论文学习

AlexNet论文学习

Alexnet（2012）AbstractAlexnet是一个大规模的深度卷积神经网络，用于对ImageNet中的LSVRC-2010contest（120万256*256的高分辨率图片）进行1000分类。其中用到的技术包括非饱和神经元，用于卷积运算的高效GPU，dropout正则化技术。同时，本文也给出了这一模型的一个变体。Introduction在此之前，提高性能的方法一般是扩大数据集，同时使
cititude·2019-09-15 21:00

MobileNet论文学习

AbstractMobileNet用于移动或嵌入式应用，其主要方法是通过引入2个超参以在延迟和准确率上做tradeoff，是一个轻量级结构。可用于objectdetection,fine-grainclassification,faceattributesandlargescalegeo-localization.Introduction自AlexNet开始的neuralnetwork致力于加大网
cititude·2019-09-14 20:00

Deep Residual Learning for Image Recognition论文学习笔记

DeepResidualLearningforImageRecognition论文学习摘要1.简介2.深度残差学习2.1残差学习2.2通过短路的Identitymapping2.3网络架构3实验3.1ImageNet
Paper Generator·2019-09-03 14:34

【论文学习】Xception——回顾经典paper

paper：Xception:DeepLearningwithDepthwiseSeparableConvolutionsURL：https://arxiv.org/abs/1610.023572017年的经典paper，作者在Inception的基础上引入DW卷积提出了Xception。由于引入DW卷积，但作者的目的不是为了减少flops。所以增加了网络的宽度，所以可以认为是一个flop和wid
Lingyun_wu·2019-08-10 00:17

【论文学习】Xception——回顾经典paper

paper：Xception:DeepLearningwithDepthwiseSeparableConvolutionsURL：https://arxiv.org/abs/1610.023572017年的经典paper，作者在Inception的基础上引入DW卷积提出了Xception。由于引入DW卷积，但作者的目的不是为了减少flops。所以增加了网络的宽度，所以可以认为是一个flop和wid
Lingyun_wu·2019-08-10 00:17

生活中的事都是来“炼心”的｜感恩日记D185

早上嘟嘟也醒来了，喂奶哄睡，完成了论文学习，洗衣服。感恩自己的勤快，认真完成每日
Amy宝宝·2019-08-02 07:49

Deep Residual Learning for Image Recognition 论文学习笔记

论文题目：深度残差学习在图像识别中的应用摘要神经网络越深，训练越困难。我们提出了一种减轻网络训练负担的残差学习框架，比现有网络本质上层次更深。我们根据层输入显式地将层重新表示为学习残差函数，而不是学习未定义函数。同时，我们提供了全面实验数据，这些数据证明残差网络更容易优化，并且可以从深度增加中大大提高精度。在ImageNet数据集上，残差网络的深度可达152层--是vgg网络的8倍深，但仍然具有较
思予象·2019-08-01 15:35

Apache Calcite 论文学习笔记

特别声明：本文来源于掘金，“预留”发表的[ApacheCalcite论文学习笔记](https://juejin.im/post/5d2ed6a96fb9a07eea32a6ff)最近在关注大数据处理的技术和开源产品的实现
叁金·2019-07-19 13:00

陪嘟嘟一起成长。感恩日记D170

感恩自己早起完成论文学习，收拾东西下来。感恩自己时刻谨记论文学习。2个番茄钟被打断一次，没关系，会越来越棒。感恩自
Amy宝宝·2019-07-18 11:20

论文笔记：word2vec Parameter Learning Explained

论文学习：word2vecParameterLearningExplained这篇论文详细的介绍了word2vec参数的计算更新步骤，就像作者在摘要里所写的一样，Mikolov的论文简化了公式的推导，所以文章显得比较晦涩
MirrorN·2019-07-12 22:19

【论文学习】C-FAN：视频人脸识别，component-wise，特征聚合网络

原文地址：https://arxiv.org/pdf/1902.07327.pdf这是一篇2019的cvprpaper，在视频人脸识别中，输入一组图片，输出的单个特征向量。主要是增加了一个聚合模块，用来学习componentfeature的质量。在feature的前一层，同时输出feature和quality信息，以提高后续metriclearning的精度。摘要我们提出了一种新的视频人脸识别方法
Lingyun_wu·2019-07-02 18:57

【论文学习】目标检测 —— FCOS：CVPR 2019关于one-stage和anchor-free最新实用算法

Paper：FCOS:FullyConvolutionalOne-StageObjectDetection，CVPR2019URL:https://arxiv.org/pdf/1904.01355.pdfCodeisavailableat:tinyurl.com/FCOSv1这篇文章是单阶段的目标检测算法，基于anchor-free思想，效果非常好，达到41的mAP，比去年超厉害的RetinaNe
Lingyun_wu·2019-06-29 18:10

【论文学习】目标检测 —— FCOS：CVPR 2019关于one-stage和anchor-free最新实用算法

Paper：FCOS:FullyConvolutionalOne-StageObjectDetection，CVPR2019URL:https://arxiv.org/pdf/1904.01355.pdfCodeisavailableat:tinyurl.com/FCOSv1这篇文章是单阶段的目标检测算法，基于anchor-free思想，效果非常好，达到41的mAP，比去年超厉害的RetinaNe
Lingyun_wu·2019-06-29 18:10

论文学习笔记-MobileNet v3

『写在前面』新一代MobileNet，性能全面提升。作者机构：AndrewHoward等，Google。文章标题：《SearchingforMobileNetV3》原文链接：https://arxiv.org/abs/1905.02244v2相关repo：目录摘要1本文贡献2相关工作3高效移动端构建模块4网络改进4.1重新设计成本高昂层4.2非线性激活函数Largesqueeze-and-exci
Wilber529·2019-06-28 23:17

2019-6-28晨间日记

《窗边的小豆豆》¼3.瑜伽唤醒Day1改进：1.少吃辛辣，喉咙已爆炸2.保持微笑习惯养成：早睡周目标·完成进度1.月总结与计划2.期末工作总结3.论文学习·信息·阅读阅读健康·饮食·锻炼降火清淡饮食keep
Alian__·2019-06-28 07:48

【论文学习】人脸识别 —— Deep Face Recognition: A Survey. 新人必看入门总结

最近看了很多人脸识别loss相关和GAN相关的paper，但是没有提纲挈领的把这些串起来，今天看到了这篇综述，里面虽然介绍的比较复杂，不过总结的还是非常明晰的。Paper:DeepFaceRecognition:ASurvey链接：https://arxiv.org/pdf/1804.06655.pdf摘取了自己感兴趣的几部分，分享给大家，主要讲一下大的框架吧目录人脸识别分类人脸识别流程性能指标关
Lingyun_wu·2019-06-27 19:41

【论文学习】人脸识别 —— Deep Face Recognition: A Survey. 新人必看入门总结

最近看了很多人脸识别loss相关和GAN相关的paper，但是没有提纲挈领的把这些串起来，今天看到了这篇综述，里面虽然介绍的比较复杂，不过总结的还是非常明晰的。Paper:DeepFaceRecognition:ASurvey链接：https://arxiv.org/pdf/1804.06655.pdf摘取了自己感兴趣的几部分，分享给大家，主要讲一下大的框架吧目录人脸识别分类人脸识别流程性能指标关
Lingyun_wu·2019-06-27 19:41

【论文学习】STN —— Spatial Transformer Networks

Paper：SpatialTransformerNetworks这是Google旗下DeepMind大作，最近学习人脸识别，这篇paper提出的STN网络可以代替align的操作，端到端的训练实现图片的align。实际使用的过程中不需要landmarks也可以做align了，而且还可以并联多个，这对于多个物体非常适用，而且，输出的feature大小可以变换，这一点也很灵活。提出背景CNN可以显示的
Lingyun_wu·2019-06-26 11:21

【论文学习】STN —— Spatial Transformer Networks

Paper：SpatialTransformerNetworks这是Google旗下DeepMind大作，最近学习人脸识别，这篇paper提出的STN网络可以代替align的操作，端到端的训练实现图片的align。实际使用的过程中不需要landmarks也可以做align了，而且还可以并联多个，这对于多个物体非常适用，而且，输出的feature大小可以变换，这一点也很灵活。提出背景CNN可以显示的
Lingyun_wu·2019-06-26 11:21

【论文学习】人脸识别——FaceNet：超级经典的paper（triplet loss）

又是超级经典的一篇人脸识别paper，提供了一种端到端的处理，提出了新颖的lossfunction，好文值得多读！FaceNet这篇paper是2015年的论文，实验效果非常好，在LFW中达到了99.63%的精度。实现了利用端到端的网络学习在欧式距离空间的128维人脸特征向量。并提出了tripletloss，通过loss函数直接学习embeddingfeature，并且优化feature的分布。基
Lingyun_wu·2019-06-25 21:35

【论文学习】人脸识别——FaceNet：超级经典的paper（triplet loss）

又是超级经典的一篇人脸识别paper，提供了一种端到端的处理，提出了新颖的lossfunction，好文值得多读！FaceNet这篇paper是2015年的论文，实验效果非常好，在LFW中达到了99.63%的精度。实现了利用端到端的网络学习在欧式距离空间的128维人脸特征向量。并提出了tripletloss，通过loss函数直接学习embeddingfeature，并且优化feature的分布。基
Lingyun_wu·2019-06-25 21:35

The Graph Neural Network Model论文学习笔记

TheGraphNeuralNetworkModel论文学习摘要1.简介2.图神经网络模型A.模型B.状态计算C.学习算法D.转移和输出函数的实现E.和RandomWalks及RNN的比较原文链接摘要诸如计算机视觉
frank_wz·2019-06-21 10:49

【论文学习】人脸识别——DeepFace：深度学习人脸识别开山之作

大家好，从今天开始就要学习人脸识别相关的知识啦，以后也会分享这一类的文章。人脸识别，必不可少的是FacebookAI研究院的这篇。论文：DeepFace:ClosingtheGaptoHuman-LevelPerformanceinFaceVerification[cite]TaigmanY,YangM,RanzatoMA,etal.Deepface:Closingthegaptohuman-le
Lingyun_wu·2019-06-19 23:00

【论文学习】人脸识别——DeepFace：深度学习人脸识别开山之作

大家好，从今天开始就要学习人脸识别相关的知识啦，以后也会分享这一类的文章。人脸识别，必不可少的是FacebookAI研究院的这篇。论文：DeepFace:ClosingtheGaptoHuman-LevelPerformanceinFaceVerification[cite]TaigmanY,YangM,RanzatoMA,etal.Deepface:Closingthegaptohuman-le
Lingyun_wu·2019-06-19 23:00

2018-2019-2 20189206 《密码与安全新技术专题》课程总结

201892062018-2019-2《密码与安全新技术专题》课程总结课程：《密码与安全新技术专题》班级：1892姓名：王子榛学号：20189206上课教师：王志强1.本学期讲座的学习总结第七次课——各组论文学习第一组
王子榛20189206·2019-06-16 21:00

2018-2019-2 20189206 《密码与安全新技术专题》课程总结

201892062018-2019-2《密码与安全新技术专题》课程总结课程：《密码与安全新技术专题》班级：1892姓名：王子榛学号：20189206上课教师：王志强1.本学期讲座的学习总结第七次课——各组论文学习第一组
weixin_30677073·2019-06-16 21:00

Relational inductive biases, deep learning, and graph networks论文学习笔记

Relationalinductivebiases,deeplearning,andgraphnetworks论文学习摘要1.简介2.关系归纳偏好2.1标准深度学习构造块中的关系归纳偏好2.1.1全连接层
frank_wz·2019-06-14 08:02

论文学习（翁荣祥毕业论文）

基础知识1.存在的问题：双语数据的规模与神经网络的参数规模的不平衡，导致现有的神经机器翻译模型生成的向量表示无法包含有足够语言信息。2.基于规则的翻译方式->统计机器翻译（步骤如https://www.cnblogs.com/wuseguang/p/4072920.html1.语料预处理，生成双语分词之后的文件。2.词对齐。3.短语抽取。4.计算短语概率。5.最大熵调序。）->神经机器翻译。3.神
Xiao_yanling·2019-06-10 10:39

20189230杨 2018-2019-2 论文学习与报告总结

目录1.学习论文的总结Part1背景介绍：为什么要用CNN（卷积神经网络）对句子分类？Part2模型介绍Part3数据集Part4实验结论Part5论文复现2.学习中遇到的问题及解决3.参考资料课程：《密码与安全新技术专题》班级：1892姓名：杨学号：20189230上课教师：王志强上课日期：2019年5月21日必修/选修：选修1.学习论文的总结论文名称：ConvolutionalNeuralNe
20189230杨·2019-06-03 22:00

密码与新技术专题论文总结

201892242018-2019-2《密码与安全新技术专题》论文总结课程：《密码与安全新技术专题》班级：1892姓名：史馨怡学号：20189224上课教师：王志强上课日期：2019年5月21日必修/选修：选修论文学习总结
20189224史馨怡·2019-06-03 22:00

deepFM论文学习

前言：deepFM结构比较清晰，更多信息可以参考最后github的代码。核心思想：在dl基础上增加了FM特征（结构非常类似wdl）。FM（linear+二介组合特征）细节：1、每个特征都是一个field映射成embedding向量2、FM模型与deeppart共享featureembedding3、不需要预训练FM得到隐向量4、论文给出的FM简化公式方便计算：在代码中的映射：#secondorde
骆驼算法学习笔记·2019-06-02 15:01

youtube推荐系统论文学习

尽可能简明扼要，如有错误或我没有理解的地方请指点，互相讨论。原论文地址目录一、整体架构二、召回模块（match）三、排序模块（ranking）四、参考文献及额外知识点：一、整体架构YouTube推荐主要分为两块：1）match（召回）2）ranking（排序）二、召回模块（match）核心思想：使用网络训练用户向量U和视频向量V，线上使用使用topK相似度方法找出最相似的候选集。如图所示：细节：1
骆驼算法学习笔记·2019-05-29 22:56

【深度学习论文学习笔记】Deep Residual Learning for Image Recognition【2015】

DeepResidualLearningforImageRecognition残差网络框架论文链接：https://arxiv.org/abs/1512.033851面临的问题直觉上来说，随着越深的网络层数，则模型拟合数据的能力更强，然而事实上，随着网络层的加深，会面临梯度爆炸和梯度消失，是对模型拟合的一大障碍。归一化初始化和中间层的归一化已经在一定程度上消除了梯度消失和爆炸的问题。degrada
BrianLi_·2019-05-26 17:58

AlignedReID论文学习

AlignedReID论文学习论文：《AlignedReID:SurpassingHuman-LevelPerformanceinPersonRe-Identification》下载链接：https:/
DiLLVeRsE·2019-05-20 11:03

【论文学习】行人检测——CVPR Deep Learning Strong Parts for Pedestrian Detection

paper：DeepLearningStrongPartsforPedestrianDetection目录主要解决的问题提出的解决办法1、现阶段对于阻塞问题的处理方法2、文章创新点3、训练部分池过程4、深模型中的移位处理5、学习过程6、遗留问题主要解决的问题做行人检测时，将CNN的主要特征转移给了行人，但无法做遮挡处理。提出的解决办法以前只是建立一个单一的检测器，本文提出了DeepParts，有以
Lingyun_wu·2019-05-15 15:16

【论文学习】行人检测——CVPR：通过MIMS在低分辨率图像中做行人检测

论文：PedestrianDetectioninLow-resolutionImagerybyLearningMulti-scaleIntrinsicMotionStructures(MIMS)通过学习多尺度固有运动结构，在低分辨率图像中做行人检测由于地面采样距离（GSD）低，图像帧速率低，检测距离大幅面广域图像距离的行人是一个具有挑战性的问题。在这种情况下，基于外观提示的方法主要失败，因为行人的
Lingyun_wu·2019-05-14 10:31

【论文学习】2018 CVPR 目标检测必读paper

1、CascadeR-CNNDelvingintoHighQualityObjectDetection.CascadedRCNN这篇文章的出发点非常有意思，是通过分析输入proposal和groundtruth的IOU与检测模型采用的用于界定正负样本的IOU关系得到结论：当一个检测模型采用某个阈值（假设u=0.6）来界定正负样本时，那么当输入proposal的IOU在这个阈值（u=0.6）附近时，
Lingyun_wu·2019-05-14 09:12

【论文学习】2018 CVPR 目标检测必读paper

1、CascadeR-CNNDelvingintoHighQualityObjectDetection.CascadedRCNN这篇文章的出发点非常有意思，是通过分析输入proposal和groundtruth的IOU与检测模型采用的用于界定正负样本的IOU关系得到结论：当一个检测模型采用某个阈值（假设u=0.6）来界定正负样本时，那么当输入proposal的IOU在这个阈值（u=0.6）附近时，
Lingyun_wu·2019-05-14 09:12

【论文学习】2017 CVPR 目标检测必读paper

1、Speed/accuracytrade-offsformodernconvolutionalobjectdetectors其主要考虑三种检测器（FasterRCNN,R-FCN,SSD）作为元结构，三种CNN网络（VGG，Inception，ResNet）作为特征提取器，变化其他参数如图像分辨率、proposals数量等，研究目标检测系统准确率与速度的权衡关系。2、YOLO9000:Bette
Lingyun_wu·2019-05-14 09:36

【论文学习】2017 CVPR 目标检测必读paper

1、Speed/accuracytrade-offsformodernconvolutionalobjectdetectors其主要考虑三种检测器（FasterRCNN,R-FCN,SSD）作为元结构，三种CNN网络（VGG，Inception，ResNet）作为特征提取器，变化其他参数如图像分辨率、proposals数量等，研究目标检测系统准确率与速度的权衡关系。2、YOLO9000:Bette
Lingyun_wu·2019-05-14 09:36

【论文学习】2016 CVPR 目标检测必读paper

1、Deepresiduallearningforimagerecognition何凯明的代表作之一，获得了16年的bestpaper。文章不是针对目标检测来做的，但其解决了一个最根本的问题：更有力的特征。检测时基于FasterR-CNN的目标检测框架，使用ResNet替换VGG16网络可以取得更好的检测结果。（实际上，使用ResNet网络代替ZF,VGG,GoogleNet等网络模型无论在图像分
Lingyun_wu·2019-05-14 09:39

【论文学习】2016 CVPR 目标检测必读paper

1、Deepresiduallearningforimagerecognition何凯明的代表作之一，获得了16年的bestpaper。文章不是针对目标检测来做的，但其解决了一个最根本的问题：更有力的特征。检测时基于FasterR-CNN的目标检测框架，使用ResNet替换VGG16网络可以取得更好的检测结果。（实际上，使用ResNet网络代替ZF,VGG,GoogleNet等网络模型无论在图像分
Lingyun_wu·2019-05-14 09:39

CNN网络学习（2）：ZFNet，OverFeat，FCN，FPN

网络学习（2）：ZFNet，FCN，OverFeat1、ZFNet（2013）：2、OverFeat（2014）：3、FCN（2015）：3、FPN（2017）：1、ZFNet（2013）：ZFNet论文学习详解深度学习之经典网络架构
clover_my·2019-05-13 19:06

【论文学习】轻量级网络——MobileNetV3终于来了（含开源代码）

论文名称：《SearchingforMobileNetV3》感谢github上大佬们开源，开源代码整理如下：（1）PyTorch实现1：https://github.com/xiaolai-sqlai/mobilenetv3（2）PyTorch实现2：https://github.com/kuan-wang/pytorch-mobilenet-v3（3）PyTorch实现3：https://git
Lingyun_wu·2019-05-13 18:43

【论文学习】轻量级网络——MobileNetV3终于来了（含开源代码）

论文名称：《SearchingforMobileNetV3》感谢github上大佬们开源，开源代码整理如下：（1）PyTorch实现1：https://github.com/xiaolai-sqlai/mobilenetv3（2）PyTorch实现2：https://github.com/kuan-wang/pytorch-mobilenet-v3（3）PyTorch实现3：https://git
Lingyun_wu·2019-05-13 18:43

论文学习笔记08：IMT

基础知识总结（1）机器翻译技术背景：基于词的翻译模型->基于短语的翻译模型->基于句法的翻译模型->神经网络翻译模型。（2）译后编辑：通过人工直接修改机器翻译的自动译文来完成翻译。译后编辑是最简单的人机交互方式。优点：如果机器翻译的自动译文质量较高，人工修改量就比较少，这种方式可以有效提升译员的生产效率。缺点：当前的机器翻译系统对应的译文质量远未达到人工翻译场景的用户期望。如果机器翻译的自动译文质
Xiao_yanling·2019-05-13 08:04

【论文学习】快速卷积方法——Winograd 变换

论文：FastAlgorithmsforConvolutionalNeuralNetworks本博客关注于论文中Winograd变换部分在1D，2D和多维度中，最小算法需要等于输入数量的多次乘法。换句话说，为了计算F（m，r），我们必须访问m+r-1个数据值的间隔，并且为了计算F（m×n，r×s），我们必须访问（m+r-1）×（n+s-1）数据值。因此，最小滤波算法需要每个输入一次乘法。1、F（2
Lingyun_wu·2019-05-12 16:11

【论文学习】快速卷积方法——Winograd 变换

论文：FastAlgorithmsforConvolutionalNeuralNetworks本博客关注于论文中Winograd变换部分在1D，2D和多维度中，最小算法需要等于输入数量的多次乘法。换句话说，为了计算F（m，r），我们必须访问m+r-1个数据值的间隔，并且为了计算F（m×n，r×s），我们必须访问（m+r-1）×（n+s-1）数据值。因此，最小滤波算法需要每个输入一次乘法。1、F（2
Lingyun_wu·2019-05-12 16:11

【论文学习】Guetzli：感知引导的JPEG编码器

Paper：Guetzli:PerceptuallyGuidedJPEGEncoder摘要Guetzli是一种新的JPEG编码器，旨在以比其他常见的JPEG编码器更低的比特率产生视觉上无法区分的图像。它使用闭环优化器优化JPEG全局量化表和每个JPEG块中的DCT系数值。Guetzli使用我们的感知距离度量Butteraugli[1]作为其优化过程中的反馈来源。根据Butteraugli，与我们尝
Lingyun_wu·2019-05-12 16:05

【论文学习】Guetzli：感知引导的JPEG编码器

Paper：Guetzli:PerceptuallyGuidedJPEGEncoder摘要Guetzli是一种新的JPEG编码器，旨在以比其他常见的JPEG编码器更低的比特率产生视觉上无法区分的图像。它使用闭环优化器优化JPEG全局量化表和每个JPEG块中的DCT系数值。Guetzli使用我们的感知距离度量Butteraugli[1]作为其优化过程中的反馈来源。根据Butteraugli，与我们尝
Lingyun_wu·2019-05-12 16:05
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他