变化检测论文解读第19页

【AI】轻量级神经网络——MobileNetV1 到 MobileNetV2 的论文解读

文章目录前言1、MobileNetV1(1)深度可分离卷积是什么？(2)为什么要用深度可分离卷积？a.标准卷积的计算量b.深度卷积的计算量c.举例(3)网络结构2、MobileNetV2(1)改进1——ReLu（linearbottleneck）(2)改进2——添加了倒残差结构（Invertedresiduals）(3)对比一下V1和V2：a.结构b.效率(4)网络结构前言MobileNets是谷

李清焰·2023-01-09 08:07

目标检测论文解读复现之七：基于SE-YOLOv5s的绝缘子检测

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、摘要在电力系统需要巡检的大环境下，人工巡检的传统方式存在很大不便和安全隐患，而采用无人机的目标检测方法在绝缘子检测

人工智能算法研究院·2023-01-09 08:06

基于GEE洪水发生前后的分析

基本原理为利用水体在SAR散射系数弱的特点进行变化检测（发生洪水时的影像减去洪水前的影像），这里以2020年我国的长江流域的鄱阳湖洪水灾害为例。

七月长安的风·2023-01-09 03:47

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。

CV技术指南(公众号)·2023-01-08 16:26

元学习论文解读 | How to train your MAML , In ICLR 2019.

目录motivationcontribution核心内容RelatedWorkProblemsofMAML训练不稳定性二阶导数代价缺少批处理归一化统计量的积累共享(跨步)批处理规范化偏差共享内部循环(跨步和跨参数)学习率固定的外环学习率Stable,automatedandimprovedMAML:MAML++梯度不稳定性→多步损失优化(MSL)二阶导数成本→导数退火DA缺少BatchNormal

RitaRao·2023-01-08 10:37

元学习论文解读 | Repurposing pretrained models for robust out-of-domain few-shot learning, ICLR2022

MotivationMAML在元训练任务上训练学习模型初始化(也称为checkpoint)，根据得到的初始化，在测试任务的支持集上进行几个梯度步骤的任务适应，就可以得到在查询集上的良好预测。然而在实践中，在元训练集上进行re-train或fine-tune可能是行不通的，并且测试任务可能来自不同的分布（cross-domain），所以元测试的优化步长不一定要和元训练一致。Contribution提

RitaRao·2023-01-08 10:37

元学习论文解读 | Learning a Universal Template for Few-shot Dataset Generalization, ICML 2021

motivation为了实现在小样本数据集上的泛化性能1)在不受干扰的情况下学习不同的信息，2)定义一种机制，以重新利用所获得的知识，泛化到测试任务上。本文建议通过学习一个通用模板来解决这个问题：在多个数据集上并行训练部分模型参数，通过其余的参数来给出数据集特定的（dataset-specialized）模型。contribution本文将FiLM用在批正则化层（可以理解成条件批正则化），跨不同的

RitaRao·2023-01-08 10:37

论文解读 | Negative Margin Matters: Understanding Margin in Few-shot Classification, ECCV2020 spotlight

Motivation在度量学习中，一些方法额外加一个正的边界整合到softmax损失或余弦softmax损失，以强制在真实标签类的分数比其他类的分数至少大一个margin（正的）。这有助于学习具有高度区别性的深度特征，在视觉识别任务中，性能有显著提高。因此作者希望在小样本分类采用这种large-marginsoftmax损失来学习更好的度量，但结果却出乎意料。具有正边距的large-margins

RitaRao·2023-01-08 10:05

SCI论文解读复现【NO.4】FINet：基于合成雾和改进YOLOv5的绝缘子数据集和检测基准(代码已复现)

此前出了目标检测算法改进专栏，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发表高水平学术期刊中的SCI论文，并对相应的SCI期刊进行介绍，帮助大家解答疑惑，助力科研论文投稿。解读的系列文章，本人会进行创新点代码复现，有需要的朋友可关注私信我获取。一、摘要绝缘子及其缺陷的检测对保证电力系统的安全稳定运

人工智能算法研究院·2023-01-08 10:25

[论文解读] AP-Loss for Accurate One-Stage Object Detection

Los Merengues·2023-01-08 07:13

Image Inpainting via Conditional Texture and Structure Dual Generation 论文解读和感想

ImageInpaintingviaConditionalTextureandStructureDualGeneration论文解读和感想背景和动机本文是一篇2021年ICCV的关于图像inpainting

涑月听枫·2023-01-07 19:55

ICCV 2019丨微软亚研院精选论文解读

点击我爱计算机视觉标星，更快获取CVML新技术编者按：ICCV2019正于10月27-11月2日在韩国首尔举行。微软亚洲研究院有15篇论文入选本届ICCV，内容涵盖空间注意力机制、图像深度估计、医学图像配准等多个前沿主题。本文将为大家介绍其中的5篇论文。递归级联网络：基于无监督学习的医学图像配准RecursiveCascadedNetworksforUnsupervisedMedicalImage

我爱计算机视觉·2023-01-07 19:24

Less is More_ Pay Less Attention in Vision Transformers论文解读

LessisMore:PayLessAttentioninVisionTransformers与FastVisionTransformerswithHiLoAttention论文解读前言1.LiTMLP

Wan-yuming·2023-01-07 18:37

《Character-Based LSTM-CRF with Radical-Level Features for Chinese Named Entity Recognition》论文解读

BILSTM+CRF命名实体识别关键技术调研实现系统的核心思想和算法描述数据集核心思想及算法描述系统主要模型流程表示层读取数据分批次输入数据词嵌入BILSTM层隐藏层CRF层模型评估分析准确率和召回率F1关键技术调研命名实体识别是自然语言处理中的一项基础又关键的技术。命名实体通常指的是文本中具有特别意义的实体，例如人名、地名、组织机构名等等。根据他的定义，可以预见，NER的关键在于，实体边界定义是

今天NLP了吗·2023-01-07 18:34

Dual-Flattening Transformers through Decomposed Row and Column Queries for Semantic Segmentation论文解读

Dual-FlatteningTransformersthroughDecomposedRowandColumnQueriesforSemanticSegmentation论文解读前言1.flatten2

Wan-yuming·2023-01-07 18:00

NIN论文翻译及解读

文章目录1、MLPCONV结构2、GlobalAveragePooling(GAP)3、NIN网络结构NIN论文解读及个人理解NIN网络的代码实现（pytorch）1、NIN块实现2、GAP层实现3、NIN

秋天的风儿·2023-01-07 17:09

TOOD（2021年8.18）论文解读

TOOD:Task-alignedOne-stageObjectDetection摘要1.介绍2.RelatedWork3.Task-alignedOne-stageObjectDetection3.1.Task-alignedHead3.2.TaskAlignmentLearning3.2.1Task-alignedSampleAssignment3.2.2Task-alignedLoss4.E

dear_queen·2023-01-07 15:34

【论文解读】TOOD：任务对齐的一阶段物体检测器

导读显式的使用loss来对齐分类和定位任务。TOOD:Task-alignedOne-stageObjectDetection论文链接：后台发送“tood”获取论文和代码链接。1、介绍现有的物体检测方法的2个局限性：（1）分类和定位的独立性。目前，分类和定位一般用的是2个独立的分支，这样使得2个任务之间缺乏交互，在预测的时候就会出现不一致性。得分高的预测位置不准，位置准的预测得分不高。（2）任务无

风度78·2023-01-07 15:34

《Revisiting the Sibling Head in Object Detector》论文解读，物体检测中的解耦检测头

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”导读这篇文章提供了一种使用不同proposal来分别做检测和分类的二阶段物体检测方法，相比之前的方法有稳定的performance的提升。摘要：FasterRCNN中的分类和定位是共享的head，这种方式用了很长时间，这篇文章提供了一个观点，分类和定位的特征在空间上是不对齐的，这种不对齐性在使用siblinghead（即两个结构一样的hea

ronghuaiyang·2023-01-07 13:47

YOLO v1之总结篇（linux+windows）

论文解读篇：YOLO出自2016CVPRYouOnlyLookOnce:Unified,Real-TimeObjectDetection，也是一个非常值得学习的框架，不得不说facebook的技术就是牛啊

watersink·2023-01-07 11:16

Side Window Filtering 论文解读和C++实现

SideWindowFiltering刚开始看到这篇论文的时候，我就很感兴趣想去复现一把看看效果。这篇论文是今年CVPRoral且不是深度学习方向的，其核心贡献点就是：不管原来的滤波器保不保边，运用了side-window思想之后，都可以让它变成保边滤波！于是利用业余时间，参考作者开源的matlab代码，我用C++实现了一下Side-window盒子滤波，其他滤波器有时间再试下，下面是github

chuanbaitou0768·2023-01-07 10:42

Transformer论文解读三（distillation token）

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Trainingdata-efficientimagetransformers&distillationthroughattentio

蓝鲸鱼BlueWhale·2023-01-07 09:43

FDA论文解读及代码实现

FDA论文解读及代码实现论文解读/翻译：FDAgithub代码：github目的：实现从cityscapes到ACDC/night风格转换，并训练语义分割网络。

Abstract_zhw·2023-01-07 08:18

【论文解读】DCPDN-Densely Connected Pyramid Dehazing Network-CVPR2018

论文地址：https://arxiv.org/abs/1803.08396代码地址：https://github.com/hezhangsprinter/DCPDN代码跑通参考：https://blog.csdn.net/qq_32734095/article/details/89059949https://blog.csdn.net/qq_41202069/article/details/106

Hz_xi·2023-01-06 18:33

CVPR 2022 图像复原论文解读

IDR:Self-SupervisedImageDenoisingviaIterativeDataRefinement2022CVPR目录IDR:Self-SupervisedImageDenoisingviaIterativeDataRefinement背景：方法框架：实验：快速迭代算法：不足之处：论文链接：https://openaccess.thecvf.com/content/CVPR20

爱跳舞的小胖子·2023-01-06 18:20

【论文解读】VDN（ Variational Denoising Network ）变分去噪网络

之前一直对各种机器学习算法的推导比较感兴趣，又希望了解一些机器学习和深度学习模型相结合的处理方法，最近看到的这篇文章就是一个比较好的例子。文章名为VariationalDenoisingNetwork:TowardBlindNoiseModelingandRemoval可从arXiv:1908.11314获取。一、背景知识介绍文章目的是图像盲去噪，首先进行了领域相关工作的总结，认为主要存在两种主流

G. Albert·2023-01-06 17:14

论文解读《THRONE: a new approach for accurate prediction of human RNA N7-methylguanosine sites》

期刊：JournalofMolecularBiologySCI分区：2区摘要N7甲基鸟苷（m7G）是真核mRNA的5′帽处必不可少的，无处不在的和带正电荷的修饰，调节其输出，翻译和剪接过程。虽然已经开发了几种基于机器学习（ML）的m7G计算预测器，但都利用了特定的计算框架。这项研究是我们探索四种不同的计算框架并确定最佳方法的第一个实例。基于此，我们开发了一种新的预测因子，THRONE（一种用于识别

HXH@·2023-01-06 16:28

论文解读《STALLION：一个基于堆叠的原核赖氨酸乙酰化位点预测的集成学习框架》

期刊：BriefingsinBioinformatics分区：二区摘要蛋白质翻译后修饰(PTM)是一种重要的调节机制，在正常和疾病状态中都发挥着关键作用。赖氨酸残基上的乙酰化是由于其在细胞代谢和调节过程中的重要作用之一。识别蛋白质赖氨酸乙酰化(Kace)位点是生物信息学中的一项具有挑战性的任务。到目前为止，几种基于机器学习的方法，在硅中识别Kace站点的方法已经被开发出来。其中，少数是原核生物物种

HXH@·2023-01-06 16:28

论文解读《MSNet-4mC：学习有效的多尺度表示来识别DNAn4-甲基胞嘧啶位点》

期刊：Bioinformatics摘要动机：n4-甲基胞嘧啶（4mC）是一种重要的表观遗传修饰，调节广泛的生物过程。然而，检测4mC位点的实验方法是耗时和劳动密集型的。作为一种替代方法，能够通过数据分析技术自动识别4mC的计算方法成为一种合理的选择。一个主要的挑战是如何开发有效的方法来充分利用DNA序列内复杂的相互作用来提高预测能力。结果：在这项工作中，我们提出了MSNet-4mC，这是一种轻量级

HXH@·2023-01-06 16:28

论文解读《通过迭代特征表示计算预测物种特异性酵母DNA复制起源》

摘要脱氧核糖核酸的复制是细胞中发生的最关键的任务之一，它必须得到精确的调控。这一过程始于复制起源(ORIs)，因此识别这些位点对于更深入地了解与基因表达调控相关的细胞过程和功能是至关重要的。考虑到ORIs所执行的重要任务，一些实验和计算方法已经发展来预测这些地点。然而，现有的ORIs计算预测器有一定的限制，如只构建单特征编码模型，有限的系统特征工程工作，以及无法验证模型的鲁棒性。因此，我们开发了一

HXH@·2023-01-06 16:58

论文解读《StackTADB:一种基于堆叠的集成学习模型，用于准确预测果蝇中的 topologically associating domains(TADs)的范围》

摘要染色体由许多不同的染色质结构域组成，可称为拓扑结构域或拓扑关联结构域(TADs)。这些结构域在不同细胞类型之间是稳定的，在物种间高度保守，因此这些染色质结构域被认为是染色体折叠的基本单位，被认为是染色体组织中重要的二级结构。然而，由于高碳数据或实验的高成本和低分辨率，TAD边界的识别仍然是一个巨大的挑战。在本研究中，我们提出了一个新的集成学习框架，称为StackTADB，用于预测TADs的范围

HXH@·2023-01-06 16:58

【论文解读：bCNN-Methylpred: Feature-Based Prediction of RNA Sequence Modification Using Branch Convoluti】

bCNN-Methylpred:基于特征的基于分支卷积神经网络的RNA序列修饰预测摘要1、介绍2、相关研究（1）CNN的一个新分支：该网络结合了不同编码方案的特征，准确地预测了不同RNA序列中的m6a位点（2）一种新的编码方案：我们提出了一种新的环状编码方案，它考虑了RNA序列中四个核苷酸碱基的每一个可能的组合，即腺嘌呤(A)、胞嘧啶(C)、鸟嘌呤(G)和尿嘧啶(U)。该编码方案进一步提高了对不同

HXH@·2023-01-06 16:57

论文解读《TS-m6A-DL：使用通用深度学习模型对n6-甲基腺苷位点进行组织特异性识别》

摘要最常见的转录后修饰，n6-甲基腺苷(m6a)，与许多关键的生物过程有关。精确检测基因组周围的m6a位点对于揭示其调控功能和为药物设计提供新的见解至关重要。虽然已经引入了检测m6a位点的实验和计算模型，但这些传统的方法是费力和昂贵的。此外，这些模型中只有少数模型能够检测到各种组织中的m6a位点。因此，需要一种更通用和优化的计算方法来检测不同组织中的m6a位点。在本文中，我们提出了一种基于深度神经

HXH@·2023-01-06 16:57

论文解读＜＜基于分布式特征表示的深度学习模型识别蔷薇科基因组中的DNA n4 -甲基胞嘧啶位点＞＞

论文解读>摘要DNAn4-甲基胞嘧啶(4mC)是在原核生物和真核生物中发现的一种表观遗传修饰，涉及许多生物学功能，包括宿主防御、转录调节、基因表达和DNA复制。

HXH@·2023-01-06 16:27

论文解读《Detection of transcription factors binding to methylated DNA by deep recurrent neural network》

标题：通过深度循环神经网络检测与甲基化DNA结合的转录因子期刊：BriefingsinBioinformatics摘要转录因子（TFs）是一种特异性参与基因表达调控的蛋白质。在表观遗传学中，人们普遍认为甲基化的核苷酸可以阻止TFs与DNA片段的结合。然而，最近的研究证实，一些转录因子有能力与甲基化的DNA片段相互作用，从而进一步调控基因表达。虽然生化实验可以识别与甲基化DNA序列结合的TFs，但这

HXH@·2023-01-06 16:27

NIPS2018最佳论文解读：Neural Ordinary Differential Equations

NIPS2018最佳论文解读：NeuralOrdinaryDifferentialEquations雷锋网2019-01-1023:32雷锋网AI科技评论按，不久前，NeurIPS2018在加拿大蒙特利尔召开

weixin_30853329·2023-01-06 11:46

论文解读BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation,

简介众所周知bert的encoder形式不适合做生成式任务。transformerdecode形式在生成式方面有着非常好的表现。bart基本就是一个标准的sequencetosequence形式的transformer。其在文本摘要，问答等方面有着sota的表现。模型介绍bart基本是标准的sequencetosequence形式的transformer，只不过其中的激活函数换成了gelu。ten

黑夜使者·2023-01-06 07:16

【目标检测】Mask R-CNN论文解读

目录：MaskR-CNN论文解读一、Mask-RCNN流程二、Mask-RCNN结构2.1ROIPooling的问题2.2ROIAlign三、ROI处理架构四、损失函数一、Mask-RCNN流程MaskR-CNN

旅途中的宽~·2023-01-06 07:41

AlphaPose 姿态估计论文解读笔记

论文链接：arxiv.org/abs/1612.00137论文代码：github.com/MVIG-SJTU/AlphaPose此博客不是直接对论文的翻译，是阅读论文时的笔记和总结；论文采取的方法：alphapose采取的为自顶向下，two-step方法；论文的基本实现步骤：1）采取Faster-RCNN作为人体检测网络，提取图片中的人体候选框；2）将得到的人体检测候选框进行变换，使人体处于图片的

Arya_needle·2023-01-06 07:24

谷歌：基于深度强化学习的芯片放置

论文：ChipPlacementwithDeepReinforcementLearning相关文章：知乎：Foreversnow：Google芯片自布局论文解读CSDC：布谷AI：深究强化学习在谷歌芯片布局上的应用介绍谷歌在这篇文章中提出了一个基于强化学习的芯片放置方法

醉生梦死一浮尘·2023-01-06 00:50

python 图像变化检测_霍夫变换检测图像直线算法python实现

创作不易，如果对您有帮助，帮忙点赞哦！一.霍夫变换理解：二.霍夫变换简介：霍夫变换，是将坐标由直角坐标系变换到极坐标系，然后再根据数学表达式检测某些形状(如直线和圆)的方法。当l1直线上的某些点变换到极坐标系下时，表现为某些线(和前面点数量一致)，这些线交于一点，通过该点的坐标就能表示原先的l1直线。三.霍夫变换用于检测图像直线算法实现：①提取图像边缘(可使用Canny算法等)[我也实现了它，前面

weixin_39908263·2023-01-06 00:19

DIEN论文解读

摘要：对于CTR预测模型，捕获用户行为数据背后潜在的用户兴趣是有必要的。此外，考虑到外部环境变化和内部认知的变化，用户兴趣会随着时间的推移而动态变化。目前，有一些CTR预估模型用于兴趣建模，但大多数都直接将行为表征作为兴趣，缺乏对具体行为背后的潜在兴趣进行针对性建模。此外，很少有工作考虑到兴趣的变化趋势。本文中，我们提出了一种新的模型——深度兴趣演化网络（DIEN）。具体来说，我们设计兴趣提取器层

小伟db·2023-01-05 16:52

【小样本论文解读】Robust Region Feature Synthesizer for Zero-Shot Object Detection

RobustRegionFeatureSynthesizerforZero-ShotObjectDetection作者：YPeiliangHuang1,JunweiHan1,DeCheng2,DingwenZhang1一、Background随着CNN和Transformer等深度学习技术的快速发展，目标检测研究领域出现了很多amazing的工作。虽然现有方法的检测性能看起来很成功，但在实际场景中

SiranTang·2023-01-05 14:22

【AdaSeq论文解读系列】ACL 21-自动组合各种BERT模型，在实体抽取、观点抽取、句法分析等六大结构预测任务20+个数据集获SOTA，比ensemble更强！

作者：落叶链接：https://zhuanlan.zhihu.com/p/593364152来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。本文介绍了一项研究工作，提出了在结构预测问题上自动拼接wordembedding（wordembedding）以提高模型准确度的方法。该论文已被ACL2021接收为长文。论文标题：AutomatedConcatenationofE

NLP学徒·2023-01-05 14:51

《Deep Learning in Next-Frame Prediction：A Benchmark Review》论文解读

《DeepLearninginNext-FramePrediction：ABenchmarkReview》作者：YUFANZHOU,HAIWEIDONG,(SeniorMember,IEEE),ANDABDULMOTALEBELSADDIK,(Fellow,IEEE)MultimediaComputingResearchLaboratory,SchoolofElectricalEngineerin

爱学习的吨吨a·2023-01-05 13:41

SAR影像变化检测方法之（SAR_CD_DDNet（无监督变化检测））论文阅读

ChangeDetectioninSyntheticApertureRadarImagesUsingaDual-DomainNetwork2、代码链接：https://github.com/summitgao/SAR_CD_DDNet二、摘要合成孔径雷达(SAR)图像的变化检测是一项关键而具有挑战性的任务

qq_41627642·2023-01-05 12:22

基于贝叶斯公式推导Diffusion Model代码案例

陈万君Allen·2023-01-05 09:42

Query Expansion Using Word Embeddings 论文解读

QueryExpansionUsingWordEmbeddings论文解读整体思想基于word2vec挖掘查询词和扩展词之间的相关性搜索词和扩展词相关性基于极大似然估计的查询词和扩展词之间的相关性基于伪反馈的关联模型整体思想作者利用

冲啊_算法工程师·2023-01-05 05:31

SCI论文解读复现【NO.3】MSFT-YOLO：基于变压器的改进YOLOv5钢表面缺陷检测(代码已复现)

此前出了目标检测算法改进专栏，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发表高水平学术期刊中的SCI论文，并对相应的SCI期刊进行介绍，帮助大家解答疑惑，助力科研论文投稿。解读的系列文章，本人会进行创新点代码复现，有需要的朋友可关注私信我获取。一、摘要随着人工智能技术的发展和智能化生产项目的普及，

人工智能算法研究院·2023-01-04 23:42

Transformer结构与论文解读

Attentionisallyouneed多头注意力机制muti-headattention位置编码positionencoding残差连接及归一化FFNtransformer架构是Google团队在17年6月提出的NLP经典之作，由AshishVaswani等人在2017年发表的论文AttentionIsAllYouNeed中提出，最早使用在机器翻译中，在WMT2014英德翻译任务中获得28.4

helluy·2023-01-04 20:07

推荐频道

变化检测论文解读

【AI】轻量级神经网络——MobileNetV1 到 MobileNetV2 的论文解读

目标检测论文解读复现之七：基于SE-YOLOv5s的绝缘子检测

基于GEE洪水发生前后的分析

Attention Mechanism in Computer Vision

元学习论文解读 | How to train your MAML , In ICLR 2019.

元学习论文解读 | Repurposing pretrained models for robust out-of-domain few-shot learning, ICLR2022

元学习论文解读 | Learning a Universal Template for Few-shot Dataset Generalization, ICML 2021

论文解读 | Negative Margin Matters: Understanding Margin in Few-shot Classification, ECCV2020 spotlight

SCI论文解读复现【NO.4】FINet：基于合成雾和改进YOLOv5的绝缘子数据集和检测基准(代码已复现)

[论文解读] AP-Loss for Accurate One-Stage Object Detection

Image Inpainting via Conditional Texture and Structure Dual Generation 论文解读和感想

ICCV 2019丨微软亚研院精选论文解读

Less is More_ Pay Less Attention in Vision Transformers论文解读

《Character-Based LSTM-CRF with Radical-Level Features for Chinese Named Entity Recognition》论文解读

Dual-Flattening Transformers through Decomposed Row and Column Queries for Semantic Segmentation论文解读

NIN论文翻译及解读

TOOD（2021年8.18）论文解读

【论文解读】TOOD：任务对齐的一阶段物体检测器

《Revisiting the Sibling Head in Object Detector》论文解读，物体检测中的解耦检测头

YOLO v1之总结篇（linux+windows）

Side Window Filtering 论文解读和C++实现

Transformer论文解读三（distillation token）

FDA论文解读及代码实现

【论文解读】DCPDN-Densely Connected Pyramid Dehazing Network-CVPR2018

CVPR 2022 图像复原论文解读

【论文解读】VDN（ Variational Denoising Network ）变分去噪网络

论文解读《THRONE: a new approach for accurate prediction of human RNA N7-methylguanosine sites》

论文解读《STALLION：一个基于堆叠的原核赖氨酸乙酰化位点预测的集成学习框架》

论文解读《MSNet-4mC：学习有效的多尺度表示来识别DNAn4-甲基胞嘧啶位点》

论文解读《通过迭代特征表示计算预测物种特异性酵母DNA复制起源》

论文解读《StackTADB:一种基于堆叠的集成学习模型，用于准确预测果蝇中的 topologically associating domains(TADs)的范围》

【论文解读：bCNN-Methylpred: Feature-Based Prediction of RNA Sequence Modification Using Branch Convoluti】

论文解读《TS-m6A-DL：使用通用深度学习模型对n6-甲基腺苷位点进行组织特异性识别》

论文解读＜＜基于分布式特征表示的深度学习模型识别蔷薇科基因组中的DNA n4 -甲基胞嘧啶位点＞＞

论文解读《Detection of transcription factors binding to methylated DNA by deep recurrent neural network》

NIPS2018最佳论文解读：Neural Ordinary Differential Equations

论文解读BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation,

【目标检测】Mask R-CNN论文解读

AlphaPose 姿态估计 论文解读笔记

谷歌：基于深度强化学习的芯片放置

python 图像变化检测_霍夫变换检测图像直线算法python实现

DIEN论文解读

【小样本论文解读】Robust Region Feature Synthesizer for Zero-Shot Object Detection

【AdaSeq论文解读系列】ACL 21-自动组合各种BERT模型，在实体抽取、观点抽取、句法分析等六大结构预测任务20+个数据集获SOTA，比ensemble更强！

《Deep Learning in Next-Frame Prediction：A Benchmark Review》论文解读

SAR影像变化检测方法之（SAR_CD_DDNet（无监督变化检测））论文阅读

基于贝叶斯公式推导Diffusion Model代码案例

Query Expansion Using Word Embeddings 论文解读

SCI论文解读复现【NO.3】MSFT-YOLO：基于变压器的改进YOLOv5钢表面缺陷检测(代码已复现)

Transformer结构与论文解读

AlphaPose 姿态估计论文解读笔记