论文学习笔记

CV学习笔记：综述论文赏析

学习内容：卷积神经网络研究综述论文学习笔记一．引言部分二．卷积神经网络概述（对各部分进行解释）三．至今为止，对CNN进行的改进与尝试四．训练模型的方法与开源工具五．实际生活中的应用六．CNN参数设置的一些探索七
段世尧·2022-11-30 08:35

CV | EDSR: Enhanced Deep Super-Resolution Network增强深度超分网络的论文学习笔记

.概览EDSR是一篇经典的超分论文，在NTIRE2017比赛的超分挑战中获胜，并在2017年发表成文。EDSR对后续的超分算法有很重要的影响，至今（2021年）在学术界也常被引用，同时也很受工业界落地需求的欢迎。下面是EDSR的几个主要创新点：通过去除传统残差网络中不必要的模块，EDSR在效果上获得了显著的提高。通过扩大模型参数、增加模型参数，且同时稳定训练过程，EDSR的效果得到了进一步提升。同
1LOVESJohnny·2022-11-29 22:05

《Towards Secure and Practical Machine Learning via Secret Sharing and Random Permutation》论文学习笔记

①摘要随着隐私保护的需求日益增长，隐私保护机器学习在学术界和工业界都获得了广泛的关注。尽管如此，大多数现有方法在实际应用中都存在局限性。一方面，尽管大部分密码学方法是可证安全的，但它们伴随着大量的计算和通讯开销；另一方面，许多较为高效的隐私保护算法（如联邦学习和拆分学习）的安全性不断被质疑，因为它们不是可证安全的算法。基于随机排列+计算机制，设计了一个基于秘密分享和随机排列的隐私保护机器学习框架。
椰椰椰果·2022-11-29 12:16

论文学习笔记 XGBoost: A Scalable Tree Boosting System

今天分享一篇论文《XGBoost:AScalableTreeBoostingSystem》，由陈天奇于2016年发表，该算法在Kaggle等比赛中大放异彩，现在在工业界也被广泛应用。Treeboosting是高效并被广泛应用的机器学习方法。XGBoost是一种适用于大规模数据的端到端的boosting系统。本文提出了一种新颖的稀疏感知算法和加权分位数快速近似数学习算法。更重要的，本文提供了关于缓存
AidenLau·2022-11-29 07:54

【论文学习笔记-11】StereoNet（Google ECCV）

【论文学习笔记-11】StereoNet（GoogleECCV）Contribution网络ExperimentKitti12Kitti15又一篇快速立体匹配文章。
Imperfactions·2022-11-28 13:09

【论文学习笔记】《StarGAN-VC: Non-Parallel M2M Voice Conversion With Star Generative Adversarial Networks》

《StarGAN-VC:Non-ParallelMany-To-ManyVoiceConversionWithStarGenerativeAdversarialNetworks》论文学习文章目录《StarGAN-VC:Non-ParallelMany-To-ManyVoiceConversionWithStarGenerativeAdversarialNetworks》论文学习摘要1介绍2CYCL
FallenDarkStar·2022-11-28 10:43

经典论文学习笔记——13篇对比学习（Contrastive Learning）

emsp; 跟着李沐老师的对比学习课程看了一遍，又照着知乎/CSDN等各位大佬的总结，重新理解了一遍，下面根据自己的学习来总结一下。着重讲一下MoCo，及附带其他12种对比学习的论文的改进之处。  以下是一些可以参考的博客：  对比学习串烧（李沐大神视频学习笔记）  CVPR2020-MoCo-无监督对比学习论文解读  无监督对比学习之MOCO  如何评价Deepmind自监督新作BYOL自监督学
gailj·2022-11-25 15:08

ChannelNets 论文学习笔记

ChannelNets论文地址：https://arxiv.org/abs/1809.01330摘要：卷积神经网络（CNN）在解决各种人工智能任务方面表现出了巨大的能力。然而，不断增长的模型尺寸时它们难以在资源有限的应用中使用。这篇论文提出使用channel-wiseconvolutions来压缩深度模型，在CNN中用稀疏连接替换特征图之间的密集连接，基于此操作，该研究构建了轻量级的CNNs：Ch
AnZhiJiaShu·2022-11-25 08:13

SPP-Net 论文学习笔记

SPPNet论文学习笔记SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition目前深度卷积神经网络有一个要求——固定尺寸
Orphea·2022-11-25 06:51

Accelerating DETR Convergence via Semantic-Aligned Matching 笔记

AcceleratingDETRConvergenceviaSemantic-AlignedMatching论文学习笔记论文链接：https://arxiv.org/abs/2203.06883语义对齐就是在描绘同一类别对象的两幅图像中
AnZhiJiaShu·2022-11-24 00:19

rcnn论文_RCNN/Fast R-CNN/Faster RCNN/Mask RCNN 论文学习笔记

R-CNNGithub源码原理：通过提取多个候选区域，输入CNN网络，来判断候选区域是否存在物体，以及物体的分类和边界框论文创新点将CNN方法引入目标检测领域，大大提高了目标检测的效果，改变了目标检测领域的研究思路，续作包括FastRCNN,FasterRCNN,MaskRCNN预训练的思想，在训练过程中，先采用比较大的数据集（ImageNetILSVC2012）标定每张图片中物体的类别。一千万图
weixin_39938331·2022-11-23 17:28

VGG论文学习笔记

原作地址：https://arxiv.org/pdf/1409.1556.pdf参考链接：https://blog.csdn.net/abc_138/article/details/80568450在第2章中，主要是介绍了一些网络的细节，原作作者共尝试了6个层数不同的网络结构（在2.2节中有详细介绍），建立了11~19层的不同网络，如下图1所示，在2.3中作者相当于是介绍了本文中的主要创新点：更小
xiaotian127·2022-11-23 13:30

YOLO9000: Better, Faster, Stronger 论文学习笔记

论文基本信息标题：YOLO9000:Better,Faster,Stronger作者：JosephRedmon,AliFarhadi机构：UniversityofWashington来源：CVPR时间：2017论文地址：https://openaccess.thecvf.com/content_cvpr_2017/papers/Redmon_YOLO9000_Better_Faster_CVPR_
长歌丶采薇·2022-11-23 11:08

Zero shot Learning 论文学习笔记（未完待续）

ZeroshotLearning论文学习笔记前言zero-shotlearningLearningToDetectUnseenObjectClassesbyBetween-ClassAttributeTransferLabel-EmbeddingforAttribute-BasedClassificationAnembarrassinglysimpleapproachtozero-shotlear
西岸行者·2022-11-22 00:02

Colorization论文学习笔记

Colorization论文学习笔记整理一下colorization方面的几篇论文，方便自己理理思路。
withIceCream·2022-11-21 08:10

论文学习笔记（15）：Low-resolution face recognition（CSRI网络）

目录1.架构2.损失函数CSRI是一篇18年的文章了，这里主要是在阅读论文的过程中看到了相关的架构，但是并没有在网上检索到相关的笔记，故对其粗略的进行了一下小结以作记录。1.架构CSRI方法将VDSR作为SR部分的架构，CenterFace作为FR部分的架构2.损失函数SR部分：MSElossFR部分：softmaxCross-Entropyloss由于合成和nativeLR人脸图像之间的差异，对
鱿鱼圈是真鱿鱼吗·2022-11-21 02:42

论文学习笔记（13）：Face re-identification challenge: Are face recognition models good enough?

目录Abstract1.Introduction2.Relatedwork2.1人脸识别问题的研究现状2.2人脸识别方法2.3图像超分2.4行人re-ID2.5监控人脸re-ID3.Facere-IDchallenge3.1SurvFacedataset3.2评价方案4.Experimentalevaluations4.1监控人脸4.2超分后的监控人脸Abstract这篇文章是关于Facere-I
鱿鱼圈是真鱿鱼吗·2022-11-21 02:41

《Deep Learning for Image Super-resolution:A Survey》论文学习笔记

《深度学习在图像超分辨率重建中的应用综述》目录一、定义二、一些超分辨率数据集三、图像质量评估方法（IQA）四、常用的SR框架1、Pre-upsamplingSuper-resolution2、Post-upsamplingSuper-resolution3、ProgressiveUpsamplingSuper-resolution4、IterativeUp-and-downSamplingSupe
爱吃兔子的胡萝卜RR·2022-11-21 02:04

FSRCNN论文学习笔记

SRCNN作为卷积神经网络应用于SR领域0到1的突破，与传统的图像重建方法相比取得了较好的性能。在此基础上，ChaoDong等人针对其存在的问题进行了改进，进一步提出了更为轻量型的FSRCNN网络，在保证性能的基础上大大提升了网络速度。SRCNN网络存在两个显著的不足：①在图像预处理阶段通过双三次插值将原始LR图像放大至目标HR图像，后续操作均在插值放大后的图像上进行，计算复杂度为；②复杂的非线性
爱吃兔子的胡萝卜RR·2022-11-21 02:34

SRCNN论文学习笔记

SRCNN是将深度学习卷积神经网络应用于单幅图像重建领域的开山之作，网络结构如下：首先将输入原始低分辨率图像(LR)，通过双三次插值放大至目标高分辨率图像(HR)尺寸，中间包括三个卷积层：图像特征提取层、非线性映射层、重建输出层，最终输出目标大小的高分辨率图像。训练集：91张自然图像，切割为大小33×33的子图像块作为输入，因此可以分解为2-3万个子图像，LR子图像与HR标签生成一个h5文件；验证
爱吃兔子的胡萝卜RR·2022-11-21 02:34

VDSR论文学习笔记

VDSR网络是韩国首尔国立大学JiwonKim等人在SRCNN基础上又一次新的突破，在单图像超分辨率重建（SR）方面展示出了更好的性能。针对SRCNN存在的三个局限性：①依赖于小图像区域的Context；②收敛速度较慢；③网络只适用于单一规模。VDSR的主要改进：①使用非常大的感受野（41×41）和非常深的网络（20层），以适应非常大的图像区域上的上下文信息；②残差学习和梯度裁剪，学习LR到HR图
爱吃兔子的胡萝卜RR·2022-11-21 02:01

Mask OBB 论文学习笔记

论文基本信息标题：MaskOBB:ASemanticAttention-BasedMaskOrientedBoundingBoxRepresentationforMulti-CategoryObjectDetectioninAerialImages作者：JinwangWang,JianDing,HaowenGuo,WenshengCheng,TingPanandWenYang机构：Schoolof
长歌丶采薇·2022-11-20 08:13

Frustum PointNets for 3D Object Detection from RGB-D Data 论文学习笔记

Abstract论文中直接通过对RGB-D的原始扫描图来对原始点云进行处理。这个方法的关键挑战是如何在大规模场景的点云中对物体进行定位（regionProposal）相较于只使用3D图的proposal，我们的方法在物体定位中使用了成熟的2D物体检测器和额外的3D深度学习。这使得我们的模型在高效的基础上获得很高的召回率（recall指正例被预测正确的比例）得益于直接对原始的3D点云进行处理，我们的
健身的程序猿·2022-11-19 15:43

论文学习笔记：GraphSAGE

本文介绍一个inductivenodeembedding的框架——GraphSAGE。算法与其他transductivelearning方法的优势在于，学习一系列能够聚合邻居节点特征，生成中心节点表示的aggregator。而不是只学习当前训练集的nodeembedding。所以模型可以很好的推广到新的graph上。算法在citation和Reddit数据集上取得了artofstate的表现。并且
weixin_40675092·2022-11-19 13:42

CE-Net论文学习笔记

原文：https://arxiv.org/abs/1903.02740代码：https://github.com/Guzaiwang/CE-Net摘要：基于U-Net的方法不断被提出，但是，连续的池化和卷积导致部分空间信息的丢失。本文提出一种上下文编码网络(称为CE-Net)来捕获更多高级信息并保留空间信息用于2D医学图像分割。CE-Net主要包含三个模块：特征编码模块，上下文提取模块和特征解码模
Vincent8514·2022-11-18 09:15

【论文学习笔记】《Tacotron: Towards End-To-End Speech Synthesis》

Tacotron论文学习文章目录Tacotron论文学习摘要1简介2相关工作3模型架构3.1CBHG模块3.2编码器3.3解码器3.4后置处理网络与波形合成4模型细节5实验5.1烧蚀分析5.2平均意见得分测验6讨论摘要文本-语音合成系统通常由多个阶段组成，例如文本分析前端、声学模型和音频合成模块。构建这些组件通常需要广泛的领域专业知识，并可能包含脆弱的设计选型。在本文中，我们提出了Tacotron
FallenDarkStar·2022-11-18 08:53

Vision Transformer学习笔记

目录前言一、学习链接1.本文主要学习地址2.VIT值得一看的学习链接3.相关知识点的学习链接二、论文学习笔记1.AboutVIT（关于VIT）2.Title（标题）3.Abstract（摘要）4.Introduction
阿拉斯加不迷路·2022-11-17 17:23

理解transformer源码

本文参考哈佛开源代码，对代码进行了一些修改，结合论文学习笔记加深对transformer算法整体的理解。
athrunsunny·2022-11-17 17:16

车道线检测-GANet-CVPR2022论文学习笔记

论文：《AKeypoint-basedGlobalAssociationNetworkforLaneDetection》代码：https://github.com/Wolfwjs/GANet地址：http://arxiv.org/pdf/2204.07335内容：使用CNN，基于关键点检测车道线整体结构模型还有一个补充分支（CompensationMapδ^yx\hat{\delta}_{yx}δ
tomeasure·2022-11-16 17:26

车道线检测-BezierLaneNet-CVPR2022论文学习笔记

论文：《RethinkingEfficientLaneDetectionviaCurveModeling》代码：https://github.com/voldemortX/pytorch-auto-drive地址：https://arxiv.org/abs/2203.02431内容：使用CNN，基于贝塞尔曲线拟合车道线整体结构特征提取器：三层ResNet结合RESA模块。特征提取器上还要加一个辅助
tomeasure·2022-11-16 17:55

Swin Transformer论文学习笔记

《SwinTransformer:HierarchicalVisionTransformerusingShiftedWindows》使用移动窗口的层级式视觉Transformer文章目录前言模型方法移动窗口整体架构提升移动窗口计算效率方法参考前言存在的问题：Transformer模型从NLP领域移植到CV领域需要考虑的两个最具挑战性的问题是：1、一幅图像内通常包含多种尺度的实体，然而在NLP中却缺
一云烟雨·2022-10-18 14:06

论文研读-Deep Multi-Agent Reinforcement Learning-2

深度多智能体强化学习（DMARL）此篇文章为博士学位论文：DeepMulti-AgentReinforcementLearning的论文学习笔记，只供学习使用，不作商业用途，侵权删除。
小王爱学习1234·2022-08-31 07:50

活体检测 LGSC 论文学习笔记

论文题目：LearningGeneralizedSpoofCuesforFaceAnti-spoofing论文链接：https://arxiv.org/pdf/2005.03922.pdf代码链接：GitHub-VIS-VAR/LGSC-for-FAS:LearningGeneralizedSpoofCuesforFaceAnti-spoofing动机近期的基于深度学习的FAS方法专注于提高模型的
Cassiel_cx·2022-08-20 07:22

车道线检测-CLRNet-CVPR2022论文学习笔记

论文：《CLRNet:CrossLayerRefinementNetworkforLaneDetection》论文：http://arxiv.org/abs/2203.10350代码：https://github.com/Turoad/clrnet内容：使用CNN，基于关键点检测车道线整体结构引入了四项先验信息：前景与背景概率；车道线的长度；车道线起点，及在该点处的倾斜角；预测结果与GT之间的N个
tomeasure·2022-08-01 11:54

【论文学习笔记】《Voice Transformer Network》

《VoiceTransformerNetwork:Sequence-to-SequenceVoiceConversionUsingTransformerwithText-to-SpeechPretraining》论文学习文章目录《VoiceTransformerNetwork:Sequence-to-SequenceVoiceConversionUsingTransformerwithText-t
FallenDarkStar·2022-07-04 07:00

《Attention is All You Need》论文学习笔记

目录Abstract1.IllustratedTransformer1.1AHigh-levellook1.2Attention1.2.1ScaleDot-ProductAttention1.2.2Multi-HeadAttention1.3PositionalEncoding-RepresentingtheOrderoftheSequence1.4DetailedArchitectureRefe
RaymondLove~·2022-05-23 07:43

论文学习笔记: Learning Multi-Scale Photo Exposure Correction(含pytorch代码复现)

论文学习笔记:LearningMulti-ScalePhotoExposureCorrection——含pytorch代码复现本章工作:论文摘要训练数据集网络设计原理补充知识:拉普拉斯金字塔网络总览子网络
LZ-CH·2022-05-21 07:05

【ResNet】ResNet论文学习笔记

文章目录0.背景1.ResNet的大体思路2.ResNet网络结构3.ResNet效果3.1ResNet是否解决了网络退化问题3.2关于ShortcutConnection的对比实验3.3对于更深层的ResNet使用Bottleneck结构3.4ResNet网络可以无限深吗？3.5ResNet每层的响应(Response)要比普通网络小4.两个我还没弄明白的技术细节4.1关于F(x)+x时给x进行
sin(豪)·2022-05-14 09:09

论文学习笔记-t-SNE-1

在机器学习任务中，通常情况下，数据具有很高的维度，直接展示数据的分布情况很困难，可通过统计分析数据的分布情况来了解数据。统计分析概率分布固然好，也仅仅是个抽象的表示，始终不能对数据有个直观的认识。数据可视化通过降维，在低维空间直观展示数据，大大促进对数据的认识。t-SNE（t-DistributionStochasticNeighborEmbedding）是在SNE（StochasticNeigh
不忘初心，坚持前行·2022-02-28 07:36

Alex Net 论文学习笔记（含手撕代码）

文章目录ImageNetClassificationwithDeepConvolutionalNeuralNetwork历史意义AbstractIntroductionanddatasetAlexNet'sstruction结构特点训练技巧Summary代码复现运行效果ImageNetClassificationwithDeepConvolutionalNeuralNetwork历史意义1、拉开卷
ZRX_GIS·2022-02-28 07:00

恒源云_长尾分布的多标签文本分类平衡方法(论文学习笔记)

文章来源|恒源云社区（专注人工智能/深度学习云GPU服务器训练平台，官方体验网址：https://gpushare.com/center/）原文地址|https://bbs.gpushare.com/topi...原文作者|Mathor长尾分布各位肯定并不陌生，指的是少数几个类别却有大量样本，而大部分类别都只有少量样本的情况，如下图所示通常我们讨论长尾分布或者是文本分类的时候只考虑单标签，即一个样
·2021-11-23 15:52

未闻Prompt名-论文学习笔记

文章来源|恒源云社区（专注人工智能/深度学习GPU免费加速平台，官方体验网址：https://gpushare.com）原文作者|Mathor原文地址|https://gpushare.com/forum/to...个人觉得2021年NLP最火的两个idea，一个是对比学习（ContrastiveLearning），另一个就是Prompt浅谈我对Prompt的理解Prompt说简单也简单，看了几篇
·2021-11-03 12:15

ResNet 论文学习笔记

1.ResNet提出的背景深层卷积神经网络在图像分类领域取得了很多很棒的进展，因为随着网络层次的加深，featurelevel从low--mid--high逐步得到丰富，但是通过简单堆叠多层网络真的可以学的更好吗？（Islearningbetternetworksaseasyasstackingmorelayers?）答案是否定的。随着网络层次的加深，会出现两个问题：1）梯度消失/爆炸（vanis
要奋斗的人儿~·2021-08-11 12:05

U-Net论文学习

深度学习图像分割之UNETU-Net论文学习笔记U-net论文笔记深入理解深度学习分割网络Ｕnet——U-Net:ConvolutionalNetworksforBiomedicalImageSegmentation1
南桥几经秋·2021-06-21 16:25

2019-09-15（论文学习笔记——MegaDepth: Learning Single-View Depth Prediction from Internet Photos）

摘要目前基于3D传感器的数据集及其缺陷：NYU：只有室内的照片Make3D：训练集小KITTI：稀疏采样论文中的数据集：基于对运动中获取的结构和多视点立体（MVS）进行建模来处理多视点网络图片——任意数据源，基于此方法产生一个叫Megadepth的规模很大的深度图片数据集。来自MVS数据的挑战：包含噪声和不可重构的实体，因此本文中提出了一种新的数据清洗的方法在本文提出的数据集——Megadepth
雨住多一横·2021-04-29 09:34

论文阅读笔记-word2vec Parameter Learning Explained

论文学习笔记-word2vecParameterLearningExplained论文题目：word2vecParameterLearningExplained发表作者：XinRong发表时间：2016
刘亦菲的十八年椅子·2021-04-29 09:20

论文学习笔记《Arbitrary-Oriented Ship Detection through Center-Head Point Extraction》

这是一篇2021刚刚挂在arXiv上的论文，作者提出了一种center-headpointextractionbaseddetector(命名为CHPDet)的网络，以实现遥感图像中的任意方向船舶检测。同时提出了一种新的用于固定groundsampledistance(GSD)遥感图像中多类任意定向船舶检测的数据集，称为FGSD2021。最后在两个船舶检测数据集(即FGSD2021和HRSC201
绿柳山庄赵公子·2021-03-31 21:15

预训练模型专题_Bart_论文学习笔记

Bart模型作为一种Seq2Seq结构的预训练模型，是由Facebook在ACL2020上提出。Bart模型的论文为：《BART:DenoisingSequence-to-SequencePre-trainingforNaturalLanguageGeneration,Translation,andComprehension》Bart模型代码：transformers库Bart模型Bart模型为一
料理菌·2021-01-20 19:15

GCN学习笔记

ModelingRelationalDatawithGraphConvolutionalNetworks论文学习笔记25.实验评估5.1实体分类实验5.2链路预测实验6.展望内容过长，论文的前半部分内容请查看
ClaireYYY·2020-12-21 16:09

深度学习语义分割开山之作-经典论文-FCN

FCN论文学习笔记泛读：快速浏览把握概要摘要根据图，表格对重点内容进行把握精读论文的结构1.introduction（Figure1.）2.Relatedwork3.Fullyconvolutionalnetworks3.1
peacefairy·2020-09-23 19:46
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他