可信计算论文精读第16页

【论文精读1】CSDI: Conditional Score-based Diffusion Models for Probabilistic Time Series Imputation

介绍时间序列中缺失值的插补在医疗保健和金融领域有许多应用。虽然自回归模型是时间序列插补的自然候选模型，但基于分数的扩散模型最近在许多任务（如图像生成和音频合成）中的表现优于包括自回归模型在内的现有模型，并有望用于时间序列插补。在本文中，我们提出了基于分数的条件扩散插补模型（CSDI），这是一种新的时间序列插补方法，利用以观察数据为条件的基于分数的扩散模型。与现有的基于分数的方法不同，条件扩散模型经

烈日松饼·2022-11-27 16:50

深度学习论文精读[2]：UNet网络

FCN虽然做出了开创性的工作，FCN-8s相较于此前的SOTA分割表现，已经取得了巨大的优势。但从分割效果上看还很粗糙，对图像的细节处理还很不成熟，也没有考虑到像素与像素之间的上下文（context）关系，所以FCN更像是一项抛砖引玉式的工作，随着U形的编解码结构成为通用的语义分割网络设计范式，各种网络如雨后春笋般涌现。UNet是U形网络结构最经典和最主要的代表网络，因其网络结构是一个U形而得名，

louwill12·2022-11-27 10:46

ALEXNET论文及其复现代码

Alexnet-2012文章目录Alexnet-2012研究背景top5error研究意义论文精读Abstruct1.Introduction3.Architecture3.1ReLUNonlinearity3.2TrainingonMultipleGPUs3.3LRNlocalresponsenormalization3.4overlappingpooling3.5OverallArchitec

神探小神马·2022-11-27 09:45

李沐AI论文精读笔记——双流网络的开山之作

论文名称：Two-StreamConvolutionalNetworksforActionRecognitioninVideos论文下载连接：https://arxiv.org/abs/1406.2199文章目录前言一、摘要二、引言三、双流网络的架构1.OpticalflowConvNets2.时间流卷积神经网络的两种输入方式2.1Opticalflowstacking.2.2Trajectory

入坑CV的一枚小白·2022-11-27 07:49

SLAM论文精读系列：（第一篇）Past, present, and future of simultaneous localization and mapping

本篇博文由南湖游子原创，转载请注明出处！文献来源：CadenaC,CarloneL,CarrilloH,etal.Past,present,andfutureofsimultaneouslocalizationandmapping:Towardtherobust-perceptionage[J].IEEETransactionsonrobotics,2016,32(6):1309-1332.文献内

南湖游子·2022-11-27 04:07

Sparse R-CNN 论文精读

SparseR-CNN:End-to-EndObjectDetectionwithLearnableProposals稀疏R-CNN：可学习提案的端到端目标检测文章的创新点：首次提出动态实例交互头：在迭代结构中，结合线性投影、矩阵乘法、归一化和ReLU激活函数对输入的提议框和提议特征进行一系列操作，最终得到叠加的学习特征。剔除NMS，选用DETR中的匈牙利匹配优化Sparse：提议特征默认选用10

Flying Bulldog·2022-11-26 21:13

【论文精读】Deblur-NeRF

今天读的是一篇CVPR2022的文章，这项工作由港科大、腾讯和港大共同完成。他们对模糊图片作为输入进行NeRF重建进行了研究。项目地址：点此前往AbstractNeRF近年来在三维场景重建和新视角合成任务上表现出众。但是，野外环境中采集图像会因为移动或者失焦而模糊，这影响到了重建的质量。为了解决这个问题，作者提出了Deblur-NeRF，它在模糊的输入下也能重建出清晰的NeRF。作者通过模拟模糊过

YuhsiHu·2022-11-26 18:32

【论文精读】DeepFirearm: Learning Discriminative Feature Representation for Fine-grained Firearm Retrieval

DeepFirearm:LearningDiscriminativeFeatureRepresentationforFine-grainedFirearmRetrievalINTRODUCTION这是最近看的一篇文章，论文并没有太多方法上的创新点，但是将神经网络用于现代武器的检索，方向挺新奇的。所以记录一下。论文之初作者就指出现在CNN发展得很好，网络上像Facebook这一类的社交巨头都使用CN

luuuyi·2022-11-26 11:47

论文精读——《BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotempor》

BEVFormer:LearningBird’s-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotemporalTransformers文章目录BEVFormer:LearningBird’s-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotemporalTransformers

zyw2002·2022-11-26 11:33

CLIP 改进工作串讲（下）

CLIP改进工作串讲（下）本文为CLIP改进工作串讲（下）【论文精读】的学习笔记。

Adenialzz·2022-11-26 11:00

李沐论文精读系列四：CLIP和改进工作串讲（LSeg、GroupViT、VLiD、 GLIPv1、 GLIPv2、CLIPasso）

文章目录一、CLIP1.1简介1.1.1前言1.1.2模型结构1.1.3模型效果1.1.3.1对自然分布偏移的鲁棒性1.1.3.2StyleCLIP1.1.3.3CLIPDraw1.1.3.4zero-shot检测1.1.3.5CLIP视频检索1.1.4导言1.2方法1.2.1自然语言监督的优势1.2.2预训练方法（训练效率至关重要）1.2.3伪代码1.3实验1.3.1zero-shot迁移1.3

神洛华·2022-11-26 11:52

论文精读 ——《BEVDepth: Acquisition of Reliable Depth for Multi-view 3D Object Detection》

文章目录BEVDepth:AcquisitionofReliableDepthforMulti-view3DObjectDetection论文精读摘要（Abstract·）1.介绍（Introduction

zyw2002·2022-11-26 10:20

论文精读Multi-Party Empathetic Dialogue Generation: A New Task for Dialog Systems

论文精读20221103组会精读论文ACL2022long24Multi-PartyEmpatheticDialogueGeneration:ANewTaskforDialogSystems笔记

weixin_45352758·2022-11-26 09:15

VIT论文精读

VIT可以解决cnn难以解决的问题，例如针对一些图片（如遮挡，纹理偏移，对抗贴图，分块排列组合等）需要解决的难题：如何将2D的图片转换为1D的序列，但是实现起来计算复杂度太高。那怎样才能把自注意力用到视觉里来呢？前期有工作，把最深层的特征图拉成序列形式，来用自注意力；还有一些是取局部的小窗口等。但是这些都很难去训练一个大模型。VIT将图片切成14✖️14的patch来输入transformer（只

CVer1024·2022-11-26 04:30

【论文视频】AlphaFold 2 论文精读. Nature 2021【论文精读】

文章目录视频内容前言作者和大纲摘要导论模型（我们关心重点）编码器解码器训练结果评论读后感，奇思妙想？参考资料视频内容前言这是AlphaFold2了，因为之前有一篇了，不要搞错早在论文发表的5个月前，就已经写了博客，虽然文章还没写同一天，2021July15，来自另一个团队也宣布了自己的工作RoseTTAFold，也是用深度神经网络来进行蛋白质结构的预测，将发表在科学杂志上面，同样上了封面！所以基本

I"ll carry you·2022-11-26 04:29

RTM3D论文精读

一、前期准备3D目标检测集合：https://blog.csdn.net/unbekannten/article/details/127989929RTM3D:Real-timeMonocular3DDetectionfromObjectKeypointsforAutonomousDriving论文地址：https://arxiv.org/pdf/2001.03343.pdf代码地址：https:

unbekannten·2022-11-26 04:58

[论文精读]BERT

BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstandingAbstract作者介绍了一种新的语言模型,叫做BERT,是来自transformer双向encoder表示.和最近的语言表示模型不一样,BERT设计目的是:用无标签文本训练深度双向表示,在所有层中综合利用文本左右边两个方向的上下文信息.这种模型带来的结果

Remember00000·2022-11-26 04:56

LOAM论文精读

《Low-driftandreal-timelidarodometryandmapping》概要论文提出了一种使用3D激光雷达在移动中实时实现低漂移6-DOF里程计和建图的方法。这个问题很困难，因为激光距离测量是在不同的时间接收到的，而且运动估计的误差(特别是没有外部参考，如GPS)会导致结果点云的配准错误。实现这种方法的关键思想是分级策略，使用一种算法在高频但低保真度下执行里程计来估计激光雷达的

avenger_fang·2022-11-26 04:23

图像分割篇-FCN论文精读

第一部分：论文部分共提炼出三个创新点：·对经典网络改编-卷积替换全连接·对前向特征图补偿-跳跃连接·对特征图尺寸恢复-反卷积1、CNN与FCN的比较CNN在传统的CNN网络中，在最后的卷积层之后会连接上若干个全连接层，将卷积层产生的特征图（featuremap）映射成为一个固定长度的特征向量。一般的CNN结构适用于图像级别的分类和回归任务，因为它们最后都期望得到输入图像的分类的概率，如ALexNe

xx忘记思考了·2022-11-26 04:52

MonoGRNet论文精读

一、前期准备3D目标检测集合：https://blog.csdn.net/unbekannten/article/details/127989929Monogrnet:Ageometricreasoningnetworkformonocular3dobjectlocalization.论文地址：https://arxiv.org/pdf/1811.10247.pdf代码地址：https://git

unbekannten·2022-11-26 04:49

2021年中国数据安全行业发展现状及未来发展前景分析：数据安全市场快速增长[图]

数据安全技术视图总体可以分为三层，其中，基础安全技术层包括密码技术、访问控制、可信计算等共性安全技术，是网络安全与数据安全技术体系构建的基础，在网络安全领域，这些技术用于保护网络与信息系统的安全;在数据安全领域

普通网友·2022-11-25 22:47

工业控制系统的软件可信属性验证（1）

可信计算的研究与发展可信计算是一种信息系统安全新技术，包括可信硬件、可信软件、可信网络和可信计算应用等诸多方面。2007年，中国国家自然科学基金委员会启动“可信软件重大专项”支持可信软件的研究。

想要毕业的研究生·2022-11-25 18:24

论文精读-Resnet

何凯明等人在2015年的”DeepResidualLearningforImageRecognition”这篇论文中提出了Resnet网络架构，是CNN图像领域一个重要的里程碑，后续多年直至如今在图像分类领域仍然有超过半数的网络使用着Resnet或其变种。Resnet提出了一种残差块结构，解决了在深度神经网络中由于梯度消失或梯度爆炸导致的网络难以训练的问题，以及更深的层次反而导致网络性能下降问题深

Wei.Studio·2022-11-25 17:23

G2SAT: Learning to Generate SAT Formulas论文精读

0.AbstractSAT（布尔可满足）问题被证明是一个经典的np完全问题，作为一个计算机科学的基本问题，在决策、验证和理论证明等很多方面都有应用。目前的SAT求解器的开发和评估依赖于现有的有限的现实问题，且现有的手工制作的公式由于人类/专家的知识局限性，无法全面地捕获一个SAT实例所具有的广泛特征。这篇文章所提出的G2SAT框架以一组公式为输入，学习SAT公式的生成。文章使用二部图的表示形式对S

S.SURE·2022-11-25 17:55

YOLOv1 论文精读

摘要我们提出了YOLO，这是一个目标检测的新方法。目标检测领域的以往工作就是对分类器稍加调整以用于检测。相反，我们是将目标检测视为一个回归问题，这个问题是得到空间上分离的包围框(boundingboxes)以及和这些框相联系的类别概率。一个单独的神经网络就可以在一次评估中直接从整幅图像中预测boundingboxes以及对应的类别概率。由于整个检测的流程是在一个单独的网络中完成的，它能够依靠检测的

WALL-SQ·2022-11-25 10:35

【计算机视觉】Mip-nerf 论文精读记录

【计算机视觉】Mip-nerf论文精读记录本人是刚入门的计算机视觉小白，此系列为nerf论文精读系列笔记记录，感兴趣的朋友可以关注一下，共同成长！

太阳不下山·2022-11-25 07:28

从学习2021美赛O奖论文到获得2022美赛M奖——论文精读经验分享

目小录一、前小言二、前人栽树---2021A题O奖论文精读经验1.美术建模---图形结合，事半功倍2.语文\英文建模---标题的小心思3.数学建模---逻辑严谨，面面俱到1）把简单的模型做到极致2）补充合理假设

就很厉害了·2022-11-24 19:42

2022/11/7-11/12周报

周报内容：.论文精读《GaussianAnomalyDetectionbyModelingtheDistributionofNormalDatainPretrainedDeepFeatures》焊接电路板正常数据集整理复现论文

嘿！947·2022-11-24 18:29

目标检测论文精读（１）－ YOLOv1

YOLOv1阅读重点IntroductionTheYOLODetectionSystemTheModelThearchitectureLossfunctionInnovationResultsReal-TimeSystemsonPascalVOC2007ErroranalysisGeneralizationresultsonPicassoandPeople-ArtdatasetsYOLOv1原论文

lxbzty·2022-11-24 10:15

【论文精读】Fast R-CNN

《FastR-CNN》是同一个作者基于自己之前的R-CNN工作的改进。FastR-CNN也是基于深度卷积神经网络用于计算机视觉任务（主要用于目标检测）的算法。他在R-CNN的基础上进行了大幅创新，比如将目标的分类和定位的步骤进行了统一，实现了端到端的训练、预测流程。FastR-CNN在使用VGG-16的主干网络时，训练速度比R-CNN快9倍，测试速度快了213倍，并提升了检测精度。训练速度比SPP

takedachia·2022-11-24 10:10

论文阅读（四）Vision Transformer ViT学习

视频：ViT论文逐段精读【论文精读】https://www.bilibili.com/video/BV15P4y137jb?

Ray Song·2022-11-24 10:39

Swin Transformer 论文精读，并解析其模型结构

计算机视觉的建模从AlexNet在ImageNet分类挑战的良好表现开始，然后到目标检测的SSD、RCNN、YOLO等模型，一直由CNN主导。直到NLP领域中Transformer的崛起，并经ViT应用到视觉领域后，我们感受到了Transformer全局建模的强大之处。如摘要所述，相对于NLP，图像喂入Transformer的计算复杂度很高，故SwinTransformer诞生了，接下来通过精读此

Flying Bulldog·2022-11-24 10:39

YOLO系列论文精读

YOLO系列论文精读YOLOV11）实现2）详细解读总结YOLOV2/90001）Better：2）Faster：3）Stronger：总结YOLOV3YOLOV41）Bagoffreebies：2）Bagofspecials

就是AT·2022-11-24 10:08

目标检测篇-Faster-RCNN论文精读

1、FasterRCNN网络结构①首先缩放至固定大小MxN。②放入共享Convlayers③RPN计算proposals④RoiPooling层则利用proposals从featuremaps中提取proposalfeatures⑤送入后续全连接和softmax网络作classification。上面一条用softmax分类anchors得到positive以及negative的概率，下面一条计算

xx忘记思考了·2022-11-24 10:02

目标检测篇-FPN论文精读

1、FPN网络结构基于featurepyrimid来检测不同scale的object，共有4种思路(a)使用图像金字塔构建特征金字塔,在每个图像尺度上独立计算的(b)只使用单一尺度的特征(c)重用由卷积神经网络计算的金字塔特征层次，仿佛它是一个特征图像金字塔。(d)我们提出的特征金字塔网络(FPN)与(b)和(c)一样快，但更准确。FPN-Structure：基于CNN固有的pyramidhier

xx忘记思考了·2022-11-24 10:02

GoogleNet 论文精读&&代码逐行解析

文章目录前言一、GoogleNet论文精读1.Introduction：2.RelatedWork：3.MotivationandHighlevelConsiderations：（Inception模块思想的来源

湘粤Ian·2022-11-24 10:30

【单目3D目标检测】GUPNet论文精读与代码解析

文章目录PrefaceAbstractContributionsPipelineBackboneNeckHeadLossGUPInPaperInCodeHTLInPaperInCodeRefernecePrefaceLuY,MaX,YangL,etal.Geometryuncertaintyprojectionnetworkformonocular3dobjectdetection[C].Proc

嗜睡的篠龙·2022-11-24 10:58

论文精读:DEFORMABLE DETR: DEFORMABLE TRANSFORMERSFOR END-TO-END OBJECT DETECTION

ABSTRACTDETR最近被提出，以消除在目标检测中需要许多手工设计的组件，同时证明了良好的性能。然而，由于transformer注意模块在处理图像特征图时的限制，其收敛速度慢，特征空间分辨率有限。为了缓解这些问题，我们提出了DeformableDETR，它的注意模块只关注一个目标周围的一小部分关键采样点。DeformableDETR可以获得比DETR（特别是在小物体上）更好的性能，在训练时间少

樱花的浪漫·2022-11-24 09:52

VggNet 论文分析

文章目录题目：论文总览Part1：论文导读研究背景研究成果Part2：论文精读摘要论文小标题2.VGGNet网络结构3.ClassificationFramework3.1Training3.2Testing3.3ImplementationDetails4

蓝子娃娃·2022-11-23 13:59

Image Segmentation Using Deep Learning: A Survey 论文精读

ImageSegmentationUsingDeepLearning:ASurvey基于深度学习的图像分割综述AbstractImagesegmentationisakeytopicinimageprocessingandcomputervisionwithapplications（应用）suchassceneunderstanding（场景理解）,medicalimageanalysis（医学图

小学渣的春天·2022-11-23 12:38

论文精读[2022-1116]Unified Focal loss: Generalising Dice and cross entropy-based losses to handle ...

日期2022/11/16论文名称UnifiedFocalloss:GeneralisingDiceandcrossentropy-basedlossestohandleclassimbalancedmedicalimagesegmentation统一焦点损失：泛化骰子和基于交叉熵的损失处理类别不均衡医学图像分割论文来源YeungM,SalaE,SchönliebCB,etal.UnifiedFoc

robot.zhoy·2022-11-23 12:36

可信计算理论与技术--名词解释

由于《可信计算理论与技术》没有专业名词缩写的索引表，对于我这种看了后面忘前面的人太不友好了，故整理此文档。根据课程进度不定期更新。

_shoot·2022-11-23 05:04

论文阅读（三）BERT学习

视频：BERT论文逐段精读【论文精读】https://www.bilibili.com/video/BV1PL411M7eQ?

Ray Song·2022-11-23 02:45

Large-Scale Order Dispatch in On-Demand Ride-Hailing Platforms: A Learning and Planning Approach论文精读

《Large-ScaleOrderDispatchinOn-DemandRide-HailingPlatforms:ALearningandPlanningApproach》论文精读笔记论文来源：滴滴，

姜呆·2022-11-22 14:07

【深度学习】GAN生成对抗网络

GAN文章目录GAN论文解读摘要简介研究背景生成效果研究意义介绍论文精读VAE(VariationalAuto-Encoder)GAN价值函数训练流程全局最优解生成器的可收敛性模型优劣势总结论文解读摘要简介核心要点提出了一个基于对抗的新生成式模型

Delv_Peter·2022-11-22 13:30

N-BEATS

https://github.com/amitesh863/nbeats_forecast[论文精读]N-BEATS：对可解释时序预测的神经基础扩展分析_哔哩哔哩_bilibili【论文分享】N-BEATS

意念回复·2022-11-22 13:27

论文精读:SimGNN: A Neural Network Approachto Fast Graph Similarity Computation

ABSTRACT图相似度就是返回两个图的相似性得分，比如两个化学分子结构，相似程度怎么样？图相似度/距离计算，如图编辑距离（GED）和最大公共子图（MCS），是图相似度搜索和许多其他应用程序的核心操作，但在实际应用中计算成本非常高。为了在保持良好性能的同时减轻计算负担。作者提出了基于神经网络的SimGNN，它结合了两种策略。首先，我们设计了一个可学习的嵌入函数，它将每个图映射到一个嵌入向量中，得到

樱花的浪漫·2022-11-22 12:42

论文精读:End-to-End Semi-Supervised Object Detection with Soft Teacher

https://arxiv.org/pdf/2106.09018.pdf半监督学习重在流程，而不在网络细节Abstract本文提出了一种端到端半监督目标检测方法，不同于以往更复杂的多阶段方法。端到端训练逐渐提高了训练过程的伪标签质量，越来越准确的伪标签进而有利于目标检测训练。在这个框架内，我们还提出了两种简单而有效的技术：一种softteacher机制，其中每个未标记边界框的分类损失由teache

樱花的浪漫·2022-11-22 11:31

【论文精读】CMT: Convolutional Neural Networks MeetVision Transformers

声明不定期更新自己精读的论文，通俗易懂，初级小白也可以理解涉及范围：深度学习方向，包括CV、NLP、Datafusion、DigitalTwin论文标题：CMT:ConvolutionalNeuralNetworksMeetVisionTransformersCMT：卷积神经网络与视觉变压器论文链接：https://arxiv.org/abs/2107.06263论文代码：发表时间：2021年7月

来自γ星的赛亚人·2022-11-22 08:11

《An Efficient Two-Layer Mechanism for Privacy-Preserving Truth Discovery》论文精读

《AnEfficientTwo-LayerMechanismforPrivacy-PreservingTruthDiscovery》精读笔记论文背景摘要笔者总结概述相关知识TruthDiscovery差分隐私隐私保护机制One-LayerMechanismTwo-LayerMechanism理论证明隐私分析效用分析实验分析笔者自己的看法写在最后论文背景论文题目：《AnEfficientTwo-La

走走走，快去看看世界·2022-11-22 01:49

推荐频道

可信计算论文精读