论文理解

ConvE——二维卷积知识图谱横空出世

《Convolutional2DKnowledgeGraphEmbeddings》论文理解+代码复现本论文理解不再翻译原文，只写上我对于论文原生态的理解，应该会比较详细，请读者放心。
时光诺言·2024-02-14 01:23

时序动作定位｜使用 ‘注意力机制’ 的弱监督时序动作定位顶会论文理解笔记（Weakly-Supervised Temporal Action Localization）

目录WeaklySupervisedActionLocalizationbySparseTemporalPoolingNetwork（CVPR2018）W-TALC:Weakly-supervisedTemporalActivityLocalizationandClassification（ECCV2018）
六个核桃Lu·2024-02-04 01:01

论文理解—— Disentangle-based Continual Graph Representation Learning

EMNLP2020Disentangle-basedContinualGraphRepresentationLearning链接：https://arxiv.org/abs/2010.02565研究背景：多关系数据表示真实世界中实体和实体之间的关系，其中的节点表示实体，边代表实体之间的关系，比如常见的知识图谱和信息网络等。利用图表示学习方法对多关系图建模一直是学术界和业界关注的热点。图表示学习目的
qq_26919935·2023-12-28 20:12

Backbone：深层聚合网络：Deep Layer Aggregation（DLA）

arxiv.org/abs/1707.06484论文代码（pytorch）：https://github.com/ucbdrive/dla参考博客：DeepLayerAggregation----------论文理解
AIRV_Gao·2023-12-25 00:07

【论文理解】Spatial Contrastive Learning for Few-Shot Classification

内容概览前言一、空间对比学习（SpatialContrastiveLearning）1.对比学习2.全局对比损失3.空间对比损失二、特征的修正三、对比蒸馏（ContrastiveDistillation）四、少样本分类五、实验结果总结前言这篇论文提出了一个采用非episodictraining方法的少样本图像分类算法，作者来自巴黎萨克雷大学，于2020.12.26挂在arxiv上：论文链接这篇论文
辣椒油li·2023-12-02 01:52

【论文理解】Batch Normalization论文中关于BN背景和减少内部协变量偏移的解读（论文第1、2节）

最近在啃BatchNormalization的原论文（Title：BatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternalCovariateShift）。详细记录一下对论文前面部分的个人笔记和理解，包括第一部分的Introduction和第二部分的TowardsReducingInternalCovariateShif
takedachia·2023-11-20 13:29

SAM(Segment Anything)论文理解

【废话可不看】第一次有位教授给我推荐这个Model，我以为只是和往常一样，又出现一个性能稍微提升的算法模型结构，看了一眼名字“分割世间万物”，觉得是个吹水的东东，就没再往下看了。今天老板让我研究研究这个东东，作为打工人，乖乖开启了研究之旅，结果为自己的无知狠狠地打脸！这篇文章具有划时代意义，至少代表了语义分割大模型（没有说视觉大模型，是因为还有分类和检测）的雏形，作者也很慷慨，授人以鱼且授人以渔：
努力当总裁·2023-11-14 00:51

EfficientDet论文讲解

整体架构1.1BackBone：EfficientNet-B01.2Neck：BiFPN特征加强提取网络1.3Head检测头1.4compoundscaling2、anchors先验框3、loss组成4、论文理解
韩师兄_·2023-11-08 07:45

Prototype-CNN for Few-Shot Object Detection in Remote Sensing Images论文理解

代码：https://github.com/Ybowei/P-CNN目录1.研究背景2.基本概念--Few-ShotObjectDetection3.研究方法PLN--原型学习网络P-GRPN--原型引导的区域生成网络ROIAligh--感兴趣区域对齐Dectionhead--检测头训练策略4.实验结果1.研究背景随着深度学习特别是深度卷积神经网络的兴起，利用其强大的特征提取能力，在自然场景图像中
小仝爱吃肥牛·2023-10-27 07:40

BSVD论文理解：Real-time Streaming Video Denoising with Bidirectional Buffers

BSVD是来自香港科技大学的一篇比较新的视频去噪论文，经实践，去噪效果不错，在这里分享一下对这篇论文的理解。论文地址：https://arxiv.org/abs/2207.06937代码地址：GitHub-ChenyangQiQi/BSVD:[ACMMM2022]Real-timeStreamingVideoDenoisingwithBidirectionalBuffers我们都知道，在超低照度拍
牧羊女说·2023-10-23 21:19

BERT论文理解-理论版

目录BERT模型架构输入表征预训练任务代码实现Encoder编码器模块BERT模型架构BERT模型架构是一种多层双向变换器（Transformer）编码器。至于什么是变换器的注释及实现，参考哈佛Vaswani等人(2017)的优秀代码指南(http://nlp.seas.harvard.edu/2018/04/03/attention.html)BERT有两种大小：（1）Base版：L=12；H=
jianafeng·2023-10-22 14:47

点云网络的论文理解（二）- PointNet的pytorch复现

1.了解PointNet为了更好的复现这个东西我们需要先了解这个东西，先把原文给出的图片放在这里，之后我们再一点点理解。1.1点云的特点1.1.1无序性：也就是说这个点的先后顺序和实际上是什么无关你不管这些点加入集合的顺序如何，最后的最后他们组成的图形还是那么个图形，也就是说这些东西的顺序是完全没有必要的。所以我们必须使用对称的函数：也就是说，这个函数必须要满足，你怎么调换函数变量的输入顺序，函数
BuptBf·2023-10-20 15:00

【论文理解】FedSky: An Efficient and Privacy-Preserving Scheme for Federated Mobile Crowdsensing

这篇论文同样是来自陆老师组的，发表在IEEEINTERNETOFTHINGSJOURNAL上的一篇关于联邦学习、同态加密的文章。目录论文背景群智感知（CrowdSensing）F-MCS本文的主要贡献模型与设计目标系统模型安全模型设计目标PRELIMINARIESA.FedAvgAlgorithmB.DifferentVariantsofSkylineQueriesC.BilinearPairin
卷卷卷不动·2023-10-15 12:20

Adaptive Graph Convolutional Recurrent Network for Traffic Forecasting 论文理解+机翻

背景：快速的城市化带来了人口的增长，并带来了巨大的流动性和挑战性。在这些挑战中，智能交通系统是一个重要领域，交通预测是城市交通管理的重要部分。问题描述：论文关注的是如何准确的预测未来的交通状况，例如交通流量和速度、乘客需求等。方法：传统的预测方法采用时间序列模型，它们无法捕捉到大规模交通的非线性相关性和复杂的时空模式。论文提出了一种叫做AdaptiveGraphConvolutionalRecur
顺顺不吃竹笋·2023-09-20 04:31

【目标检测】SPP-Net论文理解（超详细版本）

目录：目标检测—SPP-Net论文一、初步认识二、研究背景三、研究动机1.关于图像尺寸的理解2.关于为何全连接层需要固定输入四、SPP-Net作出的改进1.与传统CNN的对比2.与R-CNN的对比1）R-CNN模型2）SPP-Net模型五、SPP-Net中的难点六、原始图像中的ROI如何映射到特征图七、ROI池化层八、总结一、初步认识SPP-Net是出自2015年发表在IEEE上的论文，全名为《S
旅途中的宽~·2023-09-01 00:56

yolo3解析

yolov3解析yolo系列论文看过，源码包调过，抽点时间把论文理解和源码做个一一对应，加深理解，论文https://pjreddie.com/darknet/yolo/源码看的mxnet,gluon-cv
迷途的Go·2023-07-24 01:49

RepVGG论文理解

目录RepVGG:MakingVGG-styleConvNetsGreatAgain（RepVGG:让vgg风格的ConvNets再次伟大）参考链接结构重参数化的实质3.1.SimpleisFast,Memory-economical,Flexible简单就是快速，节省内存，灵活3.2Training-timeMulti-branchArchitecture培训时-多分支架构3.3Re-param
孟孟单单·2023-07-13 22:45

论文理解之面向脑驱动的仿人机器人：基于脑电的BCI异步直接控制

这篇文章还没有修改很完善，之后会再进行一些修改原论文：TowardBrain-ActuatedHumanoidRobots:AsynchronousDirectControlUsinganEEG-BasedBCI论文链接：https://www.semanticscholar.org/paper/Toward-Brain-Actuated-Humanoid-Robots%3A-Asynchrono
A哆啦A梦·2023-06-16 03:46

Focal Loss与GHM 理解与使用

一、理解5分钟理解FocalLoss与GHM——解决样本不平衡利器https://zhuanlan.zhihu.com/p/80594704二、使用GHM论文理解及实现https://zheng-yuwei.github.io
HxShine·2023-06-14 08:30

ResNet 论文理解含视频

ResNet论文理解问题导引论文理解Q1.神经网络真的越深越好吗?Q2.为什么加深网络会带来退化问题？Q3.如何构建更深层的网络？
小喵要摸鱼·2023-06-11 16:39

【计算机视觉 | 扩散模型】新论文 | DragGAN论文：如果甲方想把大象 P 转身，你只需要拖动 GAN 就好了

文章目录一、论文说明二、前言三、论文理解四、实验4.1定性评估4.2定量评估4.3讨论一、论文说明2023年5月18日提交的论文，华人一作。
旅途中的宽~·2023-06-10 06:40

3D深度学习的初步探索（PointNet,PointNet++,Geo-CNN论文理解)

【点云笔记】3D深度学习的初步探索【PointNet,PointNet++,Geo-CNN】概述PPT概览PointNet,PointNet++,Geo-CNN论文PPT自动演示概述下面的PPT及演示是之前课程作业做的，时间已经有些久远（2020年），主要是PointNet,PointNet++,Geo-CNN论文相关要点的介绍。PPT设置的是自动播放模式，对应汇报的语言是调用科大讯飞的机器人语音
xiaobai_Ry·2023-04-21 15:19

xgboost导读及论文理解

X-gboost(Extreme-GradientBoosting)优化的分布式梯度提升算法，end-to-end不需要特征抽取。输入原始数据，就能输出目标结果。整篇论文技术实现分两个部分核心点1.算法推导(paper篇幅30%)判别式：判别公式:boosterForest:森林中树的数量，受到max_estimator的约束:森林中的每颗树显而易见，xgboost是非线性(Tree)的加法模型损
璆_ca09·2023-04-16 16:36

【音视频第12天】GCC论文阅读（3）

AGoogleCongestionControlAlgorithmforReal-TimeCommunicationdraft-alvestrand-rmcat-congestion-03论文理解看中文的
Magic_o·2023-04-15 11:46

【音视频第10天】GCC论文阅读(1)

AGoogleCongestionControlAlgorithmforReal-TimeCommunicationdraft-alvestrand-rmcat-congestion-03论文理解看中文的
Magic_o·2023-04-13 09:48

【音视频第11天】GCC论文阅读(2)

AGoogleCongestionControlAlgorithmforReal-TimeCommunicationdraft-alvestrand-rmcat-congestion-03论文理解看中文的
Magic_o·2023-04-13 09:16

Segmentation-driven 6D Object Pose Estimation论文理解

文章目录本文创新点\贡献方法方法概述分割流回归流训练最终loss推理实验结果总结本文创新点\贡献分割驱动，让每个可以看到的部分都对关键点位置的预测做出贡献方法方法概述假设：物体是刚体且CAD模型已知。对输入的图片做卷积，然后产生分割和预测，将图片分成S×SS\timesSS×S个网格，每个网格都i预测属于的类别并回归关键点的位置，关键点在这里就是交点，然后根据2D-3D对应来做EPnP分割流对每个
KirutoCode·2023-04-03 01:14

Position-aware Attention and Supervised Data Improve Slot Filling论文理解

论文题目：Position-awareAttentionandSupervisedDataImproveSlotFilling发表作者：YuhaoZhang,VictorZhong,DanqiChen,GaborAngeli,ChristopherD.Manning出版源：Proceedingsofthe2017ConferenceonEmpiricalMethodsinNaturalLangua
qzlydao·2023-03-26 18:31

基于Starts的自制Ekstaz回归测试系统设计与实现 毕业论文++英文论文+答辩PPT+演示视频+项目源码

目录自制Ekstazi11.缘起12.论文理解11.依赖格式22.分析（A）阶段23.执行（E）阶段34.收集（C）阶段35.非调试校验和33.项目结构&原理讲解3自制Ekstazi1.缘起在自动化测试这门课程中
毕业设计论文资料·2023-03-14 13:39

【目标识别学习笔记系列】一、RCNN论文理解

前言：本文是在总结以下博客的基础上对RCNN的理解，感谢原作者文章，使我收获很大，在此整理笔记，仅作学习用途。https://blog.csdn.net/shenxiaolu1984/article/details/51066975https://blog.csdn.net/u011534057/article/details/51218250RegionCNN(RCNN)可以说是利用深度学习进行
zl3090·2023-02-21 07:44

目标检测笔记（二）R-CNN网络和论文理解

一、简介R-CNN是基于regionproposal方法的目标检测算法系列开山之作，由加州大学伯克利分校的RBG大神于2014年提出，其先进行区域搜索，然后再对候选区域进行分类。在R-CNN中，通过Selectivesearch方法来生成候选区域，这是一种启发式搜索算法。它先通过简单的区域划分算法将图片划分成很多小区域，然后通过层级分组方法按照一定相似度合并它们，最后的剩下的就是候选区域（regi
大白兔黑又黑·2023-02-21 07:09

单目深度估计自监督模型Featdepth解读（下）——openMMLab框架使用

在上一篇博客里分析了Featdepth论文原理和核心源码，也就是模型部分，包括网络结构和损失函数计算：苹果姐：单目深度估计自监督模型Featdepth解读（上）——论文理解和核心源码分析本篇博客将介绍Featdepth
苹果姐·2023-02-04 21:57

ESPNet:Efficient Spatial Pyramid of Dilated Convolutions for Semantic Segmentation-------论文理解

参考博客：https://blog.csdn.net/sinat_37532065/article/details/85723068论文链接：https://arxiv.org/abs/1803.06815v21.概述提出在资源约束的情况下仍然能有效的对高分辨率图片进行语义分割的网络，ESPNet，基于一个新的卷积模块，即高效的空间金字塔（ESP），它在计算，内存和功率方面都很有效。目前多数CNN
ruoruojiaojiao·2023-02-02 22:32

PFNet - Pytorch实现

PFNet-Pytorch实现前言论文理解代码使用说明前言RethinkingPlanarHomographyEstimationUsingPerspectiveFieldsRuiZeng,SimonDenman
金渐层猫·2023-02-02 15:18

论文理解【Offline RL】——【One-step】Offline RL Without Off-Policy Evaluation

标题：OfflineRLWithoutOff-PolicyEvaluation文章链接：OfflineRLWithoutOff-PolicyEvaluation代码：davidbrandfonbrener/onestep-rl发表：NIPS2021领域：离线强化学习（offline/batchRL）——RL-Based/One-step摘要：先前的大多数Offline-RL方法都采用了涉及Off-
云端FFF·2023-01-31 20:54

Face Detection SSH 论文理解

最近做人脸相关项目的时候在检测阶段用到了SSH和MTCNN两种算法，学习一下paper的具体内容并记录一些重点paper：:SingleStageHeadlessFaceDetectorlink：SSHpapercode：https://github.com/mahyarnajibi/SSH摘要本文提出了一个onestage人脸检测器headless的解释：在分类CNN网络的基础上移除了fully
JustForYouW·2023-01-30 08:14

ICCV：SPG论文理解

SPG:UnsupervisedDomainAdaptationfor3DObjectDetectionviaSemanticPointGenerationAlgorithmHideandPredictSemanticAreaExpansionLossExperimentsOD和Kirk（DomainAdaptation）之间的主要领域差距是点云质量恶化，这是由阴雨天气条件引起的。在目标域中，我们
zhSunw·2023-01-29 20:11

立体匹配论文笔记（11.5~11.12）

《HITNet:HierarchicalIterativeTileRefinementNetworkforReal-timeStereoMatching》CVPR2021术语论文理解可取之点2.
Estella1024·2023-01-28 16:21

论文理解《Stacked Pooling: Improving Crowd Counting by Boosting Scale Invariance》

代码主页：https://github.com/siyuhuang/crowdcount-stackpool解决问题：在池化层上下功夫，解决了图像处理中的多尺度问题；发现：1.在人群计数的图片数据集上，如果将不同区域的图片resize到一定的尺寸，这两个区域会表现出极大的视觉相似性（包括人物大小、人群密度、层叠关系）；见下图。2.alargerpoolingrangeenablesaninvari
Selieyo·2023-01-28 09:39

GAN+压缩感知【论文理解】

论文地址：http://eprints.lincoln.ac.uk/31056/1/Deep_CS_MRI_Paper.pdf最近在学习GAN与压缩感知（CompressedSensing，CS）相结合的论文，将这篇《DAGAN:DeepDe-AliasingGenerativeAdversarialNetworksforFastCompressedSensingMRIReconstruction
飘来的笔迹是深藏激情你的心语·2023-01-28 06:17

ELU激活函数以及python画图

Elu激活函数论文：https://arxiv.org/pdf/1511.07289v5.pdf论文理解：https://blog.csdn.net/mao_xiao_feng/article/details
cd_maomao·2023-01-26 10:45

深度估计自监督模型monodepth2论文总结和源码分析【理论部分】

本文主要对monodepth2的理论和源码部分进行一定的总结，实战部分可以参考我的另一篇博客深度估计自监督模型monodepth2在自己数据集的实战——单卡/多卡训练、推理、Onnx转换和量化指标评估一、论文理解
苹果姐·2023-01-26 09:53

论文理解 Linkage Based Face Clustering via Graph Convolution Network

论文理解LinkageBasedFaceClusteringviaGraphConvolutionNetwork背景要解决的问题基于GCN的人脸图像聚类图卷积层节点合并KNN搜索MxNet复现GCNLayer
碧落回雪·2023-01-19 21:16

论文理解【Offline RL】—— A dataset perspective on offline reinforcement learning

标题：Adatasetperspectiveonofflinereinforcementlearning标题（初版）：UnderstandingtheEffectsofDatasetCharacteristicsonOfflineReinforcementLearning文章链接：Adatasetperspectiveonofflinereinforcementlearning发表：NIPS202
云端FFF·2023-01-19 08:48

图像超分辨论文理解：Residual Dense Network for Image Super-Resolution

该论文出自2018年。文章主要围绕如何充分利用以前层的信息，从而使用了dense连接和残差结构。dense连接可以将以前层的输出传递到当前层的输入上，从而可以充分利用以前层的特征信息。而残差结构可以使训练稳定并加速训练过程，提高网络性能。网络结构如下：该网络主要由四部分组成：1、shallowfeatureextractionnet(SFENet)该层由两个卷积层组成，第一个卷积对输入的LR图像进
AI未来·2023-01-19 07:57

BERT(二)--论文理解：BERT 模型结构详解

124951994传送门：BERT(一)–论文翻译：BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstandingBERT(二)–论文理解
吕秀才·2023-01-17 07:24

论文理解:“Conservative physics-informed neural networks on discrete domainsfor conservation laws: Appl“

译：守恒定律离散域上的保守物理信息神经网络:在正问题和反问题中的应用--Comput.MethodsAppl.Mech.Engrg.365(2020)目录一、引言二、问题设置三、方法四、数值实验4.1、ViscousBurgers方程4.2、Korteweg–deVries方程4.3、不可压缩Navier–Stokes方程4.4、逆问题：二维无粘Burgers方程一、引言PINN与传统的数值方法(
RrS_G·2023-01-16 16:28

论文理解：“Multi-output physics-informed neural networks for forward andinverse PDE problems with uncer“

译：多输出物理信息神经网络用于不确定正、反偏微分方程问题from：Comput.MethodsAppl.Mech.Engrg.--2022目录一、引言二、MO-PINN三、数值实验3.1、正问题——2维非线性Allen–Cahn方程3.2、逆问题——二维非线性扩散-反应体系一、引言与传统的深度学习应用不同，深度学习需要大数据集来训练模型，物理信息神经网络(PINN)已经被开发出来，将物理平衡定律嵌
RrS_G·2023-01-16 16:28

论文理解：“Quadratic Residual Networks: A New Class of Neural Networks forSolving Forward and Inverse P“

QuadraticResidualNetworks:ANewClassofNeuralNetworksforSolvingForwardandInverseProblemsinPhysicsInvolvingPDEs译：二次残差网络一类新的神经网络涉及偏微分方程的物理正反问题的求解目录一、引言二、二次残差网络三、实验一、引言大多数现有的PINN只使用普通的DNN架构。因此，PINN公式通常需要大量
RrS_G·2023-01-16 16:58

ByteTrack: Multi-Object Tracking by Associating Every Detection Box论文理解及代码复现

ByteTrack:Multi-ObjectTrackingbyAssociatingEveryDetectionBox论文理解及代码复现论文地址：https://arxiv.org/pdf/2110.06864
大千视界·2023-01-15 08:30
上一页 1 2 3 4 5 6 7 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他