论文学习第12页

2017年8月第一周回顾（1-6）

二、各领域情况分析工作：基本维持正常运转，提交论文学习：20个小时学习家庭：家务维持，能保证基本上的物归原位亲子：下班后基本是陪孩子、收拾房间和玩游戏。健康：不跑就出局，没有完成，扣15元。

优雅的老太太36·2021-04-24 05:57

每周工作总结（2018/09/03-2018/09/07）

本周工作（2018/09/03-2018/09/07）完成工作：ORB-SLAM-1论文学习(Automaticinitialization,Tracking,Localmapping)源码学习平台搭建下周计划

teddyluo·2021-04-18 21:30

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

An image is worth 16x16 words: Transformers for image recognition at scale 论文学习

论文地址：https://arxiv.org/pdf/2010.11929.pdfAbstract尽管Transformer结构已经成为NLP领域的一个事实上的标准方法，它在计算机视觉领域中的应用仍受限制。在视觉领域，注意力要么与卷积网络搭配使用，要么替换掉卷积网络中的特定组成，保留其整体结构。作者证明我们并不是一定要依赖CNN，直接用Transformer对图像块序列做预测也能在图像分类任务上取

calvinpaean·2021-02-26 18:42

Deformable DETR 论文学习

AbstractDETR提出在目标检测方法中去除人为组件，也可保持优异性能。但由于Transformer注意力模块只能有限地处理图像特征图，它的收敛速度就比较慢，特征空间分辨率有限。为了缓解这些问题，作者提出了DeformableDETR，其注意力模块只会关注目标框周围少量的关键采样点。DeformableDETR能够取得比DETR更优异的性能（尤其在小物体上），训练epochs要少10×10\t

calvinpaean·2021-02-13 13:07

Attention is all you need 论文学习

Abstract目前主流的序列转导模型都是基于复杂的递归或卷积神经网络，包含一个编码器和解码器。表现最佳的模型也是通过一个注意力机制，将编码器和解码器联系起来。本文提出了一个新的网络结构，Transformer，只使用了注意力机制，彻底抛弃了递归和卷积操作。在两个机器翻译任务上，实验结果表明这些模型表现非常优异，可以并行计算，大幅度减少了训练时间。在WMT2014英语-德语翻译任务上，该模型取得了

calvinpaean·2021-02-11 01:50

End-to-End Object Detection with Transformers 论文学习

Abstract本文提出了一个新的方法，将目标检测看作一个直接的集合预测问题。该方法让检测变得更简洁，去除了人为设计的后处理步骤如NMS或anchor生成，显式地编码了关于任务的先验知识。该框架的主要结构叫做DEtectionTRansformer或DETR，基于集合的全局损失，通过二分匹配和一个transformer编码器-解码器架构来做到唯一的预测。给定一个固定小集合的目标，DETR会推理出这

calvinpaean·2021-02-10 21:03

DEFT: Detection Embeddings for Tracking 论文学习

Abstract目前大多数的多目标跟踪系统都是通过检测再跟踪的方式实现，一个目标检测器后面跟着一个关联检测结果的方法。将运动和外观特征结合起来实现跟踪，已经有了很长的历史，对遮挡严重的问题也具有一定的鲁棒性，但是通常所需的算力很高，实现起来比较慢。最近在2D目标追踪基准上所取得的成绩表明，通过一个SOTA检测器和相对简单、仅依赖单帧空间位置的关联方法，我们可以取得很高的分数，显著地超过那些通过外观

calvinpaean·2021-02-09 14:48

SA-NET: Shuffle attention for DCNN 论文学习

Abstract注意力机制可以使网络准确地关注到与输入相关的信息上，已成为深度神经网络提升性能的重要组成。在计算机视觉领域，主要有两种注意力机制，空间注意力机制和通道注意力机制，分别去获取像素对之间的关系和通道依赖关系。尽管将二者结合起来使用可能取得更优的表现，但是会不可避免地增加算力消耗。本文中，作者提出了一个高效率的ShuffleAttention模块来解决此问题，它采用ShuffleUnit

calvinpaean·2021-02-08 15:02

【论文学习】ICLR2021，鲁棒早期学习法：抑制记忆噪声标签ROBUST EARLY-LEARNING: HINDERING THE MEMORIZATION OF NOISY LABELS

论文来自ICLR2021，作者是悉尼大学的XiaoboXia博士。论文基于早停和彩票假说，提出了一种处理标签噪声问题的新方法。我就论文要点学习整理，给出我的代码实现，对论文中部分试验复现，并补充进行一些新试验。论文链接作者承诺代码开源，但目前暂未开源。文章目录一、理论要点二、公式推导三、效果对比四、我的代码及部分试验复现1，核心代码2，我的试验2.1，不同噪声率下观察“早停”的作用2.2，不同τ\

Brikie·2021-02-05 22:34

步态识别新论文学习——《Gait Lateral Network》

蠡洋·2021-01-30 15:47

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

【论文学习】Squeeze-and-Excitation Networks（SENet）

Squeeze-and-ExcitationNetworks（SENet）摘要1.近年相关研究1.1CNN模型的实用性1.2深层次体系结构的探索1.3注意力机制相关研究1：STNet相关研究2：AttentionResNet相关研究3：CBAM2.Squeeze-and-Excitation结构2.1传统transformation（FtrF_{tr}Ftr）2.2Squeeze：GlobalIn

Stefan_xiao·2021-01-20 16:46

airbnb 房源预定 embedding 论文学习

《Real-timePersonalizationusingEmbeddingsforSearchRankingatAirbnb》其核心在SKIP-GRAM上根据业务做了一个改进点为：当序列中存在下单动作的时候，认为序列中的任意一个商品都与该下单动作的商品应该存在一定的关系，因此在SKIP_GRAM算法中仅需要将在有下单序列中每个窗口中多加入一个商品即下单的商品即可。1：基础符号解释说明https

一个菜鸟的自我修养·2021-01-18 16:23

论文学习：Learning spatio-temporal features with 3D convolutional networks

0.目录Abstract&ContributionIntroductionLearningFeatureswith3DConvNets3.12D卷积&3D卷积的区别作者又提到了这篇文章与[18]的区别这篇文章的主要工作CommonnetworksettingsVaryingnetworkarchitectures3.2Exploringkerneltemporaldepth3.3Spatiotem

小吴同学真棒·2021-01-13 18:31

论文学习-Addressing Class Imbalance in Scene GraphParsing by Learning to Contrast and Score

文章主要是针对于class的类不平均问题提出了CCE-ScorerCCE-主要是在提高不频繁类的方面有较好的效果。在这里Focalloss并没有说的太清楚。CEimage.pngCCEimage.png打分模块image.pngimage.png

Superhi·2021-01-12 19:24

深度知识追踪(Deep Knowledge Tracing)·论文学习归纳

深度知识追踪(DeepKnowledgeTracing)0摘要在计算机支持的教育中，知识追踪(机器在学生与课程作业交互时对学生的知识进行建模)是一个公认的问题。虽然有效地对学生知识进行建模会产生很高的教育影响，但这项任务存在许多内在的挑战。在这篇文章中，我们探索使用递归神经网络(RNNs)来模拟学生的学习。与以前的方法相比，RNN模型家族具有重要的优势，因为它们不需要对人类领域知识进行显式编码，并

zjlwdqca·2021-01-05 11:45

3综述 yolo_无人驾驶综述论文学习（一）

论文介绍论文为2019年发布在Robotics上的"ASurveyofAutonomousDriving:CommonPracticesandEmergingTechnologies"[1]论文对比作者首先比较了目前的无人驾驶综述论文，存在的问题是目前无人驾驶综述论文的侧重点都不一样，所以作者准备做一个详尽的调查，下图是不同论文的侧重点：可以看到上述论文都只是针对无人驾驶的某几个模块做了介绍，而最

郜婕·2021-01-02 21:00

科研入门 - 如何通过论文学习并评价研究问题的价值

如何通过论文学习并评价研究问题的价值个人是从事深度学习NLP方向研究的一名新研究生，同时侧重于推荐系统研究，主要原因是因为实验室导师就是这个方向，于是就跟着导师学习了。

JinyuZ1996·2020-12-28 22:56

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

论文学习：（TSN）Temporal segment networks: Towards good practices for deep action recognition

论文：《TemporalSegmentNetworks：TowardsGoodPracticesforDeepActionRecognition》目录0、导论1、TSNNetworkArchitectureBackbone的选择实验WeightInitializationinSpatial&TemporalnetworkSegmentalConsensus的选择实验2、GoodPracticesC

小吴同学真棒·2020-12-16 20:52

单目相机 svd 从图像恢复3维位置_论文学习——VINSMono：一种鲁棒且通用的单目视觉惯性系统...

点击上方“视觉部落”，选择“星标”公众号精选作品，第一时间送达文章同步首发于知乎用户yikang专栏Part1.基本信息本文提出了一种基于紧耦合滑动窗口非线性优化方法的单目视觉-惯性系统，来自港科大沈老师实验室。这篇论文的亮点包括提出了效果最佳的IMU预积分理论、估计器初始化机制、故障检测和复原机制、外参在线校订、基于优化的紧耦合VIO、重定位机制以及全局位姿图优化模块等内容。论文开源地址：htt

weixin_39734048·2020-12-04 09:01

论文学习-Image Inpainting for Irregular Holes Using Partial Convolutions

论文题目：ImageInpaintingforIrregularHolesUsingPartialConvolutions论文作者：GuilinLiuFitsumA.Reda（NVIDIACorporation）发表时间和期刊：2018Abstract摘要1、现状：基于深度学习的修复损坏图像方法都是使用基于有效像素（平均值）替代maskedhole的标准卷积网络或者卷积滤波器。2、存在问题：现有方

karl_ll·2020-11-18 01:53

论文学习：Metric Factorization:Recommendation beyond Matrix Factorization

一.概要本文为了缓解矩阵分解存在的问题，提出了一种新技术叫做度量因子分解。本文共分为九节，第一节简要介绍了度量因子分解；第二节对与度量因子分解相关的研究进行了简要回顾；第三节描述了研究问题，并讨论了矩阵分解的局限性；第四节介绍了度量因子分解的基本概念；第五到七节介绍了如何分别通过度量因子分解进行评级预测和项目排名；第八节通过对真实数据集的大量实验证明了模型的有效性；第九节做出了总结与展望。二.相关

python小白22·2020-10-14 21:59

【论文学习】FastText总结

《BagofTricksforEfficientTextClassification》Fasttext:对于高效率文本分类的一揽子技巧论文背景：文本分类是自然语言处理的重要任务，可以用于信息检索、网页搜索、文档分类等。基于深度学习的方法可以达到非常好的效果，但是速度很慢，限制了文本分类的应用。基于机器学习的线性分类器效果也很好，有用于大规模分类任务的潜力。从现在词向量学习中得到的灵感，我们提出了一

lyj157175·2020-10-10 10:48

你与 SCI 的距离，只有一个国庆假期那么短

趁此机会，开启自己的科研论文学习吧！识别下方二维码进入「十一大放价」活动主会场推荐课程一：临床回顾性SCI80%临床医生的第一篇论文，都是做回

丁香园·2020-10-04 00:00

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

论文学习-深度学习目标检测2014至201901综述-Deep Learning for Generic Object Detection A Survey

博客：blog.shinelee.me|博客园|CSDN文章目录写在前面目标检测任务与挑战目标检测方法汇总基础子问题基于DCNN的特征表示主干网络（networkbackbone）MethodsForImprovingObjectRepresentationContextModelingDetectionProposalMethodsOtherSpecialIssuesDatasetsandPer

shine-lee·2020-09-17 04:43

谷歌EfficientNet高效卷积网络的学习和使用

文章目录0引言1论文学习1.1摘要1.2介绍1.3相关工作1.3复合模型扩展1.3.1问题公式化1.3.2扩展维度1.3.3复合比例1.4EfficientNet架构1.5实验1.5.1扩大mobilenet

Pluto0054·2020-09-17 03:18

[优质论文]伪造共同访问对推荐系统进行攻击

Kehl·2020-09-16 22:14

《Attributed Social Network Embedding》论文学习笔记

一、研究背景本文提出了一种网络表示学习算法：将结构信息和属性信息同时输入深度神经网络，实现非线性特征抽象，相对传统的浅层神经网络语言模型，有较大性能提升。同时作者提出了离散属性信息的处理方式，是本文的贡献之一。多源信息融合的表示方法主要有以下几种：一、分别建立表示模型，简单拼接作为最终表示向量；二是训练过程中建立联合优化目标函数，实现线性融合；第三种就是作者提到的共同输入深层模型进行特征提取，实现

shoulunzhui6949·2020-09-16 01:44

High Quality Monocular Depth Estimation via Transfer Learning论文学习

HighQualityMonocularDepthEstimationviaTransferLearning贡献方法网络结构复杂性和性能学习损失函数增强策略实验结果数据集实验细节评估质量评估定性结果AblationStudies深度编码深度解码颜色增强泛化到其他数据集结论附录代码实现arXiv:1812.11941v2[cs.CV]10Mar2019贡献三个方面。第一，提出简单的基于转移学习的网络

T0XIc.·2020-09-15 09:24

论文学习笔记： Convolutional Neural Pyramid for Image Processing

论文学习笔记：ConvolutionalNeuralPyramidforImageProcessing原文链接：ConvolutionalNeuralPyramidforImageProcessing前言今年刚出的文章

Nexusis·2020-09-14 09:33

You Only Look Once: Unified, Real-Time Object Detection（YOLOv1）论文学习笔记

摘要：提出了YOLO，将目标检测归为了回归问题，可以在完整图像中进行预测框和类别概率的计算，YOLO是一个端到端的预测框架非常快，可以达到45fps，而对于更小的版本，FastYOLO，可以达到155fps，且依旧保持较高的mAP相比其他预测框架，YOLO可能会预测较多错误的预测框，但很少会有假阳性的出现总体上要比其他预测框架要好，比如DPM，R-CNN等介绍：为了检测目标，一些检测器在图像的不同

小风_·2020-09-14 00:18

The Dataflow Model论文学习笔记

因为是被誉为流计算基石的论文，所以决定花时间学习一下。这篇论文在开篇总结了流计算的应用场景主要是说现在对数据处理的语义越来越复杂，对延时性的要求越来越苛刻。。在这里对SparkStreaming的微批次流处理模型进行了批评，在流计算的时候应该遵从的理念是我们不知道数据何何时流何时被终结，何时数据会完整，唯一确信的是新的数据会源源不断的进来，老的数据会被撤销或者更新。基于这个思路来设计一个流计算编程

周英俊520·2020-09-13 22:24

论文学习MobileNet-v2（超详解）

文章目录1、LinearBottlenecks2、Invertedresiduals3、小结我们在之前一篇文章已经说过MobileNet是为了将复杂的网络能够应用在移动端和资源受限情境下的轻量级神经网络解决方案。在MobileNet网络中主要提出的方案主要是深度可分离卷积和宽度缩放因子、分辨率缩放因子两个超参数。而MobileNet-v2继续致力于构建移动端的轻量级网络。MobileNet-v2依

USTC_SC·2020-09-13 01:20

论文学习-MobileNet-v1

文章目录1、背景2、深度可分离卷积3.1、宽度缩放因子3.2、分辨率缩放因子4.、代码分析1、背景卷积神经网络在计算机视觉任务中已经无处不在，并且总体趋势是向着更深更复杂的网络发展以获得更高的精度，但是这些所造成的是模型尺寸越来越大，速度越来越慢，很难在现实世界中获得实时的运用。作者提出的MobileNet可以构建小尺寸、低延时的模型，可以实现运行在嵌入式的移动视觉任务中。论文方案主要体现在两个方

USTC_SC·2020-09-13 01:20

论文学习—YOLO-v4

文章目录1、背景2.1目标检测的构成2.2、Bagoffreebies2.3、Bagofspecials3、YOLO架构3.1、网络架构3.2、数据增强3.3学习率余弦退火4、小结1、背景目前而言，大部分基于CNN的目标检测系统只适用于一些推荐领域的工作：运行慢精度高的检测系统应用于城市停车位搜素；运行快，精度一般的用于汽车碰撞警告，提高检测系统实时速度与精度，不仅可以让检测系统应用于以上场景，可

USTC_SC·2020-09-13 01:20

YOLO-V2论文学习（超详细）

文章目录YOLO9000:Better,Faster,Stronger1.简单介绍2.设计方案BatchNormalizationHighResolutionClassifierConvolutionalWithAnchorBoxes维度聚类直接位置预测细粒度特征多尺度训练Darknet-193.WordTree背景方案4.小结YOLO9000:Better,Faster,Stronger1.简单

USTC_SC·2020-09-13 01:19

CVPR 2017 Paper列表

精选论文学习分享，实时分享当前热点算法。

cliy·2020-09-12 19:03

Graph Cuts学习笔记2014.5.16----1

进行了一段时间的论文学习后，现在下载了一些代码，准备从OpenCV跟matlab两个方面着手搭建自己的图像分割平台，计划耗时一个月左右的时间！

weixin_30386713·2020-09-12 05:49

【论文学习】How To Backdoor Federated Learning论文学习

写在前面最近每周都在参加组内的论文学习会议，每周都有组内的师兄师姐分享论文。因为我是网络安全的小白，再加上我正好有很多空闲时间，所以会将师兄师姐们分享的论文阅读一下，学习一下。

精致又勤奋的码农·2020-09-12 03:47

【论文学习】Deep Learning for Unsupervised Insider ThreatDetection in Structured Cybersecurity DataStreams

DeepLearningforUnsupervisedInsiderThreatDetectioninStructuredCybersecurityDataStreams论文学习及源码分析持续补充，持续更新中

精致又勤奋的码农·2020-09-12 01:01

2018美赛C题论文学习笔记1

#73767论文一、数据处理1.缺失值处理：缺失过多的直接删掉，缺失少的用插值方法填补缺失值2.异常值处理：用箱线图发现异常值，然后用相邻值得平均值替代3.数据筛选和分类：将能源分为两大类，即清洁可再生能源和传统化石能源清洁可再生能源：氢能，风能，地热能，太阳能，乙醇传统化石能源：煤，石油，天然气，其他燃料至此筛选出11个重要变量（此处AVACD这个似乎有误）二、能源概况针对4个城市的11个变量画

pengion·2020-09-11 13:05

PointNet论文学习

PointNet论文学习简介Pointnet将深度学习应用到了点云的分类和分割问题。

Bungehurst·2020-09-10 15:41

SlowFast Networks for Video Recognition 论文学习

Abstract本文针对视频识别提出了SlowFast网络。该模型有一个Slow分支，以较低的帧率运算，获取空间语义；还有一个Fast分支，以较高的帧率运行，获取精确的时间运动信息。通过降低通道数量，Fast分支可以变得很轻，但也能够学到有用的时域信息。该方法在视频动作分类和检测任务上都取得了很强的表现。作者在主要的视频识别基准（Kinetics,Charades,AVA）都获得了SOTA的准确率

calvinpaean·2020-09-10 10:51

CenterNet：Objects as Points论文学习笔记+代码复现(demo+训练数据)【检测部分】

目录1.关键部分Heatmap了解2.Centernet论文细节：3.尝试复现CneterNet--INSTALL.md安装：4.尝试复现CneterNet--跑跑demo.py：5.尝试复现CneterNet--训练一下VOC：1.关键部分Heatmap了解可以看懂的资料：1.通俗地讲明白了heatmap的计算方法：http://bindog.github.io/blog/2018/02/10/

花噜噜酱·2020-08-26 15:05

论文学习笔记-YOLACT

『写在前面』基于One-stage型目标检测模型提出的One-stage型实例分割模型，可能是首个真正意义上达到实时性（>30fps）的实例分割模型。作者机构：DanielBolya等，UniversityofCalifornia,Davis文章标题：《YOLACT:Real-timeInstanceSegmentation》论文出处：ICCV2019原文链接：https://arxiv.org/

Wilber529·2020-08-26 14:27

论文学习笔记（四）ESPNet: Efficient Spatial Pyramid of Dilated Convolutions for Semantic Segmentation

『写在前面』2018上半年出品的语义分割轻量级网络。论文出处：ECCV2018作者机构：SachinMehta等，UniversityofWashington原文链接：https://arxiv.org/abs/1803.06815v2相关repo：https://github.com/sacmehta/ESPNet目录摘要1介绍2相关工作关于卷积加速膨胀卷积3ESPNet3.1ESP模块将标准卷

Wilber529·2020-08-26 14:27

论文学习笔记-M2Det

『写在前面』Single-shot目标检测新模型，使用multi-level特征。作者机构：QijieZhao等，北京大学&阿里达摩院文章标题：《M2Det:ASingle-ShotObjectDetectorbasedonMulti-LevelFeaturePyramid》原文链接：https://arxiv.org/abs/1811.04533相关repo：https://github.com

Wilber529·2020-08-26 14:57

推荐频道

论文学习

2017年8月第一周回顾（1-6）

每周工作总结（2018/09/03-2018/09/07）

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

An image is worth 16x16 words: Transformers for image recognition at scale 论文学习

Deformable DETR 论文学习

Attention is all you need 论文学习

End-to-End Object Detection with Transformers 论文学习

DEFT: Detection Embeddings for Tracking 论文学习

SA-NET: Shuffle attention for DCNN 论文学习

【论文学习】ICLR2021，鲁棒早期学习法：抑制记忆噪声标签ROBUST EARLY-LEARNING: HINDERING THE MEMORIZATION OF NOISY LABELS

步态识别新论文学习——《Gait Lateral Network》

预训练模型专题_Bart_论文学习笔记

【论文学习】Squeeze-and-Excitation Networks（SENet）

airbnb 房源预定 embedding 论文学习

论文学习：Learning spatio-temporal features with 3D convolutional networks

论文学习-Addressing Class Imbalance in Scene GraphParsing by Learning to Contrast and Score

深度知识追踪(Deep Knowledge Tracing)·论文学习归纳

3综述 yolo_无人驾驶综述论文学习（一）

科研入门 - 如何通过论文学习并评价研究问题的价值

GCN学习笔记

论文学习：（TSN）Temporal segment networks: Towards good practices for deep action recognition

单目相机 svd 从图像恢复3维位置_论文学习——VINSMono：一种鲁棒且通用的单目视觉惯性系统...

论文学习-Image Inpainting for Irregular Holes Using Partial Convolutions

论文学习：Metric Factorization:Recommendation beyond Matrix Factorization

【论文学习】FastText总结

你与 SCI 的距离，只有一个国庆假期那么短

深度学习语义分割开山之作-经典论文-FCN

论文学习-深度学习目标检测2014至201901综述-Deep Learning for Generic Object Detection A Survey

谷歌EfficientNet高效卷积网络的学习和使用

[优质论文]伪造共同访问对推荐系统进行攻击

《Attributed Social Network Embedding》论文学习笔记

High Quality Monocular Depth Estimation via Transfer Learning论文学习

论文学习笔记： Convolutional Neural Pyramid for Image Processing

You Only Look Once: Unified, Real-Time Object Detection（YOLOv1）论文学习笔记

The Dataflow Model论文学习笔记

论文学习MobileNet-v2（超详解）

论文学习-MobileNet-v1

论文学习—YOLO-v4

YOLO-V2论文学习（超详细）

CVPR 2017 Paper列表

Graph Cuts学习笔记2014.5.16----1

【论文学习】How To Backdoor Federated Learning论文学习

【论文学习】Deep Learning for Unsupervised Insider ThreatDetection in Structured Cybersecurity DataStreams

2018美赛C题论文学习笔记1

PointNet论文学习

SlowFast Networks for Video Recognition 论文学习

CenterNet：Objects as Points论文学习笔记+代码复现(demo+训练数据)【检测部分】

论文学习笔记-YOLACT

论文学习笔记（四）ESPNet: Efficient Spatial Pyramid of Dilated Convolutions for Semantic Segmentation

论文学习笔记-M2Det