文本摘要论文阅读第52页

论文阅读——MobileNetV2: Inverted Residuals and Linear Bottlenecks

继续MobileNetv2.改进：InvertedResidualconnections&LinearBottleneck摘要：在轻量级的MobileNetv1提出后，本文又将轻量级的思想应用于分割网络，精简了DeepLabv3用于分割。 主要创新点在invertedresiduals和linearbottleneck的提出。在网络瓶颈部分增加invertedresiduals连接以及移除网络瓶颈

黄小米吖·2023-01-31 12:12

2021年1月读书计划

《教学勇气》4.自选论文阅读

萝卜丝katichen2·2023-01-31 12:41

GVINS论文阅读（VINS-MONO + gnss 紧耦合）

原文https://arxiv.org/pdf/2103.07899.pdfgithubhttps://github.com/HKUST-Aerial-Robotics/GVINS港科大沈老师团队在vins-mono基础上加入gnss原始测量值的紧耦合算法原文详解视觉、imu、gnss的紧耦合，gnss用的是伪距和多普勒观测值整体的滑窗优化仍旧是vins-mono的体系主要创新在于初始化部分和滑窗

slam萌新·2023-01-31 11:46

Efficient Organized Point Cloud Segmentation with Connected Components论文阅读

文章目录EfficientOrganizedPointCloudSegmentationwithConnectedComponents方法AConnectedComponentAlgorithmBPlanarSegmentationCPlanarRefinementAlgorithmEfficientOrganizedPointCloudSegmentationwithConnectedCompo

double立li·2023-01-31 11:45

ICCV2015(object detection)：Fast RCNN-论文解读《Fast R-CNN》

文章目录原文地址论文阅读方法初识（Abstract&Introduction&Conclusion）相知（Body）2.FastR-CNNarchitectureandtraining2.1TheRoIpoolinglayer2.2Initializingfrompre-trainednetworks2.3Fine-tuningforobjectdetectionMulti-tasklossMin

我是大黄同学呀·2023-01-31 11:40

NLP 进行文本摘要的三种策略代码实现和对比：TextRank vs Seq2Seq vs BART

来源：DeephubImba本文约8400字，建议阅读15分钟本文将使用Python实现和对比解释NLP中的3种不同文本摘要策略。

数据派THU·2023-01-31 11:34

【论文阅读及复现】（2017）Densely Connected Convolutional Networks + Pytorch代码实现

文章目录一、摘要二、DenseNet网络结构三、DenseBlock四、PyTorch-GPU代码实现论文来源：（2017）DenselyConnectedConvolutionalNetworks作者：GaoHuang等人一、摘要最近的工作表明，如果卷积网络在靠近输入的层和靠近输出的层之间包含较短的连接，则它们可以更深、更准确和更有效地训练。在本文中，我们接受了这一观察并介绍了密集卷积网络（De

WSKH0929·2023-01-31 07:45

《QoS-FS: a new forwarding strategy with QoS for routing in Named Data Networking》论文阅读笔记

paperAbstract以信息为中心的网络（ICN）是未来Internet体系结构的一种新颖范例。ICN的目的是适应Internet基础结构中的内容分发。命名数据网络（NDN）是最流行的ICN提案之一。本文介绍了QoS-FS的设计，这是一种新的NDN具有服务质量（QoS）的自适应转发策略。在网络的每个节点处，QoS-FS监控器实时地传入和传出网络的链接，以估计QoS参数并将其集成到为确定何时和使

甸仔向前冲·2023-01-31 04:32

论文阅读——Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference

论文阅读——QuantizationandTrainingofNeuralNetworksforEfficientInteger-Arithmetic-OnlyInferencefromGoogleAbstract

黄小米吖·2023-01-31 01:05

联邦学习论文阅读

最近阅读了两篇关于联邦学习的论文，《Communication-EfficientLearningofDeepNetworksfromDecentralizedData》和《FedMDHeterogenousFederatedLearningviaModelDistillation》，提出了两种算法FedAvg和FedMD。Communication-EfficientLearningofDeep

Septieme·2023-01-30 23:39

[论文阅读2]Influence Function based Data Poisoning Attacks to Top-NRecommender Systems

qq_43532928·2023-01-30 21:34

论文阅读：GPT-Improving Language Understanding by Generative Pre-Training

Abstract通过在不同的无标记的文本语料库上生成语言模型的预训练，然后对每个任务进行区分性调整在微调期间使用任务感知的输入转换，同时对模型体系结构进行最小的更改1.INTRODUCTION未标记文本的单词级信息仍旧是一个挑战1.First,itisunclearwhattypeofoptimizationobjectivesaremosteffectiveatlearningtextrepre

咕噜咕噜day·2023-01-30 20:17

论文阅读《Improving Language Understanding by Generative Pre-Training》

论文地址：《ImprovingLanguageUnderstandingbyGenerativePre-Training》文章目录论文介绍相关工作框架预训练阶段微调阶段实验分析论文介绍本论文探索一种基于半监督解决语言理解任务方法，使用无监督预训练和监督微调。目标是从大量未标注语料库学习一种普遍的表征，不要求目标任务与未标注语料库在相同领域。训练分为两个阶段：首先，在未标注数据上使用语言建模来学习神

Diobld·2023-01-30 20:46

transformer库使用

这些模型可用于不同模态的任务，文本：文本分类、信息抽取、问答系统、文本摘要、机器翻译和文本生成。图像：图像分类、目标检

big_matster·2023-01-30 18:33

SLAM综述阅读笔记六：基于图像语义的SLAM调研：移动机器人自主导航面向应用的解决方案 2020

转自【【论文阅读】Asurveyofimagesemantics-basedvisualsimultaneouslocalizationandmapping语义视觉SLAM综述-知乎】Asurveyofimagesemantics-basedvisualsimultaneouslocalizationandmapping

light169·2023-01-30 18:59

论文阅读1：DS-SLAM: A Semantic Visual SLAM towards Dynamic Environments

DS-SLAM:ASemanticVisualSLAMtowardsDynamicEnvironments面向动态环境的语义视觉SLAM摘要：DS-SLAM将语义分割网络与移动一致性检查方法相结合，降低了动态对象的影响，从而大大提高了动态环境下的定位精度。关键词：运动一致性检测、语义分割、SegNet、稠密八叉树图目的：提升系统在动态环境中的鲁棒性、稳定性和检测精度；框架：使用ORB-SLAM2作

MclarenSenna·2023-01-30 18:29

2. Transformer相关的原理（2.1.图解attention）

seq2seq模型结构在很多任务上都取得了成功，如：机器翻译、文本摘要、图像描

sunshinecxm_BJTU·2023-01-30 16:55

（科普）nlp-图解Attention+Transformer

如：机器翻译、文本摘要、图像描述生成。谷歌翻译在2016年年末开始使用这种模型。

꧁ᝰ苏苏ᝰ꧂·2023-01-30 16:55

电脑必备常用软件&好用的软件合集

包括电脑必装工具软件、学习论文阅读软件、python编程基本环境配置以及一些学习工具。1.浏览器：火狐浏览器，谷歌浏览器2.python基础编程必备软件：python，jupyternotebo

要努力学习鸭·2023-01-30 16:55

【NLP】图解 Attention完整版

序列到序列（seq2seq）模型是一种深度学习模型，在很多任务上都取得了成功，如：机器翻译、文本摘要、图像描述生成。谷歌翻译在2016年年末开始使用这种模型。

风度78·2023-01-30 16:23

轻量级语义分割模型论文阅读笔记（二）

本文汇总一些阅读过的轻量级语义分割模型相关论文，并记录一些心得感想。BiSeNet(V1)文章链接代码链接发表时间：2018速度与精度的权衡以及语义信息和空间细节的权衡是轻量级语义分割模型设计领域永恒的话题。对于语义分割任务而言，我们需要足够的空间上下文来判别物体的语义类别，同时也希望有足够多的空间细节来实现物体边缘等位置的精细化识别（这点与通常的分类任务不同）。为了解决空间信息的缺失问题从而提升

Bobholamovix·2023-01-30 13:50

论文阅读笔记U-net：Convolutional Networks for Biomedical Image Segmentation

U-net：ConvolutionalNetworksforBiomedicalImageSegmentation转载于:https://www.cnblogs.com/fighting-lady/p/7118317.html

weixin_30278311·2023-01-30 12:31

Sampled Softmax

由于基于神经网络的生成式文本摘要的原始模型就是从NMT迁移过来的，所以研究文本

清川先生·2023-01-30 12:01

论文阅读（11）-具有上下文信息融合结构的多阶段皮肤病变分割框架

目录AMULTI-STAGEFRAMEWORKWITHCONTEXTINFORMATIONFUSIONSTRUCTUREFORSKINLESIONSEGMENTATION摘要1、引言2、方法2.1多级U-Net结构2.2上下文信息融合结构2.3深监督机制3、试验结果3.1数据描述和实现细节3.2结果4、结论AMULTI-STAGEFRAMEWORKWITHCONTEXTINFORMATIONFUS

peacefairy·2023-01-30 12:26

《论文阅读》DialogXL: All-in-One XLNet for Multi-Party Conversation Emotion Recognition

《论文阅读》DialogXL:All-in-OneXLNetforMulti-PartyConversationEmotionRecognition简介思路出发点任务定义模型结构构造输入模型架构UtteranceRecurrenceDialog-AwareSelf-Attention

365JHWZGo·2023-01-30 09:31

raft理论与实践[4]-lab2b

准备工作阅读raft论文阅读我写的raft理论与实践[1]-理论篇阅读raft理论与实践[2]-lab2a阅读raft理论与实践[3]-lab2a讲解由于我们需要模拟rpc远程调用，因此需要查看我写的这篇文章

唯识相链2·2023-01-30 09:38

【论文阅读】HeCo：Self-supervised Heterogeneous Graph Neural Network with Co-contrastive Learning

具有协同对比学习的自监督异质图神经网络摘要1准备工作2HeGo模型2.1节点特征转换2.2网络架构视角引导的编码器2.3元路径视角引导的编码器2.4视角掩蔽机制2.5协同对比优化（CollaborativelyContrastiveOptimization）2.6模型扩展2.6.1HeCo_GAN2.6.2HeCo_MU3实验3.1实验设置3.2节点分类3.3节点聚类论文链接：https://ar

Cziun·2023-01-30 08:53

Transformer onnx模型的导出

当decoder为多步解码时，如生成式任务中的机器翻译、文本摘要等，由于decoder需要多次用到，问题变得稍稍复杂了一点。由于onnx对多步解码的支持较差，我们选择将模型拆分成en

haroldLiu001·2023-01-30 08:37

Continuous Semantic Topic Embedding Model Using Variational Autoencoder论文阅读

该文提出了一种连续语义主题嵌入模型（CSTEM），该模型利用主题与词之间的连续语义距离函数来寻找文档中潜在的主题变量。语义距离可以用欧氏空间上任何对称的钟形几何距离函数来表示，本文采用马氏距离来表示。为了使语义距离更恰当地执行，我们新为每个单词引入了一个额外的模型参数，从这个距离中去掉全局因子，表明不管主题如何，它发生的可能性有多大。这无疑改善了以往的连续词嵌入主题模型中使用的高斯分布无法正确解释

Cry_Cry00·2023-01-30 07:20

论文阅读笔记—ECCV2022—MoFaNeRF

重要信息需要注意已有论文本文章涉及GAN和NeRF的相关知识点，如果不了解的话需要自行学习，文章最后给出了参考文献目录1.简介2.背景介绍3.方法实现3.1训练数据3.2总体框架3.3TextureEncodingModule(TEM)3.4Identity-specificmodulation(ISM)3.5RefineNet3.6训练细节4.结果与应用4.1图像生成4.2图像拟合（fittin

CV小小白·2023-01-29 20:45

Enriching Pre-trained Language Model with Entity Information for Relation Classification论文阅读

论文题目：EnrichingPre-trainedLanguageModelwithEntityInformationforRelationClassification作者：ShanchanWu，YifanHe，AlibabaGroup(U.S.)Inc.,Sunnyvale,CA原文链接：https://arxiv.org/pdf/1905.08284.pdfgithub：https://git

诸恶莫作众善奉行·2023-01-29 20:44

论文阅读：Boosting 3D Object Detection by Simulating Multimodality on Point Clouds

Boosting3DObjectDetectionbySimulatingMultimodalityonPointCloudsResponseDistillationSparse-VoxelDistillationVoxel-to-PointDistillationInstanceDistillationlossExperiments稠密（多模态、多帧）信息->稀疏（单模态点云，单帧）信息的知识蒸

zhSunw·2023-01-29 20:11

基于深度学习的推荐系统中的毒药攻击

《DataPoisoningAttackstoDeepLearningBasedRecommenderSystems》论文阅读笔记背景：（1）推荐系统，从基于近邻，关联规则，矩阵分解，到基于深度学习的模型

Xidian小韩同学·2023-01-29 20:37

论文阅读：Boosting Single-Frame 3D Object Detection by Simulating Multi-Frame Point Clouds

BoostingSingle-Frame3DObjectDetectionbySimulatingMulti-FramePointCloudsMulti-viewdenseobjectfusionSelf-attentionvoxeldistillationSelf-attentionvoxeldistillationAdaptiveResponseDistillationEXPERIMENTST

zhSunw·2023-01-29 19:51

论文阅读笔记：《Point Transformer》-- Hengshuang Zhao等

这是一篇21年发表在ICCV上的一篇文章，感兴趣的可以前去下载阅读：PointTransformer一、标题解读Point：课上老师曾说：点云给人们提供了一种新的认识世界的方式。相比于排列在规则像素网格上的二维图像，点云是嵌入在三维空间的集合。Transformer：self-attention是transformer的核心，发源于NLP领域，已经在NLP、CV领域等大放异彩，其本质就是一个集合操

sijieLee·2023-01-29 17:53

论文阅读“CpT: Convolutional Point Transformer for 3D Point Cloud Processing”

CpT:ConvolutionalPointTransformerfor3DPointCloudProcessing文章信息1.摘要2.问题3.思路4.方法5.平台6.验证7.参考文章信息1.摘要我们介绍了CpT：ConvolutionalpointTransformer–一种新的深度学习体系结构，用于处理三维点云数据的非结构化性质。CpT是对现有基于注意的卷积神经网络以及以前的3D点云处理变压器

zycongzz·2023-01-29 17:52

【论文阅读】【3d目标检测】point transformer

论文标题：PointTransformericcv2021用transformer做点云工作出于点云的随机性transformer正好处理此类问题但是很显然对于大规模的点云直接使用transformer计算量是巨大的所以作者提出来一种新的transformer处理形式，那便是knn查找临近点。首先作者介绍了transformer的背景自注意力操作主要可以分为scalar和vectorattenti

Lukas88664·2023-01-29 17:51

[论文阅读笔记68]Sentence-BERT

1.基本信息题目论文作者与单位来源年份Sentence-BERT:SentenceEmbeddingsusingSiameseBERT-Networks达姆施塔特工业大学--德国EMNLP20191791CitationsReimers,N.,&Gurevych,I.(2019).Sentence-BERT:SentenceEmbeddingsusingSiameseBERT-Networks.A

happyprince·2023-01-29 14:44

《Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks》论文阅读

文章地址：https://arxiv.org/abs/1908.10084文章目录文章内容文章模型文章总结文章内容 BERT和RoBERTa在一些任务中已经取得了不错的结果，但是在处理句子对相关的任务时，它们要求将2个句子一起输入到网络当中训练，而这又会导致高昂的计算代价。因此这篇论文的作者提出了Sentence-BERT(SBERT)，其使孪生或三生网络架构（siameseandtriplet

jst100·2023-01-29 14:13

智能文档处理IDP关键技术与实践-高翔

关于自然语言处理技术的研究有很长历史，针对不同层面文本处理和分析有很多技术点，常见技术例如分词与词性标注、命名实体识别、句法结构分析、文本分类、文本摘要等功能。

DatagrandRS·2023-01-29 13:27

FaceShifter: Towards High Fidelity And Occlusion Aware Face Swapping论文阅读笔记

论文题目和原文：FaceShifter:TowardsHighFidelityAndOcclusionAwareFaceSwapping

只会写bug的菜鸡·2023-01-29 13:20

论文阅读【ACM_2020】SimSwap: An Efficient Framework For High Fidelity Face Swapping

论文阅读【ACM_2020】SimSwap:AnEfficientFrameworkForHighFidelityFaceSwapping论文的缩写全拼一、摘要(问题，贡献，效果)二、引言(idea)1

旋转的油纸伞·2023-01-29 13:50

论文阅读—图像分割方法综述(一)（arXiv:[cs:cv]20200410）

论文：ImageSegmentationUsingDeepLearning:ASurvey作者：ShervinMinaee,YuriBoykov,FatihPorikli,AntonioPlaza论文阅读

Jeremy_lf·2023-01-29 12:39

论文阅读: 2103.Boundary IoU

2103.16562：BoundaryIoU:ImprovingObject-CentricImageSegmentationEvaluation动机MaskIoU对于大物体边界的分割质量不敏感：随着物体尺寸的增加，物体内部像素数量以二次方形式增加，而物体边界像素数量以线性形式增加，导致尺寸越大的物体，边界像素占总像素的比重越小。当物体内部像素被正确分割时，即使边界像素分割质量不好，MaskIoU

JNingWei·2023-01-29 09:30

Multi-View Stereo for Community Photo Collections 论文阅读笔记

Multi-ViewStereoforCommunityPhotoCollections论文阅读笔记上一篇论文笔记，主要介绍了如何从photocollection中获得点云（pointclouds），这一篇论文主要介绍

青一其·2023-01-29 09:36

NLP文本摘要NO.3 seq2seq数据处理部分

seq2seq实现文本摘要的架构编码器端负责将输入数据进行编码,得到中间语义张量.解码器端负责一次次的循环解析中间语义张量,得到最终的结果语句.一般来说,我们将注意力机制添加在解码器端.对比于英译法任务

XD101DX·2023-01-29 07:07

Generative Adversarial Nets 论文阅读报告

摘要本文提出了一种通过对抗过程训练生成模型的框架。这一框架下，同时训练生成模型GGG和判别模型DDD。生成模型GGG学习数据分布，判别模型DDD判别输入的数据来自训练用的数据集的概率ppp（来自数据集的概率为ppp，来自生成模型GGG的概率为(1−p)(1-p)(1−p)）。训练的目的是，对于GGG生成的数据，最大化DDD判别数据是否来自训练集的错误率，这意味生成模型输出的数据很好地拟合了数据集的

ChenXu+86·2023-01-29 00:10

论文阅读笔记《DFVS: Deep Flow Guided Scene Agnostic Image Based Visual Servoing》

核心思想该文提出一种利用光流估计和深度估计的基于图像的视觉伺服算法，传统的基于图像的视觉伺服算法中有两个难点：一是需要人工选择特征点，而且特征点必须在相机的视野范围之内，一旦特征点丢失，视觉伺服过程可能失效；二是需要知道特征点的深度信息，传统方法通常采用近似或根据机器人里程计进行估计的方法来获得。针对这两个难点，该文提出了利用深度学习方法来进行光流估计和深度估计的方法，光流估计可以得到两幅图像

深视·2023-01-29 00:06

论文阅读笔记《DeepMPCVS: Deep Model Predictive Control for Visual 》

核心思想本文提出一种基于深度模型预测控制的视觉伺服方法，与传统的视觉伺服方法不同，该方法既不需要设计视觉特征，也不需要计算交互矩阵的逆矩阵。而是利用光流信息来描述当前图像和期望图像之间的差异，并且通过交互矩阵（图像雅可比矩阵）将速度信息和光流信息关联起来，因为交互矩阵就是描述了图像中的位置变化与运动速度之间的关系。进而使用一个基于循环神经网络的模型来根据上一时刻的速度，输出未来时刻的速度指令。