个人随笔（论文解读第34页

深度学习模型试跑(十三):stylegan3

目录前言一.解读1.1论文解读1.1.1整体逻辑1.1.2动机1.1.2方法二.模型搭建(以win10为例)二.模型训练前言在深度学习中，训练数据量不足常常会影响分类算法的性能。

(～o▔▽▔)～o o～(▔▽▔o～)·2022-05-09 17:34

论文解读（SAGPool）《Self-Attention Graph Pooling》

论文信息论文标题：Self-AttentionGraphPooling论文作者：JunhyunLee,InyeopLee,JaewooKang论文来源：2019,ICML论文地址：download论文代码：download1Introduction图池化三种类型：Topo

Learner-·2022-05-08 14:00

论文解读-一个ANN （人工神经网络）chaotic generator的FPGA硬件设计与实现

论文标题：HardwaredesignandimplementationofanovelANN-basedshaoticgeneratorinFPGA论文来源：sci-hub简单概述一下这篇文章的摘要，本篇文章提出了一个新奇的人工神经网络的硬件实现，用于解决Pehlivan–UyarogluChaoticSystem(PUCS)问题建模在FPGA上的硬件实现。工作被分为两部分，首先在MatlabR

Rabbitdeng1009·2022-05-08 07:26

EdgeFormer: 向视觉 Transformer 学习，构建一个比 MobileViT 更好更快的卷积网络

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。论文：https://arxiv.org/abs/2203.03

CV技术指南（公众号）·2022-05-07 10:00

论文解读：Decoupled Knowledge Distillation

1.论文基本信息论文：DecoupledKnowledgeDistillation地址：https://arxiv.org/pdf/2203.08679.pdf代码：https://github.com/megvii-research/mdistiller2.背景与摘要知识蒸馏花样繁多，在有教师模型的基础上，知识蒸馏可以从response、relation、feature等角度进行研究，设计los

littletomatodonkey·2022-05-06 07:17

AlexNet论文解读以Pytorch实现

AlexNet论文解读以Pytorch实现一、AlexNet背景1、ILSVRC2、GPU二、AlexNet研究成果及意义1、研究成果2、研究意义三、AlexNet网络结构1、网络结构层的具体操作2、具体操作

燃烧吧哥们·2022-05-06 07:05

Swin Transformer论文解读

文章目录创新点算法PatchMergingW-MSASW-MSA位置偏置结构变体实验ImageNet分类COCO目标检测ADE20K语义分割消融实验结论论文：《SwinTransformer:HierarchicalVisionTransformerusingShiftedWindows》代码：https://github.com/microsoft/Swin-Transformer创新点Tran

‘Atlas’·2022-05-05 07:47

Swin Transformer V2论文解读

文章目录创新点算法SwinTransformer放大模型能力放大window分辨率GPU内存消耗优化引入自监督方法模型实验图像分类目标检测语义分割视频行为分类消融实验结论论文：《SwinTransformerV2:ScalingUpCapacityandResolution》代码：https://github.com/microsoft/Swin-Transformer创新点增大视觉模型，没有像N

‘Atlas’·2022-05-05 07:47

论文解读（GMT）《Accurate Learning of Graph Representations with Graph Multiset Pooling》

论文信息论文标题：AccurateLearningofGraphRepresentationswithGraphMultisetPooling论文作者：JinheonBaek,MinkiKang,SungJuHwang论文来源：2021,ICLR论文地址：downlo

Learner-·2022-05-04 20:00

论文解读《Measuring and Relieving the Over-smoothing Problem for Graph NeuralNetworks from the Topological

论文信息论文标题：MeasuringandRelievingtheOver-smoothingProblemforGraphNeuralNetworksfromtheTopologicalView论文作者：DeliChen,YankaiLin,WeiLi,Pen

Learner-·2022-05-04 09:00

Anomaly Detection 异常检测之 Self-Supervised Outlier Detection 论文解读

1.异常检测背景介绍符号说明XXX：输入空间YYY：标签空间PX×YinP^{in}_{X×Y}PX×Yin：分布内（in-distribution，ID）数据（没有数据标签时：PXinP^{in}_{X}PXin）PXoodP^{ood}_{X}PXood：分布外（out-of-distribution，OoD）数据fff：特征提取器X→ZX→ZX→Z、其中Z⊂RdZ⊂R^dZ⊂Rd（有监督学习

蓝鲸鱼BlueWhale·2022-05-04 07:45

Transformer论文解读五（Swin Transformer）

本文中要介绍的SwinTransformer全名为SwinTransformer:HierarchicalVisionTransformerusingShiftedWindows，是2021年微软研究院发表在ICCV上的一篇文章，在多项视觉任务中展现出优异性能。1.改进相比于VisionTransformer（讲解），SwinTransformer做出了几点改进：层次化构建方法：使用了类似卷积神经

蓝鲸鱼BlueWhale·2022-05-04 07:44

Anomaly Detection 异常检测之 CSI：Contrasting shifted instances论文解读

1.背景异常检测目标给定数据集{xm}m=1M\{x_m\}^M_{m=1}{xm}m=1M，分布外（OOD）检测的目标是对{xm}\{x_m\}{xm}上的检测器建模，识别x为分布内（ID）或者分布外（OOD）数据。对比学习对比学习的思想是学习编码器fθf_θfθ，以提取必要的信息，将相似样本与其他样本区分开来。设xxx为查询，x+{x_+}x+与x−{x_−}x−分别为一组正样本和负样本。对比

蓝鲸鱼BlueWhale·2022-05-03 14:38

论文解读（DAGNN）《Towards Deeper Graph Neural Networks》

论文信息论文标题：TowardsDeeperGraphNeuralNetworks论文作者：MengLiu,HongyangGao,ShuiwangJi论文来源：2020,KDD论文地址：download论文代码：download1Introduction问题引入：图

Learner-·2022-05-02 16:00

YOLOv1论文解读

YOLOv1论文解读论文原文地址：https://arxiv.org/pdf/1506.02640.pdf论文的一个tensorflow实现版本：https://github.com/gliese581gg

Chermack·2022-05-02 07:33

论文解读（Graphormer）《Do Transformers Really Perform Bad for Graph Representation?》

论文信息论文标题：DoTransformersReallyPerformBadforGraphRepresentation?论文作者：ChengxuanYing,TianleCai,ShengjieLuo,ShuxinZheng,GuolinKe,DiHe,Y

Learner-·2022-04-30 19:00

SinGAN学习笔记-未完

SinGan代码阅读记录GANSinGANSR.py论文解读GAN传统GAN网络原理：使用一个已知分布（如高斯分布）去学习一个新的分布，当生成器和判别器通过训练达到损失收敛时，即生成器生成的分布与目标分布基本相同

卷王之王GTO·2022-04-30 07:55

论文解读（Debiased）《Debiased Contrastive Learning》

论文信息论文标题：DebiasedContrastiveLearning论文作者：Ching-YaoChuang,JoshuaRobinson,LinYen-Chen,AntonioTorralba,StefanieJegelka论文来源：2020,NeurIPS论文地址：

Learner-·2022-04-28 20:00

论文解读（IGSD）《Iterative Graph Self-Distillation》

论文信息论文标题：IterativeGraphSelf-Distillation论文作者：HanlinZhang,ShuaiLin,WeiyangLiu,PanZhou,JianTang,XiaodanLiang,EricP.Xing论文来源：2021,ICLR论

Learner-·2022-04-28 11:00

【论文解读】ICLR 2021 |可信多模态机器学习：兼听则明，信而有征

论文解读：韩宗博硕士研究生|天津大学智能与计算学部指导老师：张长青，天津大学副教授，博士生导师1.方法动机多模态人工智能技术正在被广泛应用到智能医疗、无人系统等重要领域，设计精准、可靠的多模态学习技术成为支持重要应用的关键

风度78·2022-04-28 07:45

2021-视频监控中的多目标跟踪综述

本文来自公众号CV技术指南的技术总结系列关注公众号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技术指南(公众号)·2022-04-28 07:10

端到端“大一统”模型能否迎来多目标跟踪的终局？

©NLP论文解读原创•作者|朱林生活中多目标跟踪问题屡见不鲜，比如稠密人群检测、场景识别、智慧交通等场景下多目标跟踪都是避不开的话题。

NLP论文解读·2022-04-28 07:10

论文解读（SUBG-CON）《Sub-graph Contrast for Scalable Self-Supervised Graph Representation Learning》

论文信息论文标题：Sub-graphContrastforScalableSelf-SupervisedGraphRepresentationLearning论文作者：YizhuJiao,YunXiong,JiaweiZhang,YaoZhang,TianqiZha

Learner-·2022-04-27 17:00

[论文解读]SuperGlue: Learning Feature Matching with Graph Neural Networks

SuperGlue:LearningFeatureMatchingwithGraphNeuralNetworks个人感受：这个是继SuperPoint后该组又一次推进，感觉效果更加强了，如果superpoint只是在尝试学习传统方法的流程，LFNetend-to-endtraining就在benchmark上超越了SIFT，近来CVPR19的D2Net就直接跳出了传统方法的检测范式，但是特征点定位

星云舰长·2022-04-27 16:19

论文解读（MERIT）《Multi-Scale Contrastive Siamese Networks for Self-Supervised Graph Representation Learning

论文信息论文标题：Multi-ScaleContrastiveSiameseNetworksforSelf-SupervisedGraphRepresentationLearning论文作者：MingJin,YizhenZheng,Yuan-FangLi,ChenGo

Learner-·2022-04-26 23:00

GAN-风格迁移-CycleGAN论文解读

文章目录解决问题创新点算法损失函数判别器实验结果总结论文：《UnpairedImage-to-ImageTranslationusingCycle-ConsistentAdversarialNetworksJun-Yan》代码：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix解决问题大多图像迁移，需要成对图像，比如Pix2Pix，成对图

‘Atlas’·2022-04-26 07:11

图神经网络与属性级文本分类——Syntax-Aware Aspect Level Sentiment Classification with Graph Attention Networks论文解读

1、摘要属性层次的情感分类任务：在给定上下文句子的情况下，识别某属性表达的情感。以前的基于神经网络的方法很大程度上忽略了句子的语法结构。本文提出了一种新的面向属性层次情感分类任务的目标依赖图注意网络（Target-DependentGraphAttentionNetwork，TD-GAT），这种网络可以利用单词之间的依赖关系（本篇解读都将其简称为依赖图）。使用上述依赖图，可以使上下文中对某一属性的

Sal.·2022-04-25 07:19

论文解读（GROC）《Towards Robust Graph Contrastive Learning》

论文信息论文标题：TowardsRobustGraphContrastiveLearning论文作者：NikolaJovanović,ZhaoMeng,LukasFaber,RogerWattenhofer论文来源：2021,arXiv论文地址：download论文代码：

Learner-·2022-04-24 22:00

StyleGAN

论文解读视频sourceA表示年龄、性别、头发长度、姿势等粗粒度的属性，在前期生成图像分辨率较低的时候使用sourceB表示一些高分辨率下的属性，例如肤色、脸部纹理细节更换SouceB的生成结果Style

ldda123·2022-04-24 07:21

论文解读（CGC）《CGC: Contrastive Graph Clustering for Community Detection and Tracking》

论文信息论文标题：CGC:ContrastiveGraphClusteringforCommunityDetectionandTracking论文作者：NamyongPark,RyanRossi,EunyeeKoh,IftikharAhamathBurhanuddi

Learner-·2022-04-23 11:00

论文解读（DCRN）《Deep Graph Clustering via Dual Correlation Reduction》

论文信息论文标题：DeepGraphClusteringviaDualCorrelationReduction论文作者：YueLiu,WenxuanTu,SihangZhou,XinwangLiu,LinxuanSong,XihongYang,EnZhu论文来

Learner-·2022-04-20 22:00

计算机视觉入门路线

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。本文主要介绍计算机视觉从入门到具备自主学习能力的一个学习路线。

CV技术指南（公众号）·2022-04-20 22:00

CVPR2021论文解读 | 通过方差调整增强对抗性攻击的可转移性

作者基于梯度迭代攻击方法加入variancetuning在输入变换以及多模型的设置下，面对9种防御方法可以达到90.1%的平均攻击成功率，将当下最好攻击效果提高了85.1%。论文信息会议：CVPR2021链接：https://arxiv.org/abs/2103.15571解决的问题由于白盒攻击和基于迁移的黑盒攻击在攻击性能方面仍然存在很大差距，于是在本文中，作者提出了一种称为变化（varianc

深兰深延AI·2022-04-19 07:58

CVPR 2021 结果出炉！最全论文下载及分类汇总（更新中）

CVPR2021最全整理：论文分类汇总/代码/项目/论文解读（更新中）：https://bbs.cvmart.net/post/4267此前我们对CVPR2020/2019/2018、ECCV2020、

极市平台·2022-04-19 07:14

论文解读（GCC）《Graph Contrastive Clustering》

论文信息论文标题：GraphContrastiveClustering论文作者：HuasongZhong,JianlongWu,ChongChen,JianqiangHuang,MinghuaDeng,LiqiangNie,ZhouchenLin,Xian-Shen

Learner-·2022-04-18 23:00

CVPR 2022数据集汇总｜包含目标检测、多模态等方向

转载自极市平台欢迎关注公众号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）·2022-04-18 22:00

Fauce：Fast and Accurate Deep Ensembles with Uncertainty for Cardinality Estimation 论文解读（VLDB 2021）

Fauce：FastandAccurateDeepEnsembleswithUncertaintyforCardinalityEstimation论文解读（VLDB2021）本篇博客是对Fauce：FastandAccurateDeepEnsembleswithU

茶柒每天要学习·2022-04-18 20:00

Attention Mechanism in Computer Vision

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。概述Attention机制目的在于聚焦有用的信息，并减少不重要信息的比重。Attention机制可以分

CV技术指南（公众号）·2022-04-17 12:00

【个人随笔】渝｜第三天：久违的鼻拭子和腊月二十六的团年饭

早起，女儿还在睡觉，我响应疫情防控政策，主动去医院做了个核测。先生昨天已经做过，今天就带着我去做，用他的话，“可以直接享受他胜利的果实！”上午9点的雾都，因为下着雨，天色氤氲一团，远处的楼房影影绰绰。我俩穿着最厚的衣服，不约而同地把帽子戴上，坐上出租车到达武警医院：挂号-等红绿灯过马路到对面院区开单-缴费-核酸。然后排队核测的时候，惊恐的发现是鼻拭子，不清楚多少次核测之前只做过一次的鼻拭子。我告诉

苏默马·2022-04-14 23:30

论文解读（SelfGNN）《Self-supervised Graph Neural Networks without explicit negative sampling》

论文信息论文标题：Self-supervisedGraphNeuralNetworkswithoutexplicitnegativesampling论文作者：ZekariasT.Kefato,SarunasGirdzijauskas论文来源：2021,WWW论文地址：dow

Learner-·2022-04-14 22:00

论文解读（BGRL）《Bootstrapped Representation Learning on Graphs》

论文信息论文标题：BootstrappedRepresentationLearningonGraphs论文作者：ShantanuThakoor,CorentinTallec,MohammadGheshlaghiAzar,RémiMunos,PetarVeličković

Learner-·2022-04-14 16:00

论文解读（AutoSSL）《Automated Self-Supervised Learning for Graphs》

论文信息论文标题：AutomatedSelf-SupervisedLearningforGraphs论文作者：WeiJin,XiaoruiLiu,XiangyuZhao,YaoMa,NeilShah,JiliangTang论文来源：2022,ICLR论文地址：dow

Learner-·2022-04-13 17:00

【论文解读】Graph Normalization (GN)：为图神经网络学习一个有效的图归一化

作者｜平安产险视觉计算组编辑丨极市平台本文为极市开发者投稿，转载请获授权。极市专栏论文推荐：在图神经网络里面，应该如何选择更好的归一化技术？本文将介绍一种为图神经网络学习有效的图归一化的方式。摘要作者在不同任务中尝试了节点式归一化(Node-wise)，邻接式归一化(Adjance-wise)，图式归一化(Graph-wise)和批处理归一化(Batch-wise)作为归一化计算方式，来分析每种归

风度78·2022-04-13 07:34

论文解读（GCA）《Graph Contrastive Learning with Adaptive Augmentation》

论文信息论文标题：GraphContrastiveLearningwithAdaptiveAugmentation论文作者：YanqiaoZhu、YichenXu3、FengYu4、QiangLiu、ShuWu、LiangWang论文来源：2021,WWW论文地址：down

Learner-·2022-04-12 19:00

最全面的文本生成评价指标大盘点

本文聚焦于文本生成的评价方式，通过综述论文解读，介绍文本生成多种评价方式及优缺点。

zenRRan·2022-04-12 07:41

论文解读（MCGC）《Multi-view Contrastive Graph Clustering》

论文信息论文标题：Multi-viewContrastiveGraphClustering论文作者：ErlinPan、ZhaoKang论文来源：2021,NeurIPS论文地址：download论文代码：download1介绍本文贡献：使用GraphFilter过滤了高阶噪

Learner-·2022-04-11 11:00

人工智能炼丹师《Using Deep Q-Learning to Control Optimization Hyperparameters》论文解读

文献链接：[1602.04062v1]UsingDeepQ-LearningtoControlOptimizationHyperparameters(arxiv.org)在探索强化学习应用的无目的搜索中，偶然发现一篇让我让很是感兴趣的文章：利用强化学习去进行超参数的调节。超参数指的是人工设定的，在训练过程中不会改变的一系列参数类似学习率，步长，卷积层，卷积核等等，且一般为了达到比较良好的效果，炼丹

极乐寺住持·2022-04-11 07:57

CVPR2021提出的一些新数据集汇总