论文精读第16页

论文精读《CaDNN: Categorical Depth Distribution Network for Monocular 3D Object Detection》

CategoricalDepthDistributionNetworkforMonocular3DObjectDetection文章目录CaDNN:CategoricalDepthDistributionNetworkforMonocular3DObjectDetection论文精读摘要

zyw2002·2022-11-19 19:08

R-CNN论文精读（论文翻译）

文章目录摘要1.介绍2.目标检测与R-CNN3.可视化，融合和模型的错误4、ILSVRC2013检测数据集5.语义分割(略)6.结论附录摘要Objectdetectionperformance,asmeasuredonthecanonicalPASCALVOCdataset,hasplateauedinthelastfewyears.在PASCALVOC数据集上测量的目标检测性能在过去几年已经趋于

一个小猴子｀·2022-11-19 19:13

李沐论文精读系列五：DALL·E2（生成模型串讲，从GANs、VE/VAE/VQ-VAE/DALL·E到扩散模型DDPM/ADM）

文章目录一、前言1.1DALL·E简介1.2DALL·E2简介1.3文生图模型进展二、引言2.1摘要2.2引言&模型结构三、算法铺垫3.1GANs3.2AE3.3DAE/MAE3.4变分自编码器VAE3.5VQ-VAE/VQ-VAE23.5.1为何要做QuantisedVector？3.5.2VQ-VAE算法3.5.3局限性3.5.4VQ-VAE2（图片生成效果超越BigGAN）3.6DALL·E

神洛华·2022-11-19 18:50

李沐论文精读系列三：MoCo、对比学习综述（MoCov1/v2/v3、SimCLR v1/v2、DINO等）

文章目录一、MoCo1.1导言1.1.1前言1.1.2摘要1.1.3导言1.2相关工作1.2.1SimCLR：端到端的学习方式（InvaSpread也是）1.2.2memorybank（InstDisc模型）1.3算法1.3.1损失函数1.3.2伪代码1.4实验1.4.1对比其他模型1.4.2imagenet数据集结果对比1.4.3迁移学习效果1.5总结二、对比学习论文综述三、第一阶段：百花齐放（

神洛华·2022-11-19 18:19

李沐论文精读系列六：端到端目标检测DETR、最简多模态ViLT

文章目录一、DETR1.1前言1.1.1研究动机：端到端目标检测的意义1.1.2简介1.2相关工作1.3算法1.3.1目标函数1.3.2模型结构1.3.3伪代码1.4实验1.4.1对比FasterRCNN1.4.2可视化二、ViLT2.1前言2.2引言2.3背景知识2.4算法2.4.1模型结构2.4.2目标函数2.4.2整词掩码2.4.3图像增强2.5实验2.5.1训练数据集2.5.2性能对比2.

神洛华·2022-11-19 18:49

论文精读：Towards Total Recall in Industrial Anomaly Detection

工业异常检测截至2022年最好的缺陷检测模型背景：在工业图像的异常检测中，最大的问题就是冷启动的问题。首先，在训练集中都是正常的图片，模型很容易捕获到正常图像的特征，但是很难捕获到异常缺陷的样本（这类样本很少，获取也难）其次，分布漂移。正常图像和异常图像分布是不一样的，模型学习的是正常图像的数据分布，而异常图像的数据分布和正常图像不一样AD数据集上的偏差：AD数据集介绍一下：尝试解决：如果基于分类

银晗·2022-11-19 10:27

Vision Transformer论文精读

论文：AnImageIsWorth16x16Words:TransformersForImageRecognitionAtScale目录摘要VisionTransformer模型结构Embedding层PositionEmbeddingclassembeddingTransformerEencoderlayernormMulti-HeadAttentionDropout/DropPathMLP归纳

0基础快速入门整数的读写·2022-11-19 08:52

Vision Transformer(ViT)论文精读和Pytorch实现代码解析

VisionTransformer(ViT)论文精读和Pytorch实现代码解析自从CV领域的VisionTransformer把NLP领域的Transormer借鉴到图像处理领域，就屠杀了各大CV榜单

Encounter84·2022-11-19 08:39

Long Short-term Memory 万字解析论文精读 LSTM的提出

说明：本文是自己阅读LongShort-termMemory期间，发现论文中的公式复杂，于是写了这篇文章进行梳理，同时给出自己的总结方法。文中的非手绘图片均来自论文LongShort-termMemory。注意：此篇文章提出的LSTM并不是现在所熟知的LSTM（现在是指2022年），现在的LSTM拥有ForgetGate，但是这篇文章并没有遗忘门，而带遗忘门的LSTM是出自LearningtoFo

kaiserqzyue·2022-11-19 07:52

DeepWalk论文精读

本文是精读DeepWalk后做出了一些简略说明与解读。原文链接：DeepWalk:OnlineLearningofSocialRepresentations。文章中的图片均来自论文原文。ABS依据NLP和Random-Walk提出了一种对社交关系网络进行隐编码的方法：DeepWalk。DeepWalk利用随机游走形成的局部信息（将每一次游走得到的信息看成是一个句子）来学习网络的表示。作者通过Dee

kaiserqzyue·2022-11-19 07:22

不如来学习一下GAN(Generative Adversarial Nets) 论文精读

说明：论文原文GenerativeAdversarialNets(nips.cc)，文中图片均来自该论文。ABS提出了一种框架（GAN），该框架通过对抗过程来评估生成模型。框架中有两个模型：生成模型GGG和辨别模型DDD，GGG用来提取数据的分布从而生成人造数据，DDD用来评估样本来自训练数据集的可能性（即样本是真实的可能性）。GGG的目标是让DDD尽可能犯错误（类似于博弈游戏）。在最优情况下，G

kaiserqzyue·2022-11-19 07:21

联邦学习开山之作：Communication-Efficient Learning of Deep Networks from Decentralized Data 带你走进最初的联邦学习论文精读

原文链接：Communication-EfficientLearningofDeepNetworksfromDecentralizedData(mlr.press)该论文是最早提出联邦学习的论文，作者结合背景提出了联邦平均的算法，并作了相应验证实验。ABS随着移动设备的用户增加，产生了大量的分散数据。这些分散数据通常是涉及用户隐私的，所以想要将数据集中起来进行训练是不现实的，作者提出一种能够在各移

kaiserqzyue·2022-11-19 07:06

R-CNN详解

本篇文章为R-CNN的总结，R-CNN论文精读详见我的博客：论文精读：R-CNN:Richfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentation

樱花的浪漫·2022-11-19 06:55

论文精读：YOLOV2——YOLO9000:Better, Faster, Stronger

Abstract我们介绍了YOLO9000，一个最先进的，实时的目标检测系统，可以检测超过9000个目标类别。首先，我们提出了对YOLO检测方法的各种改进，包括新颖的和来自以前的工作。改进后的模型YOLOv2是最先进的标准检测任务，如高标准VOC和COCO。使用一种新颖的、多尺度的训练方法，相同的YOLOv2模型可以在不同的大小下运行，在速度和准确性之间提供了一个简单的权衡。在67FPS的速度下，

樱花的浪漫·2022-11-19 02:22

OpenAI Whisper论文笔记

本文为李沐老师论文精读的学习笔记。本文的模型权重，推理代码及API均以开源，相关博客也介绍了一些有趣的例子。Paper：https://cdn.openai.com/papers/whi

Adenialzz·2022-11-19 01:52

【论文精读4】MVSNet系列论文详解-CVP-MVSNet

CVP-MVSNet全文名为“CostVolumePyramidBasedDepthInferenceforMulti-ViewStereo”，主要创新点在于使用由粗到细（coarse-to-fine）模式来构建代价体金字塔（costvolumepyramid），流程如下：（1）构建不同分辨率的L+1层图片金字塔（ImagePyramid），首先用最低精度L+1层的N张图像基于MVSNet流程推断

LiverWhles·2022-11-19 01:08

【论文精读2】MVSNet系列论文详解-RMVSNet

R-MVSNet是在MVSNet的基础上做了一些改进，主要解决的问题是代价体正则化（CostVolumeRegulazation）过程当中对内存过大的问题，主要做了三点改动：（1）在代价体正则化步骤，使用序列化GRU来代替3DCNN（2）将softargmin替换为Softmax，并将原始的回归问题改为多分类问题计算交叉熵损失（3）为产生具有亚像素精度的深度估计，对初始网络得到的深度图进行变分深度

LiverWhles·2022-11-19 01:38

【论文精读3】MVSNet系列论文详解-P-MVSNet

本文是MVSNet系列的第3篇，建议看过【论文精读1】MVSNet系列论文详解-MVSNet之后再看便于理解。一、

LiverWhles·2022-11-19 01:38

【论文精读1】MVSNet架构各组件详解

MVSNet是使用神经网络做三维重建的一篇经典论文，但大部分讲解其实都是翻译…看来看去最重要的网络训练各步骤原理和作用都是朦朦胧胧，感谢@朽一的博文用书来比喻特征图让我大致理解了整个过程。下边结合我自己的理解做了图示来逐流程介绍，个人认为是比较易懂的，当然也欢迎讨论交流！一、训练流程1.特征提取与传统三维重建方法类似，第一步是提取图像特征（SIFT等特征子），不同点在于本文使用8层的卷积网络从图像

LiverWhles·2022-11-19 00:56

【无标题】

自监督对比学习图像领域论文精读**1.PCL**AbstractPrototypicalContrastiveLearning**2.BalFeat****3.MiCE****4.i-Mix****5.

weixin_46533379·2022-11-17 09:59

【论文精读系列】Real-ESRGAN

论文标题：Real-ESRGAN:TrainingReal-WorldBlindSuper-ResolutionwithPureSyntheticData论文地址：https://arxiv.org/abs/2107.10833v2作者代码：https://github.com/xinntao/Real-ESRGAN原文概述在单张图片超分辨率(SingleImageSuper-resolution

A-Egoist·2022-11-16 18:50

ICLR 2021【论文精读】

文章目录1.四个问题2.论文介绍3.参考资料：1.四个问题解决什么问题将Transformer架构从NLP搬到CV领域上来用什么方法解决将图片打成patch，转换为token，其余同Transformer效果如何小数据集上效果不及CNN，但数据量上来了超过CNNpaperwithcode网站霸榜ImageNet（基于ViT）和COCO,目标检测（SwinTransformerICCV21bestp

I"ll carry you·2022-11-16 17:38

深度学习论文精读[14]：Vision Transformer

从这篇文章开始，我们把深度学习语义分割的目光转向Transformer，即基于ViT的语义分割模型。在正式介绍Transformer分割网络之前，需要先了解一下ViT的分类网络。VisionTransformer(ViT)可以算是整个Visuier任务的backbone网络。提出ViT模型的这篇文章题名为AnImageisWorth16x16Words:TransformersforImageRe

louwill12·2022-11-16 17:05

深度学习论文精读[12]：Deeplab v3

Deeplabv3是v2版本的进一步升级，作者们在对空洞卷积重新思考的基础上，进一步对Deeplab系列的基本框架进行了优化，去掉了v1和v2版本中一直坚持的CRF后处理模块，升级了主干网络和ASPP模块，使得网络能够更好地处理语义分割中的多尺度问题。提出Deeplabv3的论文为RethinkingAtrousConvolutionforSemanticImageSegmentation，是De

louwill12·2022-11-16 17:35

【论文精读】Counterfactual Explainable Recommendation

CounterfactualExplainableRecommendation文章目录CounterfactualExplainableRecommendation1定义和符号表示反事实解释推荐解释的复杂度和力度2反事实解释2.1黑盒推荐模型2.2反事实解释2.3松弛优化3讨论3.1解释复杂度和商品的不同推荐位置之间的关系3.2控制Aspects的数量4模型评估方法4.1面向用户的评估4.2面向模

han1254·2022-11-16 11:28

Text to image论文精读 NAAF:基于负感知注意力的图像-文本匹配框架 Negative-Aware Attention Framework for Image-Text Matching

NAAF：Negative-AwareAttentionFrameworkforImage-TextMatching是基于负感知注意力的图文匹配，其利用匹配片段的积极影响和不匹配片段的消极影响来共同推断图像-文本的相似性，文章由中国科学技术大学和北京邮电大学学者在2022CVPR上发表。论文地址：https://ieeexplore.ieee.org/document/9879764代码地址：ht

中杯可乐多加冰·2022-11-16 07:36

卷积神经网络学习—Resnet50（论文精读+pytorch代码复现）

前言一、Resnet论文精读引入残差残差块ResNet50模型基本构成BN层Resnet50总体结构二、Resnet50代码复现完整代码前言如果说在CNN领域一定要学习一个卷积神经网络，那一定非Resnet

惊鸿落-Capricorn·2022-11-15 13:23

论文精读:PVT v2: Improved Baselines with Pyramid Vision Transformer

论文地址:https://arxiv.org/abs/2106.13797源码地址:https://github.com/whai362/PVTAbstract在这项工作中，作者改进了PVTv1，提出了新的基线，包括(1)线性复杂度注意层，(2)重叠patch嵌入，(3)卷积前馈网络。通过这些修改，PVTv2将PVTv1的计算复杂度降低到线性，并在分类、检测和分割等基本视觉任务上取得了显著的改进。

樱花的浪漫·2022-11-13 11:38

Transformer论文精读

Transformer论文精读Abstract主要的序列转换模型是基于复杂的递归或卷积神经网络，包括一个编码器和一个解码器。性能最好的模型还通过注意力机制连接编码器和解码器。

bugmaker.·2022-11-11 14:01

PVT论文精读:Pyramid Vision Transformer: A Versatile Backbone for Dense Predictionwithout Convolutions

论文地址:https://arxiv.org/pdf/2102.12122.pdf源码:https://github.com/whai362/PVTAbstractVIT很难用于密集检测任务，作者提出了PVT，(1)不同于产生低分辨率输出和引起高计算和内存成本的VIT，PVT不仅可以训练密集分区的图像来实现高输出分辨率，也使用图像金字塔来减少大型特征地图的计算。(2)PVT继承了CNN和trans

樱花的浪漫·2022-11-10 07:30

论文精读:Swin Transformer V2: Scaling Up Capacity and Resolution

论文地址:https://arxiv.org/pdf/2111.09883.pdf代码地址:GitHub-microsoft/Swin-Transformer:Thisisanofficialimplementationfor"SwinTransformer:HierarchicalVisionTransformerusingShiftedWindows".Abstract本篇论文主要致力于解决大

樱花的浪漫·2022-11-10 07:52

深度学习论文笔记（一）Deep Residual Learning for Image Recognition

深度学习论文精读（一）DeepResidualLearningforImageRecognition前言ResNet1Summary总结遇到的问题？解决方案？成果？

澪mio·2022-11-09 10:34

【研一小白论文精读】MobileNet

MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplications初衷就是为了服务移动端，由谷歌团队在2017年提出。DepthwiseConvolution（大大减少运算量和参数量）传统卷积卷积核channel=输入特征矩阵channel输出特征矩阵channel=卷积核个数在默认stride为1的情况下，普通卷积

Titus W·2022-11-09 04:30

【DIN论文精读】Deep Interest Network for Click-Through Rate Prediction

文章目录Paper摘要Abstract1.简介Introduction2.前人的相关工作RelatedWork3.系统概述SystemOverview3.1用户行为数据的特性CharacteristicofUserBehaviorData3.2特征表示FeatureRepresentation3.3Metrics4.模型架构ModelArchitecture4.1基准模型BaseModel4.2深

哈喽十八子·2022-11-09 04:57

CTR预估论文精读(十二)--Deep Session Interest Network(DSIN)

Weobservethatuserbehaviorsarehighlyhomogeneousineachsession,andheterogeneouscrosssessions.Basedonthisobservation,weproposeanovelCTRmodelnamedDeepSessionInterestNetwork(DSIN)thatleveragesusers’multiple

dby_freedom·2022-11-09 04:23

CTR预估论文精读(十三)--Behavior Sequence Transformer for E-commerce Recommendation in Alibaba(BST)

BehaviorSequenceTransformerforE-commerceRecommendationinAlibaba论文解读0.摘要Inthispaper,weproposetousethepowerfulTransformermodeltocapturethesequentialsignalsunderlyingusers’behaviorsequencesforrecommendat

dby_freedom·2022-11-09 04:23

CTR预估论文精读(十四)--Deep Rerank: Personalized Re-ranking for Recommendation(PRM)

DeepRerank:PersonalizedRe-rankingforRecommendation论文解读0.论文摘要Rankingisacoretaskinrecommendersystems,whichaimsatprovidinganorderedlistofitemstousers.Typically,arankingfunctionislearnedfromthelabeleddata

dby_freedom·2022-11-09 04:23

DIN论文精读

论文地址：https://arxiv.org/pdf/1706.06978.pdf摘要点击率预测时工业应用中一项重要的任务，比如在线公告。最近，基于深度学习的模型被提出，类似一个Embedding&MLP的模型。在这些模型中，大规模的稀疏特征首先被映射成低维的特征向量，然后以组式的转换成固定长度的向量，最后连着一起输入到多层感知机学习特征之间的非线性关系。这种方法，用户特征被压缩成固定长度的表示向

superY25·2022-11-09 04:21

Text to image论文精读PDF-GAN：文本生成图像新度量指标SSD Semantic Similarity Distance

SSD，全称为SemanticSimilarityDistance，是一种基于CLIP的新度量方式，是西交利物浦大学学者提出的一种新的文本生成图像度量指标，受益于所提出的度量，作者进一步设计了并行深度融合生成对抗网络（PDF-GAN），它可以融合不同粒度的语义信息并捕获准确的语义。文章22年10月在arcxiv发表。论文地址：https://arxiv.org/abs/2210.15235本篇文章

中杯可乐多加冰·2022-11-08 18:30

GAN论文精读 GGDR：让生成器引导鉴别器来学习 Generator Knows What Discriminator Should Learn in Unconditional GANs

《GeneratorKnowsWhatDiscriminatorShouldLearninUnconditionalGANs》是NAVERAILab2022年的最新研究，文章被ECCV2022收录。文章地址：https://link.springer.com/chapter/10.1007/978-3-031-19790-1_25代码地址：https://github.com/naver-ai/G

中杯可乐多加冰·2022-11-08 18:29

GAN论文精读 P2GAN: Posterior Promoted GAN 用鉴别器产生的后验分布来提升生成器

《PosteriorPromotedGANwithDistributionDiscriminatorforUnsupervisedImageSynthesis》是大连理工学者发表的文章，被2021年CVPR收录。文章地址：https://ieeexplore.ieee.org/document/9578672本篇文章是阅读这篇论文的精读笔记。一、原文摘要生成器中足够的真实信息是GAN产生能力的关键

中杯可乐多加冰·2022-11-08 18:29

SimCSE论文精读

写在前面大家好，我是刘聪NLP。「句向量表征技术」一直都是NLP领域的热门话题，在BERT前时代，一般都采用word2vec训练出的word-embedding结合pooling策略进行句向量表征，或者在有训练数据情况下，采用TextCNN/BiLSTM结合Siamesenetwork策略进行句向量表征。在BERT时代，人们借助预训练语言模型的固有优势，一般采用BERT模型的[CLS]向量作为句向

刘聪NLP·2022-11-07 21:09

Learning to Quantize Deep Networks by Optimizing Quantization Intervals with Task Loss 论文总结

论文精读《LearningtoQuantizeDeepNetworksbyOptimizingQuantizationIntervalsWithTaskLoss》参考：油管视频三星论文揭秘Exynos9820NPU

早睡的叶子·2022-11-07 09:12

DETR 论文精读，并解析模型结构

上一篇文章介绍了ViT，即VersionTransformer，用于图像分类，今天这篇名为DETR的模型结构诞生于2020年，一经发布便有很多的追随者对其进行改进，使得目标检测前景更加广阔。目录一、摘要二、结论三、DETR模型结构（1）简略的DETR模型（2）精简的DETR模型四、极其简易的DETR架构（1）Backbone（2）Transformerencoder（3）Transformerde

Flying Bulldog·2022-11-03 08:47

智能优化算法论文精读和复现（一）:MOPSO

一、MOPSO论文精读首先附上原文链接：MOPSO:aproposalformultipleobjectiveparticleswarmoptimization|IEEEConferencePublication

Hawkins_Kang·2022-11-03 08:38

深度学习论文精读[7]：nnUNet

相较于常规的自然图像，以UNet为代表的编解码网络在医学图像分割中应用更为广泛。常见的各类医学成像方式，包括计算机断层扫描（ComputedTomography,CT）、核磁共振成像（MagneticResonanceImaging,MRI）、超声成像（UltrasoundImaging）、X光成像（X-rayImaging）和光学相干断层扫描（OpticalCoherenceTomography

louwill12·2022-11-03 08:35

深度学习论文精读[10]：Deeplab v1

在语义分割发展早期，一些研究观点认为将CNN用于图像分割主要存在两个问题：一个是下采样导致的信息丢失问题，另一个则是CNN的空间不变性问题，这与CNN本身的特性有关，这种空间不变性有利于图像分类但却不利于图像分割中的像素定位。从多尺度和上下文信息的角度来看，这两个问题是导致FCN分割效果有限的重要原因。因而，相关研究针对上述两个问题提出了Deeplabv1网络，通过在常规卷积中引入空洞（Atrou

louwill12·2022-11-03 08:35

深度学习论文精读[13]：Deeplab v3+

Deeplabv3+是Deeplab系列最后一个网络结构，也是基于空洞卷积和多尺度系列模型的集大成者。相较于Deeplabv3，v3+版本参考了UNet系列网络，对基于空洞卷积的Deeplab网络引入了编解码结构，一定程度上来讲，Deeplabv3+是编解码和多尺度这两大系列网络的一个大融合，在很长一段时间内代表了自然图像语义分割的SOTA水平的分割模型。提出Deeplabv3+的论文为Encod

louwill12·2022-11-03 08:35

论文精读 | slam中姿态估计的图优化方法比较

一、摘要对于位置环境中的自主导航问题，同步定位与建图(Simultaneouslocalizationandmapping,SLAM)是一个非常重要的工具框架。根据SLAM字面含义可以得知，获取正确的环境表征和估计机器人正确的运动轨迹这两点在SLAM问题中至关重要。在解决优化估计问题上表现SOTA方法的主流思路是基于图优化的最小二乘，比较流行的算法框架有g2o、Ceres、GTSAM、SE-Syn

深蓝学院·2022-11-03 08:04

论文精读:Axial-DeepLab: Stand-Alone Axial-Attention forPanoptic Segmentation

论文地址:https://arxiv.org/abs/2003.07853Abstract卷积利用局部性来提高效率，但代价是缺少长期上下文。自我注意已经被用来通过非局部的交互作用来增强cnn。最近的研究证明，通过将注意力限制在一个局部区域，可以通过叠加自注意层来获得一个完全的注意网络。本文试图通过将二维自注意分解为两个一维自注意来消除这一约束。这降低了计算的复杂度，并允许在一个更大的、甚至是全局的

樱花的浪漫·2022-11-03 08:04

推荐频道

论文精读

论文精读 《CaDNN: Categorical Depth Distribution Network for Monocular 3D Object Detection》

R-CNN论文精读（论文翻译）

李沐论文精读系列五：DALL·E2（生成模型串讲，从GANs、VE/VAE/VQ-VAE/DALL·E到扩散模型DDPM/ADM）

李沐论文精读系列三：MoCo、对比学习综述（MoCov1/v2/v3、SimCLR v1/v2、DINO等）

李沐论文精读系列六：端到端目标检测DETR、最简多模态ViLT

论文精读：Towards Total Recall in Industrial Anomaly Detection

Vision Transformer论文精读

Vision Transformer(ViT)论文精读和Pytorch实现代码解析

Long Short-term Memory 万字解析 论文精读 LSTM的提出

DeepWalk论文精读

不如来学习一下GAN(Generative Adversarial Nets) 论文精读

联邦学习开山之作：Communication-Efficient Learning of Deep Networks from Decentralized Data 带你走进最初的联邦学习 论文精读

R-CNN详解

论文精读：YOLOV2——YOLO9000:Better, Faster, Stronger

OpenAI Whisper论文笔记

【论文精读4】MVSNet系列论文详解-CVP-MVSNet

【论文精读2】MVSNet系列论文详解-RMVSNet

【论文精读3】MVSNet系列论文详解-P-MVSNet

【论文精读1】MVSNet架构各组件详解

【无标题】

【论文精读系列】Real-ESRGAN

ICLR 2021【论文精读】

深度学习论文精读[14]：Vision Transformer

深度学习论文精读[12]：Deeplab v3

【论文精读】Counterfactual Explainable Recommendation

Text to image论文精读 NAAF:基于负感知注意力的图像-文本匹配框架 Negative-Aware Attention Framework for Image-Text Matching

卷积神经网络学习—Resnet50（论文精读+pytorch代码复现）

论文精读:PVT v2: Improved Baselines with Pyramid Vision Transformer

Transformer论文精读

PVT论文精读:Pyramid Vision Transformer: A Versatile Backbone for Dense Predictionwithout Convolutions

论文精读:Swin Transformer V2: Scaling Up Capacity and Resolution

深度学习论文笔记（一）Deep Residual Learning for Image Recognition

【研一小白论文精读】MobileNet

【DIN论文精读】Deep Interest Network for Click-Through Rate Prediction

CTR预估 论文精读(十二)--Deep Session Interest Network(DSIN)

CTR预估 论文精读(十三)--Behavior Sequence Transformer for E-commerce Recommendation in Alibaba(BST)

CTR预估 论文精读(十四)--Deep Rerank: Personalized Re-ranking for Recommendation(PRM)

DIN论文精读

Text to image论文精读PDF-GAN：文本生成图像新度量指标SSD Semantic Similarity Distance

GAN论文精读 GGDR：让生成器引导鉴别器来学习 Generator Knows What Discriminator Should Learn in Unconditional GANs

GAN论文精读 P2GAN: Posterior Promoted GAN 用鉴别器产生的后验分布来提升生成器

SimCSE论文精读

Learning to Quantize Deep Networks by Optimizing Quantization Intervals with Task Loss 论文总结

DETR 论文精读，并解析模型结构

智能优化算法论文精读和复现（一）:MOPSO

深度学习论文精读[7]：nnUNet

深度学习论文精读[10]：Deeplab v1

深度学习论文精读[13]：Deeplab v3+

论文精读 | slam中姿态估计的图优化方法比较

论文精读:Axial-DeepLab: Stand-Alone Axial-Attention forPanoptic Segmentation

论文精读《CaDNN: Categorical Depth Distribution Network for Monocular 3D Object Detection》

Long Short-term Memory 万字解析论文精读 LSTM的提出

联邦学习开山之作：Communication-Efficient Learning of Deep Networks from Decentralized Data 带你走进最初的联邦学习论文精读

CTR预估论文精读(十二)--Deep Session Interest Network(DSIN)

CTR预估论文精读(十三)--Behavior Sequence Transformer for E-commerce Recommendation in Alibaba(BST)

CTR预估论文精读(十四)--Deep Rerank: Personalized Re-ranking for Recommendation(PRM)