论文学习第9页

《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】《Adversarial Attacks on GMM i-vector based Speaker Verification Systems》

《AdversarialAttacksonGMMi-vectorbasedSpeakerVerificationSystems》论文学习文章目录《AdversarialAttacksonGMMi-vectorbasedSpeakerVerificationSystems

FallenDarkStar·2022-11-29 07:06

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

Fully-Convolutional Siamese Networks for Object Tracking 论文学习

目录论文阅读总结TranslationAbstractIntroductionDeepsimilarityfortrackingFully-convolutionalSiamesearchitectureTrainingwithlargesearchimagesImageNetVideofortrackingPracticalconsiderationsRelatedworkExperiments

亚里·2022-11-29 06:30

UneXt论文学习

读UneXt论文文章目录读UneXt论文abstract1.Introduction2.UneXt3.ExperimentsandResults消融实验abstract大致思路：过去的Unet模型及其模型变种在分割任务上的准确率高，但是权重太大(parameter-heavy)，不能在终端使用，因此作者提出了UneXt模型，下面是UneXt的原理和效果（改进点）。原理：（1).Weproposea

系统随机·2022-11-28 17:26

【论文学习】On the representation and estimation of spatial uncertainty

RandallC.Smith与PeterChessman，发表于1987年，这篇文章被认为是最早提出SLAM问题的一篇文章。CSDN文章链接（欢迎使用积分下载）：https://download.csdn.net/download/tfb760/11888452百度网盘分享（如果实在没有积分的话）：https://pan.baidu.com/s/1Ys2R5TxKjBLYbuOapqlLjg&sh

larry_dongy·2022-11-28 16:40

【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

FallenDarkStar·2022-11-28 10:43

Deep Reinforcement Learning with Double Q-learning（Double DQN）论文学习和公式推导

最近刚开始使用DQN，也会用DDQN，但是背后的原理不理解，所以读了这篇论文，下面以翻译并附带一些解释和公式推导的方式讲讲我个人的理解，有疑问可以多交流。AbstractQ-learning算法会在某些情况下存在对actionvalues的过估计（overestimation）问题，但这种过估计是否普遍存在，是否影响性能，是否可避免，以前尚不清楚。作者在本文回答了这些问题，且证明了用于解决表格式问

王蛋糕cake·2022-11-27 18:26

高光谱目标检测论文学习（3）——An Effective Evaluation Tool for Hyperspectral Target Detection: 3D ROC Analysis

前言这篇文章是这个系列的第三篇，论文还是与前两篇同一作者。前面我们主要讲了一些目标检测的方法，比如第一篇里我们总结了基于LRT、基于SNR和基于SA的三类方法，在第二篇中我们聚焦混合像素图像的目标检测问题，对一种经典的方法OSP进行改进。只有方法还不是全部，我们还需要了解，用什么指标去衡量这些方法的性能。在前两篇文章中，我们都提到了3D-ROC这个用来进行评估的工具，这一篇就来重点看看这个工具。如

MrBamboo2000·2022-11-27 07:38

|Boids|鸟群模型|鸟群算法|学习笔记 - 论文学习

本文基于CraigReynolds于1986年发布的《Flocks,Herds,andSchools:ADistributedBehavioralModel》进行学习和总结通过一段原文，一段分析的方法，进行分析概述··摘要Theaggregatemotionofaflockofbirds,aherdoflandanimals,oraschooloffishisabeautifulandfamili

常陆茉子天下第一·2022-11-27 04:13

【论文学习】《A Overview of Spoof Speech Detection for Automatic Speaker Verification》

《AOverviewofSpoofSpeechDetectionforAutomaticSpeakerVerification》论文学习文章目录《AOverviewofSpoofSpeechDetectionforAutomaticSpeakerVerification

FallenDarkStar·2022-11-26 21:44

transformer论文学习：Attention Is All You Need

transformer论文学习：AttentionIsAllYouNeed文章目录transformer论文学习：AttentionIsAllYouNeed整体结构速览一、网络结构二、注意力机制参考资源

iam氯化钠·2022-11-26 12:01

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

A Simple Framework for Contrastive Learning of Visual Representations[论文学习] SimCLR

Wesimplifyrecentlyproposedcontrastiveself-supervisedlearningalgorithmswithoutrequiringspecializedarchitecturesoramemorybank.compositionofdataaugmentationsplaysacriticalroleindefiningeffectivepredictiv

smile_point·2022-11-25 00:38

论文学习-SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers

目录一、SegFormer:SimpleandEfficientDesignforSemanticSegmentationwithTransformersAbstract1Introduction2RelatedWork3Method3.1分级Transformer编码器3.2轻量级All-MLP解码器3.3与SETR的关系4Experiments4.1ExperimentalSettings4.

ZZE15832206526·2022-11-25 00:59

论文学习|集成式DGNN|GC-LSTM: 图卷积嵌入LSTM用于动态网络链路预测

提出了一个新颖的将GCN嵌入LSTM的端到端模型，用于动态网络链路预测。其中，LSTM作为主要框架用来学习动态网络时间快照的时间特征；GCN用来捕获节点的局部拓扑特征。动态网络链路预测可以根据历史信息预测给定网络未来的连接状态。例如，可以根据人们过去的行为、朋友甚至个人属性预测人们在社交网络的未来关系。在过去，通常将GCN层和LSTM层进行顺序的简单堆叠，而本文中，将GCN嵌入到LSTM，更好地将

不想学习，想嗨皮·2022-11-24 21:00

Distractor-aware Siamese Networks for Visual Object Tracking 论文学习

DistractorawareofSiameseNetworksforvisualobjecttracking论文学习论文阅读总结TranslationAbstract1Introduction1.1Contributions2RelatedWork3Distractor-awareSiameseNetworks3.1FeaturesandDrawbacksinTraditionalSiamese

亚里·2022-11-24 20:25

RGB-D 行为识别研究进展及展望的论文学习

“RGB-D”指同时使用RGB、深度和骨架三种模态数据,基于RGB-D视频融合的模型主要难点在于怎么去融合从不同模态数据中得到的特征.其实这篇paper是很早之前就看了的，这篇学习笔记也是早就写了，但忘记在草稿箱里一直没发出来…名词解析模态：首先，什么叫做模态（Modality）呢？每一种信息的来源或者形式，都可以称为一种模态。例如，人有触觉，听觉，视觉，嗅觉；信息的媒介，有语音、视频、文字等；多

hsclyy·2022-11-24 14:20

论文学习——StyleGan原文精读

原论文地址：https://arxiv.org/pdf/1812.04948.pdf原论文及翻译，参考研究，能力有限，不一定每句话都准确，欢迎讨论AStyle-BasedGeneratorArchitectureforGenerativeAdversarialNetworks生成对抗网络中一种基于样式的生成器结构目录AStyle-BasedGeneratorArchitectureforGener

卖香油的少掌柜·2022-11-24 12:13

ViT论文学习

模型最重要的部分——怎么把cv问题转到nlp问题，即图片到tokens参考B站：37分走一遍单张图片的前向（多张只需在所有尺寸的最前面加上batchsize即可）：1.224x224x3------------------------输入图片尺寸2.196x768---------------------------分割为尺寸为16x16的patch序列s。通道数变为768，768这个数是怎么出来

构建的乐趣·2022-11-24 10:08

轻量型骨干网络之GhostNet: More Features from Cheap Operations论文学习

0.摘要在mobilenetShuffleNet之后，华为推出了自己的轻量化网络，提出ghost模块，思想比较简单，作者觉得反正有很多featuremap是特征冗余的，不如直接用基础特征图来制造冗余的featuremap。用cheapoperation（简单的线性操作）来代替部分卷积运算。作者也用了别的技术来压缩模型：剪枝（神经元）、剪枝（通道）、二值化法、张量分解、知识蒸馏1.模型压缩剪枝连接(

Diros1g·2022-11-24 07:45

Deep SAD论文学习

前提：核函数：核函数设X是输入空间（欧氏空间或离散集合），Η为特征空间（希尔伯特空间）。存在一个从X到Η的映射ϕ(x)\phi(x)ϕ(x)，使得函数K(x,z)=K(x,z)=K(x,z)=映射函数：ϕ(x)\phi(x)ϕ(x),核函数K(x,z)=K(x,z)=K(x,z)=核函数满足MercerTheorem数据在什么情况下可以用核函数？从个人理解出发，即只要在原始数据维度大于零且涉及空间

CeciliaFinch·2022-11-24 05:53

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

异构群体机器人协作任务分配（群体智能论文学习）

异构群体机器人协作任务分配（群体智能论文学习）目录异构群体机器人协作任务分配（群体智能论文学习）1、题外话：无人机集群发展个人浅见2、无人机集群在科幻电影中的精彩应用3、进入正题：群体机器人协同任务分配问题

小铁匠-Ma·2022-11-23 22:22

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

VGG论文学习心得

一、网络结构基本概念如果输入的是一个RGB图像，那么就会有3个通道。“channel”通常被用来描述“layer”的结构。相似的，“kernel”是被用来描述“filter”的结构。来自输入是一个5x5x3的矩阵，有三个通道。filter是一个3x3x3的矩阵。首先，filter中的每个卷积核分别应用于输入层中的三个通道。执行三次卷积，产生3个3x3的通道。然后，这三个通道相加（矩阵加法），得到一

Pandoroda·2022-11-23 13:58

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

AnoDDPM: Anomaly Detection with Denoising DiffusionProbabilistic Models using Simplex Noise论文学习

摘要1.在基于重建的异常检测中，不需要全长马尔可夫链扩散。这导致我们开发了一种新的部分扩散异常检测策略，可扩展到高分辨率图像，名为AnoDDPM。2.高斯扩散不能捕获较大的异常,因此，我们开发了一个多尺度的单纯形噪声扩散过程来控制目标异常大小。一、介绍1.DDPM能够从复杂的数据分布中生成样本，比GANs和VAEs具有更好的模式覆盖。去噪过程是从一个N(0,I)分布中获取样本，并随机地将其转换为一

在努力变更好的阿欣呀·2022-11-23 08:12

【论文学习】《Tacotron: Towards End-to-End Speech Synthesis》

《Tacotron:TowardsEnd-to-EndSpeechSynthesis》论文学习文章目录《Tacotron:TowardsEnd-to-EndSpeechSynthesis》论文学习摘要1

FallenDarkStar·2022-11-23 04:24

Image Segmentation论文学习翻译-SLIC Superpixels Compared to State-of-the-Art Superpixel Methods

摘要近年来，计算机视觉应用越来越依赖于超像素，但是如何构成一个好的超像素算法并不总是很清楚。为了理解现有方法的优点和缺点，我们根据经验比较了五种最先进的超像素算法，它们能够坚持图像边界、速度、存储效率以及对分割性能的影响。然后引入一种新的超像素算法——简单线性迭代聚类（SLIC），该算法采用k-均值聚类方法来有效地生成超像素。尽管SLIC方法简单，但是它比以往的方法更符合边界条件，同时具有更快的存

暮雨橙海·2022-11-23 00:53

论文学习——基于改进Bi-LSTM和XGBoost的电力负荷组合预测方法

文章目录1摘要2结论3引言3.1组合预测3.2总结4加权灰色关联投影算法的理论介绍5双向LSTM6在Bi-LSTM中引入注意力机制7XGBoost电力负荷预测模型8Attention-Bi-LSTM+XGBoost电力负荷组合预测模型8.1既然存在两个模型，就一定有一个权重分配的过程！9重头戏：实验部分9.1数据预处理9.2单一模型预测阶段9.3权重赋予9.4预测评估10模型评估10.1选择基准模

谜底是你_·2022-11-22 22:09

#论文学习#第二篇：CNN-SLAM: Real-time dense monocular SLAM with learned depth prediction

CNN-SLAM:Real-timedensemonocularSLAMwithlearneddepthpredictionCNN-SLAM：基于学习深度预测的实时稠密单目slamAbstract：本文研究了如何利用深度神经网络预测对深度地图进行精确和稠密的单目重建。我们提出了一种方法，将cnn预测的稠密深度地图与直接单目SLAM获得的深度测量自然融合在一起。我们的融合方案在单眼SLAM方法容易失

qq_34716695·2022-11-22 21:29

FastReID A PyTorch ToolBox for General Instance ReIdentification 论文学习

Abstract通用的实例ReID在计算机视觉领域是非常重要的一个任务，可许多应用中都有使用，如行人/车辆重识别、人脸识别、野生动物保护、商品追溯等。为了满足日益增长的需求，本文介绍了一个在京东广泛应用的软件系统—FastReID。高度模块化和可扩展设计使之使用起来很方便。友好的管理系统配置和工程部署功能让从业者能很快地在应用中部署模型。作者实现了一些SOTA的工程，包括行人重识别、跨域重识别和车

calvinpaean·2022-11-22 19:19

MobileNet v1 v2 v3论文学习总结

MobileNetv1MobileNet网络是由google团队在2017年提出的，专注于移动端或者嵌入式设备中的轻量级CNN网络。相比传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数与运算量。(相比VGG16准确率减少了0.9%，但模型参数只有VGG的1/32)。深度可分离卷积要说MobileNet网络的优点，无疑是其中的DepthwiseConvolution结构(大大减少运算量和参

xx忘记思考了·2022-11-22 16:53

论文学习-Segmenter: Transformer for Semantic Segmentation

目录一、Segmenter:TransformerforSemanticSegmentationAbstract1.Introduction2.Relatedwork3.Ourapproach:Segmenter3.1.Encoder3.2.Decoder4.Experimentalresults4.1.Datasetsandmetrics4.2.Implementationdetails一、Se

ZZE15832206526·2022-11-22 13:11

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

End-to-EndObjectDetectionwithTransformers，DETR论文学习1.引言2.本论文发表前的目标检测策略(非端到端的目标检测策略)2.1目标检测的任务2.2one-stage

吃蔬菜的狗·2022-11-22 12:11

【学习笔记】目标检测算法总结

【学习笔记】目标检测算法总结说明MacOS操作系统、MindNote思维导图软件、B站学习视频+原论文学习、初学者笔记如有问题请多多指教记录Overfeat模型、R-CNN、FastR-CNN、FasterR-CNN

00后-、。，；·2022-11-22 08:46

YOLOv2论文笔记

前些天把yolov1论文学习完（yolov1论文笔记_crlearning的博客-CSDN博客），今天分享一下yolov2的论文（YOLO9000：Better，Faster，Stronger），主要是对

crlearning·2022-11-22 04:24

【论文复现】PointPainting: Sequential Fusion for 3D Object Detection论文学习及复现

论文学习（1）摘要camera和lidar都是自动驾驶领域很重要的传感器。但是，通过在几个主要的benchmark数据集上做实验发现，基于lidar的方法要优于基于lidar和camera融合的方法。

精致又勤奋的码农·2022-11-22 04:07

《Convolutional 2D Knowledge Graph Embeddings》论文学习

问题提出背景：知识图谱的链路预测是预测实体之间确实关系的任务，以前的链路任务只集中在比较浅层次的还有快速的模型，这些可以用来扩展到大型知识图谱,但是这些模型比深度多层模型表达的特征更少，会限制其性能。方法：在这里我们介绍了convE，一个用于链路预测的多层神经网络，并报告了几个已经建立好的数据集的最新的成果。效果：它具有比较高的参数效率，它的性能跟DisMult和R-GCN相同，但是他的参数比这两

然然不想摸鱼了·2022-11-22 01:49

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

基于深度学习的图像处理算法论文学习

近年来，深度学习技术得到了巨大的发展，并广泛应用于图像处理领域。相对于许多传统算法，深度学习技术从海量的训练数据中学习到的先验知识具有更强的泛化能力和更复杂的参数化表达，且无需调节算法参数以适应不同的应用场景。得益于上述优势，深度学习技术己经广泛应用于图像处理领域，如何利用深度学习算法提升图像处理的效果也变成了一个重要的研究方向。尽管深度学习技术显著促进了图像处理领域的发展，但是受限于其对训练数据

海纳百川的系统·2022-11-21 12:15

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

推荐频道

论文学习