图像去雾论文阅读第24页

论文阅读:pointnet

文章目录一、点云特性二、网络结构三、关于T-Net的理解参考论文地址:PointNet:DeepLearningonPointSetsfor3DClassificationandSegmentationpointnet是第一个直接基于点来做点云深度学习的网络。网络整体比较简单，我们这里主要以pointnet的语义分割网络来做解释。一、点云特性无序性相较于二维图像，点云是包含了一些没有特定顺序的点的

GHZhao_GIS_RS·2023-10-15 05:37

论文阅读：AutoAssign

文章目录1、论文总述2、密集预测型FCOS正负样本分配的不足3、Comparisonoflabelassignmentbetweendifferenttypicaldetectors.4、wetransformthewholeassignmentstepintotwoweightmaps.5、公式6、Visualizationoflearnedcenterweightingweightsofdif

贾小树·2023-10-15 05:34

论文阅读： BI-GCN

papername：BI-GCN:Boundary-AwareInput-DependentGraphConvolutionNetworkforBiomedicalImageSegmentatation论文名称：边界感知输入独立的图卷积网络论文地址:arxiv:2110.14775代码：未公布摘要：分割是图像处理中的重要步骤，而卷积操作是受限于局部感受野的，所以全局信息的提取模型对于分割任务而言意

sigmoidAndRELU·2023-10-15 05:03

论文阅读：

来源：公众号看到一篇文章原文：https://arxiv.org/pdf/2301.04275.pdf代码：GitHub-fengluodb/LENet:LENet:LightweightAndEfficientLiDARSemanticSegmentationUsingMulti-ScaleConvolutionAttention0、摘要基于LiDAR的语义分割在机器人和自动驾驶领域至关重要，因

shiyueyueya·2023-10-15 05:33

自监督论文阅读笔记 Ship Detection in Sentinel 2 Multi-Spectral Images with Self-Supervised Learning

船舶自动检测为用于安全或经济监测目的的海事领域感知提供了必要的功能。这项工作提出了一种用很少的标记示例，在Sentinel2多光谱图像中训练深度学习舰船检测器的方法。本文设计了一种具有可单独预训练主干的舰船检测网络结构。通过使用自监督学习，一种新兴的无监督训练程序，在Sentinel-2图像上学习良好的特征，不需要标记，以初始化我们的网络骨干。然后对整个网络进行微调，学习在具有挑战性的环境中检测船

YoooooL_·2023-10-15 04:52

论文阅读笔记（四十五）：Deformable Convolutional Networks

Convolutionalneuralnetworks(CNNs)areinherentlylimitedtomodelgeometrictransformationsduetothefixedgeometricstructuresintheirbuildingmodules.Inthiswork,weintroducetwonewmodulestoenhancethetransformation

__Sunshine__·2023-10-14 13:16

Learn to See in the Dark（论文阅读笔记）

LearntoSeeintheDark（论文阅读笔记）最近做项目看了一篇论文《LearntoSeeintheDark》下面是一些论文笔记概括：这篇论文主要介绍的是在低光照的环境下用两个标准的FCN网络，

qq_38277565·2023-10-14 13:13

论文阅读：Optical Flow in the Dark

文章目录1.论文总述2.以前的暗光下光流估计的方案3.暗光下image的处理4.VBDF的images及光流GT获取5.是否能合成一个raw训练集用来暗光下的光流估计6.SID介绍及其缺点参考文献1.论文总述从论文题目中可以看出，本文主要是想改善暗光下的光流估计效果，先前的方法主要是将暗光下的image进行提亮，再估计光流，但作者认为这样效果不好，因为提亮时候会破坏帧与帧之间的运动信息。作者的方法

贾小树·2023-10-14 13:40

论文阅读之《Learn to see in the dark》

LearningtoSeeintheDark-CVPR2018ChenChenUIUC（伊利诺伊大学厄巴纳-香槟分校）QifengChen,JiaXu,VladlenKoltunIntelLabs(英特尔研究院)文章链接：https://arxiv.org/pdf/1805.01934.pdfhttps://arxiv.org/pdf/1805.01934.pdf源码地址：GitHub-cchen

春末的南方城市·2023-10-14 13:39

《论文阅读：Dataset Condensation with Distribution Matching》

点进去这篇文章的开源地址，才发现这篇文章和DCDSA居然是一个作者，数据浓缩写了三篇论文，第一篇梯度匹配，第二篇数据增强后梯度匹配，第三篇匹配数据分布。DC是匹配浓缩数据和原始数据训练一次后的梯度差，DSA是在DC前加入了一层数据增强，DM直接就匹配浓缩数据和原始数据丢入模型得到的输出，匹配输出的分布。一个github地址包含了三个数据浓缩方法的开源代码。1.基于分布匹配的数据集浓缩在降低训练成本

volcanical·2023-10-14 12:51

[论文阅读]PointPillars——点云目标检测的快速编码器

PointPillars点云目标检测的快速编码器论文网址：PointPillars摘要基于激光雷达点云的物体检测是自动驾驶和机器人应用的一个重要方面。本文考虑将点云编码成适合下游检测任务的格式问题。最近的文献提出了两类编码器：固定的编码器（往往速度更快，但牺牲了精度），从数据中学习的编码器（更准确但速度较慢）。本文中，提出了PointPillars，这是一种新颖的编码器，利用PointNets学习

一朵小红花HH·2023-10-14 08:06

论文阅读二：OpenFlow交换机流表溢出问题的缓解机制

名词解释：FlowTableSharing,FTS：流表共享方法LeastRecentlyUsed,LRU：近期最少使用算法OptionalReplacement,OPT：最佳替换算法“摘要：在软件新兴软件定义网络SDN、OpenFlow交换机中，为满足OpenFlow协议匹配域的需求，SDN交换设备需要更大的查找表存储容量．当流表溢出时，将导致控制报文数目爆炸性增长、数据包传输时延增大等危害网络

Gnibuyek·2023-10-14 06:31

开放目标检测Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection 论文阅读笔记

开放目标检测GroundingDINO:MarryingDINOwithGroundedPre-TrainingforOpen-SetObjectDetection论文阅读笔记一、Abstract二、引言三

乄洛尘·2023-10-13 09:34

Transformer 系列 Interpret Vision Transformers as ConvNets with Dynamic Convolutions 论文阅读笔记

Transformer系列InterpretVisionTransformersasConvNetswithDynamicConvolutions论文阅读笔记一、Abstract二、引言三、相关工作VisionTransformers

乄洛尘·2023-10-13 09:58

VIT、CILP、Swin Transformer、MAE模型论文阅读笔记

本博客针对视觉Transformer方面的工作，对当前热点研究做一下总结。主要是VIT、SwinTransformer、MAE、CILP这四篇。有一句话说的很有道理，因此放在这篇博客最前面。为什么NLP领域的预训练模型很好用，但是图像领域的预训练模型就很一般？这因为我们在NLP领域中找到了非常棒的pretexttask（代理任务），比如回想一下bert，我们需要理解一句话的意思，知道语义信息，那么

ASS-ASH·2023-10-13 08:21

论文阅读》用语义解耦改进共情对话生成 2022 IJCKG

《论文阅读》用语义解耦改进共情对话生成前言简介相关知识对抗学习模型架构SemanticsDecouplerEmpatheticGenerator损失函数前言论文阅读不迷路！

365JHWZGo·2023-10-13 04:57

Burstormer论文阅读笔记

这是CVPR2023的一篇连拍图像修复和增强的论文，一作是阿联酋的默罕默德本扎耶得人工智能大学，二作是旷视科技。这些作者和CVPR2022的一篇BIPNet，同样是做连拍图像修复和增强的，是同一批。也就是说同一个方向，22年中了一篇CVPR，改进了下模型，23年又中了一篇CVPR连拍图像的多帧是不对齐的，为了实现帧间信息交流、帧对齐和帧修复/增强，本文提出了一个连拍图像超分、去噪、暗光增强模型网络

ssf-yasuo·2023-10-13 01:15

Learning Sample Relationship for Exposure Correction 论文阅读笔记

这是中科大发表在CVPR2023的一篇论文，提出了一个module和一个损失项，能够提高现有exposurecorrection网络的性能。这已经是最近第三次看到这种论文了，前两篇分别是CVPR2022的ENC（和这篇文章是同一个一作作者）和CVPR2023的SKF，都是类似即插即用地提出一些模块来提高现有方法的性能，实验结果都是以方法A+XX比方法A性能提高，方法B+xx比方法B性能提高的方式展

ssf-yasuo·2023-10-13 01:15

Exposure Normalization and Compensation for Multiple-Exposure Correction 论文阅读笔记

这是CVPR2022的一篇曝光校正的文章，是中科大的。一作作者按同样的思路（现有方法加一个自己设计的即插即用模块以提高性能的思路）在CVPR2023也发了一篇文章，名字是LearningSampleRelationshipforExposureCorrection。文章的动机是，多曝光图像中，过曝和欠曝的图片的调整方向是相反的，给训练带来了问题（和CVPR2023那篇的动机是一致的）。同时，网络优

ssf-yasuo·2023-10-13 01:10

论文阅读“FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence”

Sohn,Kihyuk,etal."Fixmatch:Simplifyingsemi-supervisedlearningwithconsistencyandconfidence."Advancesinneuralinformationprocessingsystems33(2020):596-608.论文地址Pytorch实现版本摘要导读半监督学习（Semi-supervisedlearning

掉了西红柿皮_Kee·2023-10-13 00:18

系列论文阅读——Policy Gradient Algorithms and so on(3)

从DPG到D4PG前文提到的AC算法，策略函数表示的是，在当前状态下，动作空间的概率分布，然后通过采样选择动作，即策略是随机不确定的。那可否在连续动作空间内像DQN一样采取确定性策略呢？答案是可以的，我们将策略公式化为：，在当前策略下的状态概率分布服从密度函数为。以critic为Q函数为例，此时的动作是确定的，因此不需要再针对做期望，可以直接用估计累计回报，目标函数为：根据链式法则求出它的梯度是：

想学会飞行的阿番·2023-10-13 00:13

论文阅读之【Is GPT-4 a Good Data Analyst?（GPT-4是否是一位好的数据分析师）】

文章目录论文阅读之【IsGPT-4aGoodDataAnalyst?

SQLplusDB·2023-10-12 22:43

论文阅读/写作扫盲

第一节：期刊科普JCR分区和中科院分区是用于对期刊进行分类和评估的两种常见方法。它们的存在是为了帮助学术界和研究人员更好地了解期刊的学术质量、影响力和地位。JCR分区（JournalCitationReports）：JCR分区是由ClarivateAnalytics（前身为汤森路透）发布的一个期刊评价工具，旨在提供期刊的引用数据和指标。JCR分区将期刊按照其影响因子（ImpactFactor）进行

Stupid小池·2023-10-12 21:30

论文阅读-The fast continuous wavelet transformation (fCWT) for real-time, high-quality, noise-resistance

论文阅读-ThefastcontinuouswavelettransformationfCWTforreal-time,high-quality,noise-resistance1.摘要2.节选引文部分

cnjs1994·2023-10-12 14:21

论文阅读：NetBrick: a high-performance, low-power hardware platform for wireless and hybrid sensor ne...

摘要：最近，基于无线传感器网络（WSN）的部署的数量和复杂性的增加，证明了传统硬件平台的局限性在于，这些硬件平台只能在有限的时间内在受控环境（实验室）中工作。对高性能，低功耗，灵活且可扩展的硬件平台的需求，使其能够在现实世界（可能是恶劣的环境）中工作，这促使我们设计和开发NetBrick平台。拟议平台的新颖性和相较于其他现有的硬件平台的优势位于：板级的灵活性（组成板的每个模块均可通过软件启用/禁用

阿明DunDunDun·2023-10-12 08:15

【论文阅读】EasyEdit：Editing Large Language Models: Problems, Methods, and Opportunities （三）

【论文阅读】EasyEdit：EditingLargeLanguageModels:Problems,Methods,andOpportunities文章目录【论文阅读】EasyEdit：EditingLargeLanguageModels

笃℃·2023-10-12 06:10

【论文阅读】EasyEdit：Editing Large Language Models: Problems, Methods, and Opportunities （一）

【论文阅读】EasyEdit：EditingLargeLanguageModels:Problems,Methods,andOpportunities文章目录【论文阅读】EasyEdit：EditingLargeLanguageModels

笃℃·2023-10-12 06:40

【论文阅读】EasyEdit：Editing Large Language Models: Problems, Methods, and Opportunities （二）

【论文阅读】EasyEdit：EditingLargeLanguageModels:Problems,Methods,andOpportunities文章目录【论文阅读】EasyEdit：EditingLargeLanguageModels

笃℃·2023-10-12 06:40

基于MATLAB的去雾系统（深度学习/传统/改进方法）V3.0

00目录**1引言2去雾系统新增功能3系统实现**01引言在作者前面写过的文章中，已经介绍过图像去雾算法的应用价值及研究现状，并且也介绍了V1版本的4种去雾算法的原理及代码实现（全局直方图均衡化、局部直方图均衡化

KAU的云实验台·2023-10-12 05:10

多尺度retinex图像去雾算法matlab仿真

目录1.算法运行效果图预览2.算法运行软件版本3.部分核心程序4.算法理论概述5.算法完整程序工程1.算法运行效果图预览2.算法运行软件版本matlab2022a3.部分核心程序clc;clear;closeall;warningoff;addpath(genpath(pwd));rng('default')img_in=im2double(imread('1.jpg'));scales=[210

简简单单做算法·2023-10-12 05:32

论文阅读：Protecting Intellectual Property of Deep Neural Networks with Watermarking

文章目录1.Abstract2.Introduction3.受威胁模型4.水印嵌入4.1DNN水印的生成4.2DNN水印的嵌入4.3所有权验证5.实验5.1副作用目标5.2鲁棒性6.总结1.Abstract建立一个生产级别的深度神经网络并不是一件简单的事情，它通常需要大量的训练数据和强大的计算资源，因此保护深度神经网络模型的版权非常重要。本文设计了三种适用于DNN的水印生成算法，提出了一种将水印植

西瓜MH·2023-10-12 02:14

论文阅读 Self-Mimic Learning for Small-scale Pedestrian Detection

Self-MimicLearningforSmall-scalePedestrianDetectionABSTRACT检测小尺度行人是行人检测中最具挑战性的问题之一。由于缺乏视觉细节，小尺度行人的representations往往难以与背景杂乱物区分开。本文深入分析了小尺度行人检测问题，揭示了小尺度行人representations较弱是分类器漏检的主要原因。为解决这一问题，我们提出了一种新颖的自

Re-赟·2023-10-12 01:20

论文阅读 Extended Feature Pyramid Network for Small Object Detection

ExtendedFeaturePyramidNetworkforSmallObjectDetectionAbstract小目标检测仍然是一个未解决的挑战，因为仅凭几个像素很难提取小目标的信息。虽然特征金字塔网络中的scale-levelcorrespondingdetection减轻了这个问题，但我们发现不同尺度的特征耦合仍然损害了小目标的性能。在本文中，我们提出了一种扩展特征金字塔网络（EFPN

Re-赟·2023-10-12 01:20

【论文阅读】面向抽取和理解基于Transformer的自动作文评分模型的隐式评价标准（实验结果部分）

方法结果在这一部分，我们展示对于每个模型比较的聚合的统计分析当涉及到计算特征和独立的特征组（表格1），抽取功能组和对齐重要功能组（表格2），并且最后，我们提供从模型比较（LANGUAGE模型v.s.MAINIDEA模型）中获取的样例。由于长度限制，我们只展示了这个比较的细节样例。相似的图片和相关性分析展示在Github上。1.独立特征组因为每个训练好的模型都从他们的训练集合中留出一个不同集合的主题

沐兮Krystal·2023-10-12 00:23

BERT ：Pre-training of Deep Bidirectional Transformers for Language Understanding论文阅读笔记（NAACL 2019）

目录原文翻译：BERT：用于语言理解的深度双向Transformer预训练原文链接：https://aclanthology.org/N19-1423.pdf摘要：1引言2相关工作2.1基于特征的方法2.2微调方法2.3在有监督数据上的迁移学习3BERT3.1模型架构3.2输入表示3.3预训练任务3.4预训练方法3.5微调方法3.6BERT和GPT的比较4实验4.1GLUE数据集4.2SQuAD数

坚持更新的咩·2023-10-11 23:59

《论文阅读》通过动态融入常识知识来提高同理心对话的生成 ACL (Findings) 2023

《论文阅读》通过动态融入常识知识来提高同理心对话的生成前言简介模型架构ContextualProbingContextualUnificationWorkspace代码实现Knowledge-AwareDecoder

365JHWZGo·2023-10-11 21:03

Practical Memory Leak Detection using Guarded Value-Flow Analysis 论文阅读

本文于2007年投稿于ACM-SIGPLAN会议1。概述指针在代码编写过程中可能出现以下两种问题：存在一条执行路径，指针未成功释放（内存泄漏），如下面代码中注释部分所表明的：intfoo(){int*p=malloc(4*sizeof(int));if(p==NULL)return-1;int*q=malloc(4*sizeof(int));if(q==NULL)return-1;//注意这里，q

懵哥很懵·2023-10-11 21:32

《论文阅读》同情对话生成的知识桥梁 AAAI 2021

《论文阅读》同情对话生成的知识桥梁AAAI2021前言简介基础知识EmotionalDG和EmpatheticDG的不同外部知识最小最大正则化模型架构EmotionalContextGraphEmotionalContextEncoderEmotionalcontextgraphencodingEmotionalsignalperceptionEmotion-dependencydecoder

365JHWZGo·2023-10-11 21:29

【自动驾驶论文阅读笔记——精读RetinaTrack】

[阅读心得]自动驾驶经典论文——RetinaTrack写在前面1.Abstract2.Introduction3.RetinaTrack3.1Overview3.2RetinaNet3.3Modifying:Per-Anchor+Embbeding-Branch3.4TrainingLoss+LabelAssign3.5Inference4.Experiment4.1Architectual4.2

书玮嘎·2023-10-11 13:33

论文阅读笔记（Clover: 计算与存储被动分离的分布式键值存储系统）

关于DisaggregatingPersistentMemoryandControllingThemRemotely:AnExplorationofPassiveDisaggregatedKey-ValueStores这篇论文的笔记原文链接提出背景传统的分布式存储系统中，每个节点都会包含计算和存储两个部分，一个节点既可以访问本地的存储部分也可以访问远端的存储部分。传统的存储部分是由SSD或者HDD

YoungerChina·2023-10-11 01:35

[论文阅读]Capturing Associations in Graphs 阅读笔记

总结：本文提出了一种图关联规则GAR，GARs包含了GFD。之前的GFD是用于捕捉图中属性的缺失，而GAR不仅用于捕捉属性的缺失还可以通过GAR中的规则对图上的边进行增加或删除，实现边的预测（关联推断），在现实生活中可以实现实体关系之间的预测，增加了机器学习的分类器，这些规则插入现有的ML分类器，提高了关联推断的准确性。通过GARs可以联想到很多应用，比如说经典的购物推荐这种推荐系统，当路人A购买

Neil_zk·2023-10-10 23:57

Multilevel domain decomposition-based architectures for physics-informed neural networks

论文阅读：Multileveldomaindecomposition-basedarchitecturesforphysics-informedneuralnetworksMultileveldomaindecomposition-basedarchitecturesforphysics-informedneuralnetworksFBPINNFBPINN

xuelanghanbao·2023-10-10 23:55

Finite Basis Physics-Informed Neural Networks (FBPINNs) a scalable domain decomposition approa

@[TOC](论文阅读：FiniteBasisPhysics-InformedNeuralNetworks(FBPINNs)ascalabledomaindecompositionapproachforsolvingdifferentialequations

xuelanghanbao·2023-10-10 23:25

A Sequential Meta-Transfer (SMT) Learning to Combat Complexities of Physics-Informed Neural Networks

论文阅读：ASequentialMeta-TransferSMTLearningtoCombatComplexitiesofPhysics-InformedNeuralNetworksApplicationtoCompositesAutoclaveProcessingASequentialMeta-Transfer

xuelanghanbao·2023-10-10 23:25

Multi-Grade Deep Learning for Partial Differential Equations

论文阅读：Multi-GradeDeepLearningforPartialDifferentialEquationswithApplicationstotheBurgersEquationMulti-GradeDeepLearningforPartialDifferentialEquationswithApplicationstotheBurgersEquation

xuelanghanbao·2023-10-10 23:49

论文阅读2：《LayoutTransformer: Layout Generation and Completion with Self-attention》主题：Layout Generation..

Background 这篇文章想解决的问题是复杂场景的布局生成 1.复杂场景可以理解为由较小的“原子”构成，生成一个好的布局需要对这些原子之间的关系有非常好的理解。 2.引言中提到了认知科学的概念，对于一个场景有“感知”和“理解”，感知是浅层的，理解是深层的，比如天空在地的上方，马不会骑车。在合成场景中，有两个关键因素即layout和appearance，只有这两个因素都好生成的场景才好

思念殇千寻·2023-10-10 21:59

DRL-VO: Learning to Navigate Through Crowded Dynamic Scenes Using Velocity Obstacles 论文阅读

论文信息标题：DRL-VO:LearningtoNavigateThroughCrowdedDynamicScenesUsingVelocityObstacles作者：ZhantengXie,StudentMember,IEEE,andPhilipDames,Member,IEEE时间：2023来源：IEEETransactionsonRobotics代码：https://github.com/T

玛卡巴卡_qin·2023-10-10 21:43

论文阅读--深度学习基础文献

AlphaGoZero论文信息：SilverD,SchrittwieserJ,SimonyanK,etal.Masteringthegameofgowithouthumanknowledge[J].nature,2017,550(7676):354-359.参考文章：深入浅析AlphaGoZero与深度强化学习AlphaGoZero论文解析Attentionisallyouneed论文信息：Vas

伊丽莎白鹅·2023-10-10 21:09

论文阅读（11）RoBERTa: A Robustly Optimized BERT Pretraining Approach（2019）

RoBERTa:ARobustlyOptimizedBERTPretrainingApproach(一种鲁棒优化的BERT预训练方法)细读，半天Motivationhypeparameterchoices对我们最终结果影响很大。提出一项BERT预处理的replicationstudy：仔细测量了许多keyhyperparameters和trainingdatasize的影响发现BERT的训练明显不

Douzi1024·2023-10-10 19:05

论文阅读：Fast Point R-CNN

1.introduction部分首先介绍传统的CNN面向图像数据来源，但是针对点云做深度学习在无人驾驶，机器人等领域是很有必要的。然后说点云，太稀疏，奇异性大，不好直接做。那么有一种比较流行的处理手段就是：volumetric体素化。但是volumetric又有计算量太大的缺点。那么就有两种处理手段：usecoarsegrid：粗的栅格化处理。这种方法的问题：无法利用fine-grained的信息

Allen的光影天地·2023-10-10 08:25

推荐频道

图像去雾论文阅读

论文阅读:pointnet

论文阅读：AutoAssign

论文阅读： BI-GCN

论文阅读：

自监督论文阅读笔记 Ship Detection in Sentinel 2 Multi-Spectral Images with Self-Supervised Learning

论文阅读笔记（四十五）：Deformable Convolutional Networks

Learn to See in the Dark（论文阅读笔记）

论文阅读：Optical Flow in the Dark

论文阅读之《Learn to see in the dark》

《论文阅读：Dataset Condensation with Distribution Matching》

[论文阅读]PointPillars——点云目标检测的快速编码器

论文阅读二：OpenFlow交换机流表溢出问题的缓解机制

开放目标检测Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection 论文阅读笔记

Transformer 系列 Interpret Vision Transformers as ConvNets with Dynamic Convolutions 论文阅读笔记

VIT、CILP、Swin Transformer、MAE模型论文阅读笔记

论文阅读》用语义解耦改进共情对话生成 2022 IJCKG

Burstormer论文阅读笔记

Learning Sample Relationship for Exposure Correction 论文阅读笔记

Exposure Normalization and Compensation for Multiple-Exposure Correction 论文阅读笔记

论文阅读“FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence”

系列论文阅读——Policy Gradient Algorithms and so on(3)

论文阅读之【Is GPT-4 a Good Data Analyst?（GPT-4是否是一位好的数据分析师）】

论文阅读/写作扫盲

论文阅读-The fast continuous wavelet transformation (fCWT) for real-time, high-quality, noise-resistance

论文阅读：NetBrick: a high-performance, low-power hardware platform for wireless and hybrid sensor ne...

【论文阅读】EasyEdit：Editing Large Language Models: Problems, Methods, and Opportunities （三）

【论文阅读】EasyEdit：Editing Large Language Models: Problems, Methods, and Opportunities （一）

【论文阅读】EasyEdit：Editing Large Language Models: Problems, Methods, and Opportunities （二）

基于MATLAB的去雾系统（深度学习/传统/改进方法）V3.0

多尺度retinex图像去雾算法matlab仿真

论文阅读：Protecting Intellectual Property of Deep Neural Networks with Watermarking

论文阅读 Self-Mimic Learning for Small-scale Pedestrian Detection

论文阅读 Extended Feature Pyramid Network for Small Object Detection

【论文阅读】面向抽取和理解基于Transformer的自动作文评分模型的隐式评价标准（实验结果部分）

BERT ：Pre-training of Deep Bidirectional Transformers for Language Understanding论文阅读笔记（NAACL 2019）

《论文阅读》通过动态融入常识知识来提高同理心对话的生成 ACL (Findings) 2023

Practical Memory Leak Detection using Guarded Value-Flow Analysis 论文阅读

《论文阅读》同情对话生成的知识桥梁 AAAI 2021

【自动驾驶论文阅读笔记——精读RetinaTrack】

论文阅读笔记（Clover: 计算与存储被动分离的分布式键值存储系统）

[论文阅读]Capturing Associations in Graphs 阅读笔记

Multilevel domain decomposition-based architectures for physics-informed neural networks

Finite Basis Physics-Informed Neural Networks (FBPINNs) a scalable domain decomposition approa

A Sequential Meta-Transfer (SMT) Learning to Combat Complexities of Physics-Informed Neural Networks

Multi-Grade Deep Learning for Partial Differential Equations

论文阅读2：《LayoutTransformer: Layout Generation and Completion with Self-attention》主题：Layout Generation..

DRL-VO: Learning to Navigate Through Crowded Dynamic Scenes Using Velocity Obstacles 论文阅读

论文阅读--深度学习基础文献

论文阅读（11）RoBERTa: A Robustly Optimized BERT Pretraining Approach（2019）

论文阅读：Fast Point R-CNN