文本摘要论文阅读

Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic Segmentation（论文阅读笔记）

Cylinder3D:AnEffective3DFrameworkforDriving-sceneLiDARSemanticSegmentation（Cylinder3D：一种有效的三维驱动场景激光雷达语义分割框架）非一致性残差块、维度分解语义建模、柱状卷积骨干网络一、重点内容提取设计了一种柱面划分的三维点云表示，它适用于驱动场景激光雷达点云的不同稀疏性，并提出了一种基于三维卷积的网络。该骨干网络
董*飞飞·2023-01-12 23:23

推荐系统公平性论文阅读(一)

公平性(fariness)-新的突破点推荐系统的公平性(fairness)正在成为推荐系统领域的一个新的突破点，目前对于推荐系统这种需要落地的应用，单纯的在模型领域取得准确率等指标的突破已经不是唯一的追求。虽然fancy的模型依然重要，但是越来越多的学者关注于模型在应用中的可解释性以及机器学习算法中性别偏见、种族歧视等不公平问题，而这也与社会学、人口学、经济学等不同学科产生了交叉。我决定先选几篇前
「已注销」·2023-01-12 22:13

论文阅读(9)---基于Transformer的多模态CNN心电图心律失常分类

Multi-moduleRecurrentConvolutionalNeuralNetworkwithTransformerEncoderforECGArrhythmiaClassification研究背景目前已存的关于心电图分类的方法主要包括：将原始心电图作为输入，并且将ECG分段以后利用1DCNN进行分类侧重于心电图信号的频率特征，使用其时间频率光谱图作为2DCNN的输入进行分类目前的分类方法
打着灯笼摸黑·2023-01-12 21:40

论文阅读：TransFG: A Transformer Architecture for Fine-grained Recognition

目录用细粒度识别Transformer架构一、动机二、方法2.1大致流程2.2步骤分解三、实验3.1数据集用细粒度识别Transformer架构一、动机由于固有的微妙的类间差异，从子类别中识别对象的细粒度视觉分类（FGVC）是一项非常具有挑战性的任务。通过关注如何定位最具辨别力的图像区域，并依靠它们来提高网络捕获细微差异的能力来解决这个问题。Transformer的自注意力机制将每个token标记
Serayah·2023-01-12 21:06

Knowledge Tracing 资源帖2

DeepKnowledgeTracing[Pytorch]|一切皆可解读(chsong.live)介绍了DKT的具体实现知识追踪-knowledgetracing(wqw547243068.github.io)改进遗忘机制论文阅读笔记
sereasuesue·2023-01-12 19:40

【论文阅读】PGM-index

文章目录1.INTRODUCTION2.PGM-INDEX2.1OptimalPLA-model2.2IndexingthePLA-model3.DYNAMICPGM-INDEX(插入和删除)4.COMPRESSEDPGM-INDEX1.INTRODUCTION具体来说，我们设计了一个完全动态的学习指数，即分片几何模型指数（PGM-index），它根据一个新的递归结构中固定的最大误差容忍度来协调线
summermoonlight·2023-01-12 19:39

《Deep Knowledge Tracing》 论文阅读笔记

DeepKnowledgeTracing论文阅读笔记参考文献：PiechC,SpencerJ,HuangJ,etal.DeepKnowledgeTracing[J].ComputerScience,2015,3
威武的小炮·2023-01-12 19:08

S2FGAN论文阅读

S2FGAN:SemanticallyAwareInteractiveSketch-to-FaceTranslation我们的方法只需指定要更改的属性，就可以操作单个或多个人脸属性。生成性对抗网络[7]是一种新兴的图像合成技术，在图像到图像（I2I）的翻译中取得了巨大成功。现在，通过使用条件GANs学习像素对应关系，从草图生成照片逼真的人脸成为可能。尽管这些技术仍然成功地让新手艺术家从草图中恢复人
Zherui Cao·2023-01-12 18:04

论文阅读：Unsupervised Domain Adaptation for Face Recognition in Unlabeled Videos

概述：UnsupervisedDomainAdaptationforFaceRecognitioninUnlabeledVideos，ICCV2017的文章，实现的是用domainadaptation技术将没有label的视频数据迁移到图片识别网络中。作者：URL：http://openaccess.thecvf.com/content_ICCV_2017/papers/Sohn_Unsuperv
yangfuweivip·2023-01-12 18:55

《论文阅读》xMUDA: Cross-Modal Unsupervised Domain Adaptation for 3D Semantic Segmentation

留个笔记自用xMUDA:Cross-ModalUnsupervisedDomainAdaptationfor3DSemanticSegmentation做什么Instancesegmentation实例分割目标检测（Objectdetection）不仅需要提供图像中物体的类别，还需要提供物体的位置（boundingbox）。语义分割（Semanticsegmentation）需要预测出输入图像的每
未知丶丶·2023-01-12 18:51

论文阅读：Unsupervised Intra-domain Adaptation for Semantic Segmentation through Self-Supervision

UnsupervisedIntra-domainAdaptationforSemanticSegmentationthroughSelf-Supervision原文链接：点击下载文章目录UnsupervisedIntra-domainAdaptationforSemanticSegmentationthroughSelf-Supervision摘要框架域间自适应阶段熵排序过程域内自适应阶段Expe
CccMing、、、·2023-01-12 18:46

论文阅读《Deep Long-Tailed Learning: A Survey》综述（二）

4实证研究本节对现有的长尾学习方法进行实证分析。首先，我们引入一个新的评估指标。4.1新颖的评估度量长尾学习的关键目标是处理类不平衡以获得更好的模型性能。因此，常见的评估协议[13]，[22]直接使用top-1测试精度(用At表示)来判断长尾方法的执行情况，以及哪种方法更好地处理类不平衡。然而，当处理类别不平衡时，这样的度量不能准确地反映不同方法之间的相对优势，因为除了类别不平衡之外，前1名的准确
一颗仙桃儿·2023-01-12 17:06

论文阅读《Deep Long-Tailed Learning: A Survey》综述（一）

DeepLong-TailedLearning:ASurvey深度长尾学习是视觉识别中最具挑战性的问题之一，旨在从大量遵循长尾类分布的图像中训练出表现良好的深度模型。在过去的十年中，深度学习已经成为学习高质量图像表征的强大识别模型，并在通用视觉识别方面取得了显著的突破。然而，长尾类不平衡是实际视觉识别任务中的一个常见问题，它往往限制了基于深度网络的识别模型在实际应用中的实用性，因为它们很容易偏向优
一颗仙桃儿·2023-01-12 17:05

论文阅读《Deep Long-Tailed Learning: A Survey》综述（三）

6未来方向在本节中，我们从方法创新和任务创新两个角度确定了深度长尾学习的几个未来研究方向。6.1NewMethodology我们首先讨论创新深度长尾学习方法的几个潜在方向。Classre-balancingwithoutlabelfrequencies无标签频率的类别重新平衡。一些真实世界的长尾任务，例如多标签分类或对象检测，可能遭受除类别不平衡之外的额外问题，即标签共现。具体来说，标签共现表示头
一颗仙桃儿·2023-01-12 17:35

[调研]一些公开NLP库的效果

文章目录1.实验目的2.功能矩阵对比3.性能测试（1）分词（2）命名实体识别（3）抽取式文本摘要（4）语义相似度（5）依存句法分析1.实验目的对比主流nlp框架的功能，并对其实际效果进行测评，以便后续使用
女青年学习日记·2023-01-12 17:22

【论文阅读笔记|coling2020】TPLinker: Single-stage Joint Extraction of Entities and RelationsThrough Token P

论文题目：TPLinker:Single-stageJointExtractionofEntitiesandRelationsThroughTokenPairLinking（单阶段联合提取通过token对连接的实体和关系）论文来源：coling2020论文链接：https://aclanthology.org/2020.coling-main.138.pdf代码链接：https://github.
Rose sait·2023-01-12 16:31

知识点链接

基于对比学习的事件抽取预训练论文：https://arxiv.org/pdf/2105.14485.pdf视频：【AIDrive】ACL2021：基于对抗学习的事件抽取预训练模型_哔哩哔哩_bilibili笔记：论文阅读笔记
Rose sait·2023-01-12 16:30

论文阅读：Parameters Sharing Exploration and Hetero-Center based Triplet Loss for Visible-Thermal Person

1、问题跨模态行人重识别解决模态差异问题的传统方法是将不同模态的特性映射到一个共享子空间中提取与模态无关的共享的特征，后来出现了双流网络提取模态特有特征和共享特征，这种方式对于鉴别特征的提取更有效。但是这些跨模态行人重识别模型的baseline不够strong和effective，因此，本文提出了一些方法得到了更强的baseline。2、思想此前的工作中已经有使用双流网络的，但是还没有系统的研究双
白头骚更短·2023-01-12 16:28

ATSS 论文阅读笔记以及核心代码解析

文章目录1论文题目2论文目的3论文实现4核心代码解读1论文题目BridgingtheGapBetweenAnchor-basedandAnchor-freeDetectionviaAdaptiveTrainingSampleSelection本篇论文也是入选了2020年的CVPR，算是今年CVPR里目标检测方向为数不多的论文之一。2论文目的首先，本文作者指出在目标检测的方法中，anchor-bas
零记忆_CV小白·2023-01-12 16:22

论文阅读29 | Parameter Sharing Exploration and Hetero-center Triplet Loss for V-TReID

论文：ParameterSharingExplorationandHetero-centerTripletLossforVisible-ThermalPersonRe-Identification（精读）1.abstract本文的创先点在于以下几个方面：①对双流网络resnet50多少参数共享进行了讨论，实验结果表明stage0和stage1作为特定模态特征提取器，stage2,3,4作为共享网络
Hygge MrYang·2023-01-12 16:52

行人重识别论文阅读13-Parameter Sharing Exploration and Hetero-center Triplet Loss for Visible-Thermal Person

ParameterSharingExplorationandHetero-centerTripletLossforVisible-ThermalPersonRe-Identification1.解决的问题解决白天可见光和夜晚红外热成像的人员匹配问题，通过使用共享的双流网络进行研究。VT-ReID问题面临的两个问题：可见光和红外光的图片性质差别较大。由于摄像头视点变化和不同的人体姿势导致的模态内度量
倾夏而醒·2023-01-12 16:21

论文阅读：ATSS

本文是阅读BridgingtheGapBetweenAnchor-basedandAnchor-freeDetectionviaAdaptiveTrainingSampleSelection这篇论文整理的笔记。论文链接：https://arxiv.org/abs/1912.02424代码地址：https://github.com/sfzhang15/ATSS摘要本文论证Anchor-based和A
lansebingxuan·2023-01-12 16:49

ATSS论文阅读笔记

ATSS论文阅读笔记论文名称：BridgingtheGapBetweenAnchor-basedandAnchor-freeDetectionviaAdaptiveTrainingSampleSelection
cuihaoren01·2023-01-12 16:17

目标检测论文阅读：ATSS算法笔记

标题：BridgingtheGapBetweenAnchor-BasedandAnchor-FreeDetectionviaAdaptiveTrainingSampleSelection会议：CVPR2020论文地址：https://ieeexplore.ieee.org/document/9156746/通过阅读这篇文章，可以对目标检测算法中正负样本分配这一环节有更深刻的理解。ATSS基于FCO
Convolution@·2023-01-12 16:13

基于 Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis 的语音克隆复现论文阅读

最近发现了一篇关于语音克隆的论文TransferLearningfromSpeakerVerificationtoMultispeakerText-To-SpeechSynthesis，但原论文是没有开源的。不过在GitHub上发现了别的大佬复现此论文的开源项目，特此来翻译一下复现论文。原论文链接：https://arxiv.org/pdf/1806.04558.pdf复现论文链接：https:/
小朋友爱吃甜甜圈·2023-01-12 13:49

论文阅读笔记(18):Graph Convolutional Subspace Clustering，图卷积子空间聚类

论文阅读笔记（18）：GraphConvolutionalSubspaceClustering:ARobustSubspaceClusteringFrameworkforHyperspectralImage
塔_Tass·2023-01-12 12:11

论文阅读笔记之Deformable Convolutional Networks

论文地址：https://arxiv.org/abs/1703.06211摘要：卷积神经网络的固定几何结构限制了模型对物体形变的建模能力，在本工作中，我们引入了两个新的模块来增强CNNs的形变建模能力，即可变形卷积和可变形RoI池。通过额外的偏移量参数增强空间位置采样能力，并从目标任务中学习偏移量，不需要附加偏移量监督。新模块可以很容易的在现有网络中进行替换，通过标准反向传播很容易进行端到端的训练
AICVer·2023-01-12 12:40

【论文阅读笔记】Graph Convolutional Networks for Text Classification

目录1原文2针对问题3模型/方法3.1TextGCN4实验结果5讨论6结论1原文GraphConvolutionalNetworksforTextClassification源码2针对问题文本分类是自然语言处理中一个常见的基础问题。我们常用的文本表示方法有CNN，RNN，LSTM等等。这些模型会优先考虑文本的顺序信息和局部信息，能够很好的捕获连续词序列中的语义和语法信息，但是它忽略了全局的词共现，
月满星沉·2023-01-12 12:09

AllenNLP系列文章之四：指代消解

指代消解不但在信息抽取中起着重要的作用，而且在机器翻译、文本摘要和问答系统等应用中也
sparkexpert·2023-01-12 11:21

Seq2Seq模型与Attention机制

该模型可用于翻译，聊天机器人，句法分析，文本摘要等。‪二、Seq2Seq模型图示1.编码
Chiancc·2023-01-12 10:45

论文阅读：Zoom-Net：Mining Deep Feature Interactions for Visual Relationship Recognition(ECCV18)

这篇论文有两个亮点，第一个是SCA-Module，第二个是损失函数的求法。整个框架还是很简洁明了的，就不多说了。1.Spatiality-Context-ApperanceModule（SCA-M）总共计算了五种特征，主宾各一种，谓语三种。图上画得挺清楚的，就不细说了。谓语的三种特征计算的这种结构叫做ContrasiveROIPooling，是用来感知空间位置关系的主语和宾语的计算结构叫做Pyra
糖豆豆今天也要努力鸭·2023-01-12 08:09

论文阅读：Dialogue Response Selection with Hierarchical Curriculum Learning（ACL2021）

Abstract作者在研究对话反应选择匹配模型的时候，发现使用随机负样本训练的模型再实际应用场景中并不理想，所以作者提出了一个分层课程学习框架，从易到难训练匹配模型。学习框架包括两个互补课程：语料级的课程CC和实例级的课程IC。在CC中，模型在对话上下文和回答之间搜索匹配线索的能力逐渐增强，在IC中，它也能逐步增强模型识别对话上下文和回答候选之间匹配到错误信息的能力。实验中，作者使用三个最先进的匹
小白之比白更白·2023-01-12 07:46

《基于RCF边缘检测和双目视觉的箱体体积测量算法》论文阅读笔记

原论文查看地址：https://csnjiokh71.feishu.cn/file/boxcnyF7HGMFDiWayf0vSTcYTec1.双目畸变的原理分析：实际情况下，相机的主点（cx，cy）并不位于图像中心，两者存在一定的偏差，而且X方向的等效焦距fx和Y方向的等效焦距fy也不相等，所以还需要求解相机的畸变参数；设畸变坐标为（x，y）,矫正后坐标为（x`,y`），则畸变矫正的数学模型为：其
tellw0.0·2023-01-12 06:43

论文阅读-FDA Federated Defense Against Adversarial Attacks for Cloud-Based IIoT Applications

FDA:FederatedDefenseAgainstAdversarialAttacksforCloud-BasedIIoTApplications（这里的对抗攻击都有哪儿些-基于数据Or-基于模型）IEEETransactionsonIndustrialInformatics,2020Abstract在AI与IoT技术普及下，对抗攻击激增，用于欺骗IIoT应用的深度神经网络。由于偏见的训练数据
Zwp&Zyy·2023-01-12 06:42

联邦学习论文阅读二：PRECAD

联邦学习论文阅读二：PRECADPRECAD:Privacy-PreservingandRobustFederatedLearningviaCrypto-AidedDifferentialPrivacy
一步一个脚印ッ·2023-01-12 06:09

论文阅读：Real-time Semantic Segmentation with Fast Attention

Real-timeSemanticSegmentationwithFastAttention文章目录Real-timeSemanticSegmentationwithFastAttention摘要贡献方法FA网络结构视频语义分割实验原文链接摘要对于语义分割任务，准确性的提升需要更大的感受野和更精细的空间特征，代价是计算开销的增长。为了解决这两个问题，本文提出了一个FA（快速注意力）方法，实现了速度
CccMing、、、·2023-01-12 02:46

《ICNet for Real-Time Semantic Segmentation on High-Resolution Images》论文阅读及代码实现

论文原文https://arxiv.org/pdf/1704.08545.pdf香港中文大学，腾讯优图，商汤科技联合发表的一篇用于语义分割的论文。摘要ICNet是一个基于PSPNet的实时语义分割网络，设计目的是减少PSPNet推断时期的耗时，论文对PSPNet做了深入分析，在PSPNet的基础上引入级联特征融合模块，实现快速且高质量的分割模型。论文报告了在Cityscape上的表现。摘要主要通过
just_sort·2023-01-12 02:45

2022.10.17-10.23论文阅读记录

Improvingprocesssafety:WhatrolesforDigitalizationandIndustry4.0?过程安全和风险管理仍然是过程和制造行业面临的重大挑战。数字系统已经应用了数十年，以在过程工厂的整个生命周期中协助过程安全管理。近年来，关于行业4.0、数字化和数字孪生，关于这些技术中存在的改善操作性能和减少过程安全事故的变革潜力，有很多炒作。在本文中，一种基本的系统思维方
43581143·2023-01-12 01:10

【论文阅读 + 代码复现】Monte Carlo and Reconstruction Membership Inference Attacks against Generative Models

针对生成模型的蒙特卡罗和重构成员推理攻击原文题目:MonteCarloandReconstructionMembershipInferenceAttacksagainstGenerativeModels原文链接:paper代码链接:github本文主要复现针对VAE的重构成员推理攻击。1.论文理解VAE相关基础知识:B站:李宏毅机器学习(2017)P27-P29该重建攻击仅适用于VAE.在训练阶段
Mu...·2023-01-11 23:46

人脸识别-论文阅读-ArcFace及其由来（SphereFace、CosFace）

ArcFace（建议大家去看论文的第一版）是现在最常用的人脸识别算法，它从softmax、SphereFace和CosFace发展过来，这里就详述一下arcface算法和其发展过程。图1ArcFace发展过程随着深度学习人脸识别的发展，现在人脸识别的主要思想是在网络学习的过程中增大类间差距（inter-class）的同时减小类内差距（intra-class）。SoftmaxSoftmax是最常用的
AManFromEarth·2023-01-11 23:07

论文阅读：SMILEtrack: SiMIlarity LEarning for Multiple Object Tracking

github:https://github.com/WWangYuHsiang/SMILEtrackarxiv:https://arxiv.org/pdf/2211.08824.pdf一、文章贡献：1、提出了一种新的reid网络SimilarityLearningModule(SLM)2、SLM组件ImageSlicingAttentionBlock(ISA)3、提出一种新的检测框和gt框匹配的方
大聪聪聪·2023-01-11 21:19

【论文阅读-姿态估计】 CVPR2019_Deep High-Resolution Representation Learning for Human Pose Estimation

作者来自中科大和微软亚洲研究院论文链接：DeepHigh-ResolutionRepresentationLearningforHumanPoseEstimation_CVPR2019代码链接：https://github.com/leoxiaobin/deep-high-resolution-net.pytorch主要思想：本篇文章提出了一个高分辨率姿态估计模型。现有的姿态估计网络模型在提取特征
乐乐lelele·2023-01-11 20:51

GoogLeNet论文阅读，代码实现(Inception系列)

文章目录GoogLeNet(Inceptionv1)个人理解总结本篇论文主相对于AlexNet和VGG有三处改进(不同)1、在inception块中引入了1×1卷积2、将第一层全连接层替换为global-averge-pooling3、利用inception近似稀疏数据结构4、引入辅助分类层代码（GoogeLeNet结构实现）GoogLeNet(Inceptionv1)论文地址：Goingdeep
Cookie_Bear·2023-01-11 20:18

【论文阅读】[CVPR 2019] PointConv： Deep Convolutional Networks on 3D Point Clouds. [cls. seg.]

论文地址：https://arxiv.org/abs/1811.07246代码：https://github.com/DylanWusee/pointconv翻译：https://blog.csdn.net/john_bh/article/details/103959200文章目录1.Abstractidea：本文贡献:介绍：参考：我的总结：1.Abstract与以规则密集网格表示的图像不同，3D
I"ll carry you·2023-01-11 19:35

论文阅读 | PointCNN: Convolution On X -Transformed Points

前言：NeurIPS2018上的通过X-Transform对无序的点进行卷积的方法论文地址：【here】补充材料地址：【here】代码地址：【here】PointCNN:ConvolutionOnX-TransformedPoints引言点云和2D图像值不一样，第一,它是无序的，第二，它有空间位置信息作者用以下四幅图来阐释：图（i）即展示了2D卷积的邻域点来聚合特征的过程，比如2*2的卷积，则可以
btee·2023-01-11 19:34

【论文阅读】3D点云 -- PointConv: Deep Convolutional Networks on 3D Point Clouds

Abstract与在规则密集网格中表示的图像不同，三维点云是不规则和无序的，因此对其应用卷积可能很困难。在本文中，我们将动态卷积扩展到一种新的卷积运算，名为PointConv。PointConv可以应用于点云，以构建深度卷积网络。我们将卷积核视为由权重函数和密度函数组成的三维点的局部坐标的非线性函数。对于给定的点，通过多层感知器网络和核密度估计的密度函数学习权函数。这项工作最重要的贡献是提出了一种
magic_ll·2023-01-11 19:34

论文阅读 | PointConv: Deep Convolutional Networks on 3D Point Clouds

前言：通过MLP和点密度来估计点卷积的卷积核权重的方法，发表在CVPR2019论文地址：【here】代码地址：【here】PointConv:DeepConvolutionalNetworkson3DPointClouds引言3D点云数据不像2D数据一样，有规整的网格形状，它的点是无序的，因此不太好使用卷积这篇文章解决了这个问题，我们将卷积抽象成数学的连续形式，然后扩展到3维，而MLP可以估计这个
btee·2023-01-11 19:04

论文阅读| ShellNet: Efficient Point Cloud Convolutional Neural Networks using Concentric Shells...

前言：点云分类和分割方向文章–ICCV2019oralpage:[here]ShellNet:EfficientPointCloudConvolutionalNeuralNetworksusingConcentricShellsStatistics引言基于点（point-based）的点云处理方法在pointNet（纯全局特征）基础上，需要探索局部和全局特征，并平衡好网络复杂度、训练速度与准确性。
btee·2023-01-11 19:04

论文阅读 | Dilated Point Convolutions: On the Receptive Field Size of Point Convolutions on 3D Point ...

前言：点云领域里扩大感受野的方法DPC，发表在InternationalConferenceonRoboticsandAutomation(ICRA)2020论文地址：【here】DilatedPointConvolutions:OntheReceptiveFieldSizeofPointConvolutionson3DPointClouds引言在2D的CNN中，感受野指的是影响输出数据的输入数据
btee·2023-01-11 19:04

[论文阅读]词汇树 Scalable Recognition with a Vocabulary Tree

论文阅读，记录一下自己阅读论文的收获，如有谬误，希望能得到指正！
蜗牛一步一步往上爬·2023-01-11 17:25
上一页 53 54 55 56 57 58 59 60 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他