可信计算论文精读

【ICLR2021自监督蒸馏】SEED: Self-supervised Distillation For Visual Representation论文精读

论文地址：SEED:Self-supervisedDistillationForVisualRepresentation论文代码：无摘要  本文研究小模型的自监督学习。作者的实证研究发现，虽然广泛使用的对比自监督学习方法在大模型训练方面取得了很大的进步，但它在小模型训练中效果不佳。为了解决这个问题，作者提出了一种新的学习范式，称为自监督蒸馏（SEED），利用一个更大的网络（作为教师）以自监督的方式
独上归州·2022-12-21 10:03

【论文精读】2022_CVPR_Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection

Self-SupervisedPredictiveConvolutionalAttentiveBlockforAnomalyDetection论文地址链接Abstract  在成功的异常检测方法中，有一类方法依赖于对被mask掉信息的预测(例如，patch、未来帧等)并利用与被mask信息相关的重建误差作为异常分数。与相关方法不同，作者提出将基于重建的功能集成到一个新的自监督的预测体系结构模块中。
几帧从前_·2022-12-21 09:25

Auto Encoding Variational Bayes论文精读

QA：在存在具有棘手后验分布的连续潜在变量和大型数据集的情况下，我们如何在有向概率模型中进行有效的推理和学习?1、介绍变分贝叶斯(VB)方法涉及到难以处理的后验逼近的优化。常见的mean-fieldapproach需要近似后验期望的解析解，这在一般情况下也是难以处理的。本文展示了变分下界的重新参数化如何产生一个简单的可微的下界无偏估计量;这个SGVB(随机梯度变分贝叶斯)估计器几乎可以在任何具有连
Raphael9900·2022-12-20 19:02

ViLT解读记录

ViLT全称：Vision-and-LanguageTransformerWithoutConvolutionorRegionSupervision视频讲解：ViLT论文精读论文下载：https://arxiv.org
如果你也听说~·2022-12-20 17:04

论文解读Motion Transformer with Global IntentionLocalization and Local Movement Refinement

MotionTransformerwithGlobalIntentionLocalizationandLocalMovementRefinement论文精读此篇论文是2022年发表NeurIPS上的文章
慢漫漫·2022-12-20 13:06

【论文阅读】时序动作检测系列论文精读（2019年）

文章目录1.BMN:Boundary-MatchingNetworkforTemporalActionProposalGeneration论文目的——拟解决问题贡献——创新实现流程详细方法2.MGG:Multi-granularityGeneratorforTemporalActionProposal论文目的——拟解决问题贡献——创新实现流程详细方法3.P-GCN:GraphConvolution
三木今天学习了嘛·2022-12-20 12:55

GPT,GPT-2,GPT-3

视频讲解：GPT，GPT-2，GPT-3论文精读【论文精读】_哔哩哔哩_bilibili论文链接：GPT:https://www.cs.ubc.ca/~amuham01/LING530/papers/radford2018improving.pdfGPT
Rose sait·2022-12-20 11:00

沐神学习笔记：GPT，GPT-2，GPT-3

课程连接：GPT，GPT-2，GPT-3论文精读【论文精读】本文混合课程内容及自己的思考，若有理解有误的地方请指正，谢谢！
victorup·2022-12-20 11:30

深度之眼Paper带读笔记NLP.5：transformer

SequenceToSequenceModels带有注意力的循环神经网络RNNsWithAttention案例分析CaseStudy自注意力序列模型相关技术注意力机制既能并行计算又能缩短距离前期知识储备第二课论文精读论文整体框架经典算法模型循环卷积神经网络
oldmao_2000·2022-12-20 09:31

【图像超分辨率重建】——SRGAN/SRResNet论文精读笔记

2017-Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetwork(SRGAN/SRResNet)基本信息作者：ChristianLedig,LucasTheis,FerencHusz´ar,JoseCaballero,AndrewCunningham,AlejandroAcosta,AndrewAit
Zency_SUN·2022-12-19 18:21

【论文精读】——使用卷积神经网络进行纹理合成（Texture Synthesis Using Convolutional Neural Networks）

2015-TextureSynthesisUsingConvolutionalNeuralNetworks基本信息作者：LeonA.Gatys，AlexanderS.Ecker，MatthiasBethge期刊：NIPS引用：*摘要：本文介绍了一个基于卷积神经网络特征空间的自然纹理的新模型，该模型为目标识别而优化。该模型的样本具有很高的感知质量，显示了以纯粹的辨别方式训练的神经网络的生成能力。在该
Zency_SUN·2022-12-19 18:51

【图像超分辨率重建】——HAN论文精读笔记

2020-SingleImageSuper-ResolutionviaaHolisticAttentionNetwork(HAN)基本信息作者：BenNiu;WeileiWen;WenqiRen,XiangdeZhang,LianpingYang;ShuzhenWang,KaihaoZhang,XiaochunCao,andHaifengShen期刊：ECCV2020引用：*摘要：信息性特征在单幅
Zency_SUN·2022-12-19 18:18

性能最大提升60%，阿里云发布基于第四代英特尔至强的第八代ECS实例

SapphireRapids，SPR），全核睿频p0n达到3.2GHz，性能相比上一代实例提升60%以上；网络带宽升级至2x100G，提升100%，标配阿里云自研eRDMA大规模加速能力；全面搭载NVMe，支持共享盘；支持可信计算与加密计
·2022-12-19 16:03

GAN论文精读以及基础讲解

GAN精读论文：Neurips-2014-GenerativeAdversarialNets根据李沐老师的讲解加上笔者个人的理解做的一个笔记，希望能够对想了解GAN的求学者有所帮助！一、标题、作者、期刊论文的标题名为GenerativeAdversarialNets，中文解释为对抗生成网络，这也能很符合其缩写GAN（干，中文谐音），是由外国深度学习也就是我们所熟知的《花书》的作者IanJ.Good
白日梦我Deja_Vu·2022-12-19 14:00

I3D论文精读笔记

I3D（inflation3D）有两个重要贡献：1.可以用2D（图片）预训练好的模型参数扩展到3D（直接将conv层和pooling层多加一个维度（时间），但不要进行下采样，其原因是一般视频输入的时间已经很短，而为了保证2d模型和3d模型同样的输入情况下的输出一样，需在将2d模型的参数赋给3d模型的同时除以n（指一次输入的帧数））。2.提供了一个比较好的数据集k400（足够大，种类均匀），可以让你
irony_202·2022-12-19 08:42

论文精读:《MV-FCOS3D++: Multi-View Camera-Only 4D Object Detection with Pretrained Monocular Backbones》

文章目录论文精读摘要1.介绍(Introduction)2.方法（Methodology）2.1MV-FCOS3D++2.2PretrainingwithPerspective-ViewSupervision2.3Dual-PathTemporalModeling
zyw2002·2022-12-18 14:15

论文精读：《FCOS3D: Fully Convolutional One-Stage Monocular 3D Object Detection》

文章目录论文精读摘要（Abstract）1.介绍（Introduction）2.相关工作（RelatedWork）3.方法（Approach）3.1框架总览(FrameworkOverview)3.22D
zyw2002·2022-12-18 14:37

语义分割 - SegNet / DeconvNet

这里写目录标题论文精读先验知识编码器-解码器结构（Encoder-Decoderframe）随机丢弃层（Dropout）反池化（unpooling）SegNet本文创新点算法架构DeconvNet本文创新点算法架构算法实现
Bro_Jun·2022-12-18 11:28

论文精读:EfficientDet: Scalable and Efficient Object Detection

Abstract首先，本篇论文提出了一种加权双向特征金字塔网络（BiFPN），进行简单、快速的多尺度特征融合；其次，作者提出了一种复合尺度方法，同时统一调整所有主干、特征网络和box/类别预测网络的分辨率、深度和宽度。基于这些优化和更好的骨干，提出了一个目标检测算法称为Effificientdet.1.Introduction目标检测算法有两个挑战:挑战1：高效的多尺度特征融合——FPN、PANe
樱花的浪漫·2022-12-18 07:13

李沐精读论文：transformer 《Attention Is All You Need》 by Google

论文：AttentionIsAllYouNeed视频：Transformer论文逐段精读【论文精读】_哔哩哔哩_bilibili课程（推荐先看这个）：李宏毅机器学习：self-attention（自注意力机制
iwill323·2022-12-18 07:47

【论文精读】Semi-supervised Medical Image Segmentation through Dual-task Consistency

语义分割论文CVPR2021基于双任务一致性的半监督医学图像分割代码：GitHub-HiLab-git/DTC:Semi-supervisedMedicalImageSegmentationthroughDual-taskConsistency目录语义分割论文摘要一、主要亮点二、网络结构1.Dual-taskConsistency2.Semi-supervisedtrainingthroughDu
LANG_C_·2022-12-17 22:10

Temporal Segment Networks:Towards Good Practices for Deep TSN论文精读笔记

TemporalSegmentNetworks:TowardsGoodPracticesforDeepTSN论文精读笔记这篇论文首先解决了双流卷积网络只能处理较短视频帧的缺陷，论文的主要贡献是提出了TemporalSegmentNetwork
Encounter84·2022-12-17 14:51

【论文精读】Focal Inverse Distance Transform Maps for Crowd Localization

文章目录摘要主要贡献主要内容一、FIDT二、LMDS三。I-SSIMloss摘要在本文中，我们关注人群定位任务，这是人群分析的一个重要课题。基于回归的方法大多使用卷积神经网络(CNN)对密度图进行回归，在极度稠密的场景中无法准确定位实例，主要原因有两个：1)密度图由一系列模糊的高斯斑点组成；2)密度图的稠密区域存在严重的重叠。为了解决这个问题，我们提出了一种新的用于人群定位任务的聚焦反距离变换(F
.别拖至春天.·2022-12-17 07:51

Text to image论文精读DR-GAN：分布正则化的生成对抗网络 Distribution-Regularization-for-Text-to-Image-Generation

DR-GAN是北京理工大学者和大连理工大学学于2022年4月提出的一种新的文本到图像生成模型，称为分布正则化生成对抗网络（Distribution-Regularization-for-Text-to-Image-Generation，DR-GAN）论文地址：https://arxiv.org/abs/2204.07945代码地址：https://github.com/Tan-H-C/DR-GAN
中杯可乐多加冰·2022-12-16 19:57

DeiT论文精读

论文地址：https://arxiv.org/abs/2012.12877v2代码地址:https://github.com/facebookresearch/deit.Abstracttransformer需要使用大型基础设施对数亿张图像进行了预训练，从而限制了它们的使用。在这项工作中，作者只在图像上训练transformer。在一台电脑上训练他们不到3天。基于visiontransformer
樱花的浪漫·2022-12-16 19:52

中移链合约常用开发介绍 （一）开发基本流程

二、智能合约介绍区块链作为一种分布式可信计算平台，去中心化是其最本质的特征。每笔交易的记录不
·2022-12-16 11:52

减小模型训练成本的视频动作识别 Efficient Video Transformers with Spatial-Temporal Token Selection 论文精读笔记

减小模型训练成本的视频动作识别EfficientVideoTransformerswithSpatial-TemporalTokenSelection论文笔记一、Abstract二、引言三、相关工作3.1VisionTransformers3.2EfficientVideoRecognition3.3DifferentiableTokenSelection四、Spatial-TemporalTok
乄洛尘·2022-12-16 08:36

李沐精读论文：GAN

论文：https://papers.nips.cc/paper/2014/file/5ca3e9b122f61f8f06494c97b1afccf3-Paper.pdf视频：GAN论文逐段精读【论文精读
iwill323·2022-12-16 08:00

论文精读：VIT - AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE

ABSTRACT虽然Transformer架构已经成为自然语言处理任务的实际标准，但它在计算机视觉中的应用仍然有限。在视觉中，注意力要么与卷积网络结合应用，要么用于替换卷积网络的某些组成部分，同时保持它们的整体结构。我们证明了这种对cnn的依赖是不必要的，而一个直接应用于图像补丁序列的纯Transformer可以很好地执行图像分类任务。当对大量数据进行预训练，并转移到多个中型或小型图像识别基准数据
樱花的浪漫·2022-12-16 07:24

【论文精读】……ConvNeXt……(CNN和Transformer打起来了，A ConvNet for the 2020s)

文章目录一、Abstract（摘要）：二、Introduction（引言）：三、ModernizingaConvNet:aRoadmap（现代化路线）1.MacroDesign模块2.ResNeXt-ify模块3.InvertedBottleneck模块：4.LargeKernelSizes模块：5.variouslayer-wiseMicroDesign模块四、小总结论文题目：AConvNetf
深度不学习！！·2022-12-15 21:37

Attention is all you need 论文精读笔记 Transformer

AttentionPosition-wiseFeedForwardNetworkEmbeddingsandsoftmaxPositionalEncoding为什么使用自注意力Evaluation论文讨论与总结前言本文主要内容来自李沐老师的论文精读视频
Haulyn5·2022-12-15 07:28

Resnet论文精读

resnet也赢下了imagenet的竞赛在cifar-10上训练了100到1000层的数据cnn的主干网络用resnet替换在coco目标检测上也夺冠了计算机图形学可能把图放在标题上面在训练深的网络上，不只是过拟合，训练误差也会很高，不止是过拟合深度太深会出现梯度爆炸或者梯度弥散解决：初始化的时候权重不要太大也不要太小，中间加一些batchnormalization，使得校验每个层的输出和他的梯
CVer1024·2022-12-15 06:32

ViT论文逐段精读【论文精读】-跟李沐学AI

视频链接：ViT论文逐段精读【论文精读】_哔哩哔哩_bilibiliViT：过去一年，CV最有影响力的工作推翻了2012Alexnet提出的CNN在CV的统治地位有足够多的预训练数据，NLP的Transformer
MT_Joy·2022-12-15 06:29

李沐论文精读： ResNet

目录1摘要主要内容主要图表2导论2.1为什么提出残差结构2.2实验验证3实验部分3.1不同配置的ResNet结构3.2残差结构效果对比3.3残差结构中，输入输出维度不一致如何处理3.4深层ResNet引入瓶颈结构Botleneck4代码实现4.1残差块4.2ResNet模型5训练和测试训练方法测试6CIFAR-10实验7为什么残差网络有效论文推荐论文地址：https://arxiv.org/pdf
iwill323·2022-12-15 06:52

可解释机器学习导论

可解释机器学习公开课，包含人工智能可解释性、显著性分析领域的导论、算法综述、经典论文精读、代码实战、前沿讲座。由B站知名人工智能科普UP主“同济子豪兄”主讲。
南京比高IT·2022-12-14 15:47

【研一小白论文精读】《Big Self-Supervised Models are Strong Semi-Supervised Learners》

【研一小白论文精读】研一已经开学了，距离上一次自己写博客也有一段时间了，上一次写的博客我自己看简直又臭又长，这次是第二次，也不知道能不能做出一些改变。
Titus W·2022-12-14 05:09

【学习笔记】对比学习综述 （Contrastive Learning Review）

ContrastiveLearningReview朱毅大佬视频讲解笔记对比学习论文综述【论文精读】_哔哩哔哩_bilibili1百花齐放（18-19年中）1.1InstDiscUnsupervisedFeatureLearningviaNon-ParametricInstanceDiscrimination
Merengue_l·2022-12-13 21:51

对比学习论文综述

目录对比学习论文综述【论文精读】_哔哩哔哩_bilibili1.百花齐放2.CV双雄3.不用负样本4.Transformer对比学习论文综述【论文精读】_哔哩哔哩_bilibili1.百花齐放18-19
33奈何33·2022-12-13 21:21

“互联网+”英特尔，智能O2O让金融服务更贴心 —— 英特尔携手升腾推出可信智能终端，助力智慧金融业发展...

英特尔与升腾推出的可信智能终端，助力银行业可信计算生态环境打造，提供更为便捷、高效、可靠的金融服务，全
weixin_33964094·2022-12-13 17:39

【研一小白论文精读】《MASTERING ATARI WITH DISCRETE WORLD MODELS》

MASTERINGATARIWITHDISCRETEWORLDMODELS主要提出了一种基于模型的强化学习，叫DreamerV2.论文题目:masteringatariwithdiscreteworldmodels论文项目地址及代码:https://danijar.com/project/dreamerv2/没有偏差的报道:https://ai.googleblog.com/2021/02/mas
Titus W·2022-12-13 12:19

CVPR 2020 zui佳论文提名【论文精读】

文章目录1.四个问题2.视频正文什么是对比学习？论文内容1.题目和作者2.摘要3.引言4.结论5.相关工作6.MoCo方法7.实验8.总结3.参考资料1.四个问题解决什么问题做无监督的表征学习用什么方法解决本文提出了MoCo去做无监督的表征学习，虽然是基于对比学习的，但是本文是从另外一个角度来看对比学习，也就是说把对比学习看作是一个字典查询的任务。具体来说，就是做一个动态的字典，这个动态的字典由两
I"ll carry you·2022-12-13 12:48

【视频-文字版】MoCo 论文逐段精读【论文精读】

文章目录0前言0.1介绍什么是对比学习1题目和作者2、摘要3、引言4、结论5、相关工作**损失函数：判别式、生成式、对比学习、对抗学习**代理任务6MoCo方法3.3代理任务MoCo伪代码：7、实验8、总结参考资料0前言MoCoMomentumContrastforUnsupervisedVisualRepresentationLearningMoCo是CVPR2020的最佳论文提名，算是视觉领域
I"ll carry you·2022-12-13 12:48

MoCo论文精读

文章目录1MoCo论文阅读1.1各类监督学习1.2对比学习1.3摘要1.4引言1.5结论1.6方法2参考资料1MoCo论文阅读题目：MomentumContrastforUnsupervisedVisualRepresentationLearning从题目中可以提炼出两个信息：momentum-动量Contrast-对比unsupervised-无监督1.1各类监督学习介绍各类监督学习，本文其实也
Rui@·2022-12-13 12:47

【研一小白论文精读】《MoCo》

其实之前读simclr那篇论文的时候已经涉及到一些moco的内容，现在的moco已经更新到了v3。moco是一种典型的contrastiveunsupervisedlearning。MomentumContrastforUnsupervisedVisualRepresentationLearning在moco提出的时候现有的contrastivelearning有两种手段：第一种是endtoend
Titus W·2022-12-13 12:43

深度之眼Paper带读笔记NLP.9：基于CNN的词级别的文本分类.Baseline.05

文章目录前言论文总览学习目标导图研究意义第一课论文导读论文背景文本分类简介文本分类文本分类发展历史机器学习深度学习前期知识储备第二课论文精读论文整体框架摘要传统/经典算法模型Bag-of-words基于词向量的
oldmao_2000·2022-12-13 09:12

（深度学习论文精读总结）You Only Look Once: Unified, Real-Time Object Detection

一、文献名字和作者文献名：YouOnlyLookOnce:Unified,Real-TimeObjectDetection作者名：JosephRedmon，SantoshDivvala，RossGirshick，AliFarhadi二、阅读时间2019年7月24日~2019年7月26日（本人读的第一篇英文论文，比较慢）三、文献领域目标检测四、文献目的本文主要实现的是目标检测，即对于给定图片，对其中
风中一匹狼v·2022-12-12 20:44

【目标检测 论文精读】……YOLO-V1 ……(You Only Look Once: Unified, Real-Time Object Detection)

文章目录Abstract（摘要）Introduction（引言）UnifiedDetection（统一的目标检测）ComparisontoOtherDetectionSystems（和其他模型对比）Experiments（实验）小总结今天开始YOLO系列，这是一篇必读论文！给我冲！YOLO系列:yolov1精读yolov2精读yolov3精读论文题目:YouOnlyLookOnce:Unified
深度不学习！！·2022-12-12 19:11

论文精读-YOLOv1:You Only Look Once:Unified, Real-Time Object Detection

Abstract我们提出了一种新的目标检测方法YOLO。先前在目标检测方面的工作是重新利用分类器来执行检测。相反，我们将目标检测框架为一个回归问题，以确定空间分离的边界框和相关的类概率。一个单一的神经网络在一次评估中直接从完整的图像中预测边界框和类的概率。由于整个检测管道是一个单一的网络，因此可以根据检测性能直接进行端到端优化。我们的统一体系结构运行的速度非常快。我们的基础YOLO模型以每秒45帧
樱花的浪漫·2022-12-12 19:09

【单目3D目标检测】MonoFlex论文精读与代码解析

文章目录PrefaceAbstractContributionsPipelineProblemDefinitionDecoupledRepresentationsofObjectsInside&OutsideObjectsEdgeFusionLossVisualPropertiesRegression2DDetectionDimensionEstimationOrientationEstimati
嗜睡的篠龙·2022-12-12 09:40

PSMNet学习记录：基于深度学习的双目立体匹配算法

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、研究背景二、论文精读1.介绍2.相关工作3.金字塔立体匹配网络3.1网络结构3.2空间金字塔池化模块3.3匹配代价卷3.43DCNN3.5
Scurry﹉·2022-12-11 07:15
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他