实体识别的结果。通过实验，验证了学习实体和关系的不同上下文表示、融合关系模型中的实体信息和整合全局上下文的重要性。（也就是说在关系模型中加入实体信息的重要性）最后，提出了一个有效的近似方法，它只需要在推理时通过实体和关系编码器，实现

shun-ripking·2022-11-19 22:45

DM-GAN: Dynamic Memory Generative Adversarial Networks for Text-to-Image Synthesis 论文解读

这是一篇CVPR2019的一篇文章，思想简单，但是实验结果是真的简单，服！服！服！！！（但是我为什么想不到呢？我太菜）。文章中介绍了很多模块，也介绍了文章idea的来源，为此我还看了相关的MemoryNetworks及各种变形（对理解本篇DM-GAN其实用处不大，但是这些论文挺好的，推荐一看。）论文:https://arxiv.org/abs/1904.01310?context=cs.GitHu

迷途的CH·2022-11-19 22:12

Cascade EF-GAN: Progressive Facial Expression Editing with Local Focuses 论文解读

题目：CascadeEF-GAN：局部聚焦渐进式面部表情编辑时间：2020.3作者：RongliangWu,GongjieZhang,ShijianLu,andTaoChenCVPR2020Abstract目前面部表情编辑存在的问题：生成性对抗网络（GAN）的最新进展表明，面部表情编辑有了显著的改进。然而，当前的方法仍然容易在表达密集型区域周围产生伪影和模糊，并且在处理大间隙表达转换（例如从愤怒到

我是喵喵酱·2022-11-19 22:36

论文解读 | [ICCV2021] 用于任意形状文本检测的自适应边界建议网络

目录一、研究背景二、研究的目的三、方法设计3.1多层特征融合策略3.2边界建议模块3.3自适应边界变形模块一、研究背景场景文本检测已广泛应用于在线教育、产品搜索、视频场景解析等领域。得益于深度学习技术，文本检测方法在文本为规则形状的图像上取得了很大的进展。近年来，因为任意形状文本检测能很好地适应实际应用，所以受到越来越多的关注。基于分割的方法引发了一波任意形状文本检测的浪潮，这一类方法通过像素级预

别偷我的猪_09·2022-11-19 21:20

OFT论文解读

OFT是2018年的一篇单目3D检测的文章《OrthographicFeatureTransformforMonocular3DObjectDetection》文章引入正交法特征变换，通过将基于图像的特征映射到正交法三维空间，实现了对图像域的转义，能够在一个尺度一致、物体之间的距离有意义的领域中对场景的空间配置进行整体推理。文章链接：OrthographicFeatureTransformforM

思绪零乱成海·2022-11-19 20:16

论文解读：Fully Convolutional Networks for Semantic Segmentation

要点1.构建一个全卷积网络，首个支持端到端像素级训练的网络，网络的输入为任意尺寸，输出为等大图像。2.在空间密集型预测任务中解释了其应用。3.定义跳接结构，结合深层的语义信息和浅层的表征信息产生精准的分割结果读引言研究背景卷积神经网络已经有力推动了识别任务进展，在图像整体分类、结构化输出局部任务取得了明显进展。下一步自然是想获得产生细致的预测，即对每个像素点进行预测。先前的工作都是对封闭对

FireWood_S·2022-11-19 19:18

Fully Convolutional Networks for Semantic Segmentation----2014CVPR FCN论文解读

FullyConvolutionalNetworksforSemanticSegmentation----2014CVPR论文解读Abstract卷积网络在特征分层领域是非常强大的视觉模型。

灯会_hust·2022-11-19 19:47

Fully Convolutional Networks for Semantic Segmentation ————全卷积网络 FCN论文解读

FullyConvolutionalNetworksforSemanticSegmentation作者：JonathanLong,EvanShelhamer,TrevorDarrell;出处：ProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition(CVPR),2015,pp.3431-3440Abstract卷积网络是

貂个小小孩解解蝉·2022-11-19 19:07

Label Decoupling Framework for Salient Object Detection 论文解读

该论文发表于CVPR2020。论文链接：https://openaccess.thecvf.com/content_CVPR_2020/papers/Wei_Label_Decoupling_Framework_for_Salient_Object_Detection_CVPR_2020_paper.pdf项目地址：https://github.com/weijun88/LDF文章目录待解决的问题

爱coco-爱科研·2022-11-19 17:23

CVPR2020论文分方向整理之检测篇_3D目标检测（代码/论文解读/136篇打包下载）

CVPR2020论文分方向整理之检测篇（代码/论文解读/136篇打包下载）本周三，CVPR官方正式开放下载，极市第一时间将所有论文（共1467篇）进行了下载打包，详情见此处。

baidu_huihui·2022-11-19 17:02

《OpenCalib: A Multi-sensor Calibration Toolbox for Autonomous Driving》论文解读

OpenCalib是上海AI实验室开发的一款开源的自动驾驶传感器标定工具箱，其中包含了这一领域的一整套自动驾驶相关标定方法。传感器的精确标定是自主车辆多传感器感知与定位系统的前提条件。传感器的内参数标定是获取传感器内部的映射关系，外参数标定是将两个或多个传感器转换为一个统一的空间坐标系。大多数传感器在安装后都需要进行标定，以保证传感器测量的准确性。为此，我们提出了OpenCalib，一个包含丰富的

Naturalent·2022-11-19 16:09

细粒度分类：DBTNet（Deep Bilinear Transform）（一）论文解读

文章目录前言一、参考论文二、论文解读摘要1.简介2.相关工作3.DeepBilinearTransform3.1SemanticGroupingLayer语义分组层3.2GroupBilinearLayer

Robust Da·2022-11-19 14:12

【论文解读】BERT和ALBERT

文章目录1.前言2.BERT2.1引入2.2以前的工作2.2.1feature-based方法2.2.2fine-tuning方法2.2.3迁移学习方法2.3BERT架构2.3.1MLM2.3.2NSP2.4实验2.4.1BERT模型的效果2.4.2验证性实验3.ALBERT3.1引入3.2相关工作3.2.1cross-layerparametersharing（交叉层的参数共享）3.2.2sen

洛克-李·2022-11-19 13:37

论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（二）2021SC@SDUSC

论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（二）2021SC@SDUSCDrug–targetaffinitypredictionusinggraphneuralnetworkandcontactmaps

芜湖大司码丶·2022-11-19 12:20

论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（一）2021SC@SDUSC

2021SC@SDUSC论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（一）Drug–targetaffinitypredictionusinggraphneuralnetworkandcontactmaps

芜湖大司码丶·2022-11-19 12:19

U2Net论文解读及代码测试

论文名称：U2-Net:GoingDeeperwithNestedU-StructureforSalientObjectDetection论文地址：https://arxiv.org/pdf/2005.09007.pdf论文作者：XuebinQin,ZichenZhang,ChenyangHuang,MasoodDehghan,OsmarR.ZaianeandMartinJagersandUniv

冰__蓝·2022-11-19 11:09

Transformer论文解读四（SegFormer）

最近Transformer在CV领域很火，Transformer是2017年Google发表的AttentionIsAllYouNeed中主要是针对自然语言处理领域提出的，后被拓展到各个领域。本系列文章介绍Transformer及其在各种领域引申出的应用。本文介绍的SegFormer:SimpleandEfficientDesignforSemanticSegmentationwithTransf

蓝鲸鱼BlueWhale·2022-11-19 10:46

论文解读《Learning Efficient Convolutional Networks through Network Slimming》

《LearningEfficientConvolutionalNetworksthroughNetworkSlimming》原文地址：(https://link.zhihu.com/?target=https://arxiv.org/abs/1708.06519)参考代码：https://github.com/mengrang/Slimming-pytorch论文主要思路：利用BN层的权重来评估输

janezjlj·2022-11-19 09:37

论文解读《ResRep: Lossless CNN Pruning via Decoupling Remembering and Forgetting》

《ResRep:LosslessCNNPruningviaDecouplingRememberingandForgetting》论文地址：https://arxiv.org/pdf/2007.03260.pdfcode地址：https://link.zhihu.com/?target=https%3A//github.com/DingXiaoH/ResRep一、论文主要思路：在模型的conv层之后

janezjlj·2022-11-19 09:37

【论文解读】持续学习三种情形

文章目录摘要1.介绍2.三种持续学习场景2.1单头与多头分类方案的比较2.2任务协议举例2.3任务边界3.持续学习策略3.1特定于任务的组件3.2正则优化3.3修正训练数据3.4使用范例4.实验细节4.1任务协议4.2方法5.结果6.讨论论文标题：Threescenariosforcontinuallearning论文源码：https://github.com/GMvandeVen/continu

calm-one·2022-11-19 08:55

GAN-多域风格迁移-StarGANv2论文解读

文章目录解决问题创新点算法损失函数实验总结论文：《StarGANv2:DiverseImageSynthesisforMultipleDomains》github：https://github.com/clovaai/stargan-v2解决问题常规风格迁移为一对一域迁移，当有N个域互相迁移时，则需要训练N*（N-1）个模型，显然一对一域迁移不适用于此场景。创新点本文提出StarGANv2可实现多

‘Atlas’·2022-11-19 08:49

【AI】《ResNet》论文解读、代码实现与调试找错

前言残差网络Resnet，被誉为撑起计算机视觉半边天的文章，重要性不言而喻。另外，文章作者何凯明，在2022年AI2000人工智能最具影响力学者排行里排名第一：为什么这篇文章影响力这么大呢？通常来说，在同等条件下，网络越深，性能越好（暂且这样认为）。在resnet提出之前，网络无法做到“很深”，堆叠到二十多层就极容易出现梯度消失等问题，导致模型难以训练。resnet的出现，解决了这个问题，模型可以

Dreamcatcher风·2022-11-19 07:15

【论文解读】经典CNN对2D&3D掌纹及掌静脉识别的性能评估

掌纹识别(palmprintrecognition)及掌静脉识别(palmveinrecognition)作为两种新兴的生物特征识别技术已经引起广泛关注。最近几年，深度学习已经成为人工智能领域最为重要的技术，在许多领域取得了突破。但是，基于深度学习的2D掌纹识别、3D掌纹识别和掌静脉识别的相关研究尚处于起步阶段。合肥工业大学贾伟副教授团队对于经典的深度卷积神经网络(ConvolutionalNeu

风度78·2022-11-19 05:24

【目标检测】Fast R-CNN论文详细解读

目录：FastR-CNN论文解读一、前言1.R-CNN的步骤及缺点2.SPPNet的步骤二、FastR-CNN1.R-CNN的缺点2.SPPNet的缺点3.FastR-CNN的优点4.FastR-CNN

旅途中的宽~·2022-11-19 03:39

yolov9000：better,faster,stronger

Jeemy110)前期文章：小白将：目标检测|YOLO原理与实现小白将：目标检测|SSD原理与实现小白将：综述|基于深度学习的目标…https://zhuanlan.zhihu.com/p/35325884【论文解读

Kun Li·2022-11-19 02:55

ECCV2020 Detection DETR 论文解读

End-to-EndObjectDetectionwithTransformers论文链接：https://www.ecva.net/papers/eccv_2020/papers_ECCV/papers/123460205.pdf论文代码：https://github.com/facebookresearch/detr文章目录End-to-EndObjectDetectionwithTransf

Matorch·2022-11-19 01:50

ICRA2021 MOT GSDT论文解读

JointObjectDetectionandMulti-ObjectTrackingwithGraphNeuralNetworks论文链接：https://arxiv.org/pdf/2006.13164v3.pdf论文代码：https://github.com/yongxinw/GSDTAbstract:ObjectdetectionandDataassociationarecriticalc

Matorch·2022-11-19 01:49

CVPR2020 MOT MPNTracker 论文解读

MPNTracker——LearningaNeuralSolverforMultipleObjectTracking摘要1.前言2.基于图的跟踪问题2.1问题定义2.2网络流定义2.3图学习方法3.基于消息传递机制的跟踪(MessagePassingNetworks,MPN)3.1消息传递网络3.2时间感知的消息传递3.3特征编码3.3.1外观特征嵌入3.3.2几何信息嵌入3.4训练及推理3.4.

Matorch·2022-11-19 01:19

基于几何学习图像的三维重建发展_基于深度学习的三维重建——MVSNet系列论文解读...

欢迎关注微信公众号“3D视觉学习笔记”，分享博士期间3D视觉学习收获MVSNet:香港科技大学的权龙教授团队的MVSNet（2018年ECCV）开启了用深度做多视图三维重建的先河。2019年，2020年又有多篇改进：RMVSNet(CVPR2019),PointMVSNet(ICCV2019),P-MVSNet(ICCV2019),MVSCRF(ICCV2019),Cascade(CVPR2020

weixin_39888268·2022-11-19 01:43

【三维深度学习】多视角立体视觉 MVSNet代码解读

论文解读其代码使用tensorflow实现，包含了训练和测试模块，由Yaoyao

hitrjj·2022-11-19 01:42

目标检测论文解读复现之九：基于改进YOLOv5的复杂场景下SAR图像船舶检测方法

前言此前出了目标改进算法专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑，此系列文章旨在给大家解读最新目标检测算法论文，帮助大家解答疑惑。解读的系列文章，本人已进行创新点代码复现，有需要的朋友可关注私信我。一、摘要针对复杂场景下合成孔径雷达图像船舶检测中易产生漏检的问题，本文提出了一种基于改进YOLOv5的复杂场景下SAR

人工智能算法研究院·2022-11-19 00:43

目标检测论文解读复现之十一：基于特征融合与注意力的遥感图像小目标检测

前言此前出了目标改进算法专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑，此系列文章旨在给大家解读最新目标检测算法论文，帮助大家解答疑惑。解读的系列文章，本人已进行创新点代码复现，有需要的朋友可关注私信我。一、摘要为解决遥感图像小目标检测中目标特征信息量少、定位困难等难题，本文提出一种基于特征融合与注意力的遥感图像小目标检