论文精读第18页

ACmix 论文精读，并解析其模型结构

此文章根据论文内容和本人的见解撰写而成，希望对你有所帮助。如有疑问，欢迎评论区一起探讨。OntheIntegrationofSelf-AttentionandConvolution关于自注意力与卷积的整合目录一、摘要二、结论三、ACmix&Conv&Self-Attention四、重新审视卷积和自注意力（1）卷积（计算过程）（2）自注意力模块（计算过程）五、模型解析（1）卷积和自注意力之间的关系（

Flying Bulldog·2022-08-01 11:55

[论文精读]Attention Is All You Need

AttentionIsAllYouNeedAbstract主流的序列转换模型主要基于复杂的循环神经网络或者卷积神经网络,这些结构往往包含编码器和解码器架构.表现最好的模型使用注意力机制将编码器和加码器连接起来.作者提出一种新的简单的网络,transformer,仅仅使用注意力机制,完全抛弃了循环结构和卷积结构.在两个机器翻译任务上的实验表明,作者提出的这些网络(为什么是s?)质量更好,同时并行化程

Remember00000·2022-07-22 07:20

NLP—5.word2vec论文精读

word2vec论文代码复现链接：word2vec论文代码复现文章目录一、储备知识1.语言模型的概念2.语言模型的发展3.语言模型的平滑操作4.语言模型的评价指标二、研究背景1.词的表示方式三、研究意义四、论文精读

哎呦-_-不错·2022-07-21 07:10

论文精读：Mask R-CNN

Abstract我们提出了一个概念上简单、灵活和通用的对象实例分割框架。我们的方法可以有效地检测图像中的对象，同时为每个实例生成一个高质量的分割掩模。该方法被称为MaskR-CNN，通过与现有用于边界和识别的分支并行的R-CNN。MaskR-CNN训练很简单，只比FasterR-CNN增加了一小部分开销，以5帧/秒的速度运行。此外，MaskR-CNN很容易推广到其他任务中，例如，允许我们在相同的框

樱花的浪漫·2022-07-19 22:12

Two-Stream Convolutional Networks for Action Recognition in Videos双流网络论文精读

Two-StreamConvolutionalNetworksforActionRecognitioninVideos双流网络论文精读论文：Two-StreamConvolutionalNetworksforActionRecognitioninVideos

Encounter84·2022-07-17 07:02

【论文精读】基于骨架行为识别—STGCN

作者丨calm-one编辑丨3D视觉开发者社区论文链接文章目录摘要1.介绍2.相关工作2.1图上的神经网络2.2基于骨架行为识别3.时空图卷积3.1全流程3.2骨架图构建3.3空间图卷积神经网络3.4分区策略3.5可学习的边界重要性权重3.6实现ST-GCN4.实验4.1数据集和评估策略4.2消融实验4.3和SOTA对比5.总结摘要人体骨架动力学为人体动作识别提供了重要的信息。传统的骨骼建模方法通

奥比中光3D视觉开发者社区·2022-07-13 08:31

零基础多图详解图神经网络（GNN/GCN）【论文精读】

视频链接：零基础多图详解图神经网络（GNN/GCN）【论文精读】-哔哩哔哩(bilibili.com)博客链接：AGentleIntroductiontoGraphNeuralNetworks(distill.pub

MT_Joy·2022-07-12 08:41

深度之眼Paper带读笔记GNN.07.GraphSAGE

文章目录前言论文结构学习目标导读研究背景notation图卷积GCN/GAT/GraphSAGE通用流程研究意义泛读摘要核心论文结构论文精读论文算法模型总览GNN结构回顾GraphSAGE结构模型细节一

oldmao_2000·2022-07-10 12:11

MOCO论文精读-具有离散拆分送货和取货的车辆路径问题的禁忌搜索算法(Meng Qiu .et al. 2018)

Paper:ATabuSearchalgorithmforthevehicleroutingproblemwithdiscretesplitdeliveriesandpickups论文：QiuM,FuZ,EgleseR,etal.ATabuSearchalgorithmforthevehicleroutingproblemwithdiscretesplitdeliveriesandpickups[

striving长亮·2022-06-28 07:29

MOCO论文精读-用于组合优化的机器学习：方法论之旅(Yoshua Bengio, 2021)-翻译

Machinelearningforcombinatorialoptimization:Amethodologicaltourd’horizon论文：BengioY,LodiA,ProuvostA.Machinelearningforcombinatorialoptimization:amethodologicaltourd’horizon[J].EuropeanJournalofOperatio

striving长亮·2022-06-28 07:28

MOCO论文精读-基于深度强化学习的组合优化问题研究进展(李凯文, 2020)

基于深度强化学习的组合优化研究进展本人研究方向(博士期间)：多目标组合优化与决策研究——致力于多约束多目标多任务组合优化算法和多目标决策系统的研究与开发，以及多目标优化技术在一些工程实践中的应用。论文：李凯文,张涛,王锐,覃伟健,贺惠晖,黄鸿.基于深度强化学习的组合优化研究进展.自动化学报,2020,41(x):1−17名词解释：多目标组合优化：Multi-ObjectiveCombinatori

striving长亮·2022-06-28 07:27

【深度学习CV-baseline】VGG论文精读

VGG-大规模图像识别的深度卷积神经网络一、研究背景、成果及意义1、学习目标这篇文章是针对卷积神经网络的深度去研究的，并且是针对大规模的图像识别任务中。2、研究背景、成果及意义相关研究1、AlexNet：ILSVRC-2012分类冠军，里程牌的CNN模型AlexNet卷积神经网络设计理念会一直沿用，前面卷积池化进行特征提取，后面FC层分类的设计思想。2、ZFNet：ILSVRC-2013分类冠军，

白桃乌龙茶·2022-06-27 23:14

【深度学习CV-baseline】AlexNet论文精读

AlexNet-ImageNetClassificationwithDeepConvolutionalNeuralNetworks基于深度卷积神经网络的图像分类一、研究背景1、学习目标2、研究背景（1）数据集1）Mnist可以称为CV领域的Helloworld，也就是我们入门CV领域的第一个接触的数据集，该数据集为人手写的0-9的10个数字，该数据集图片的分辨率为28×28；2）Cifar-10与

白桃乌龙茶·2022-06-27 23:05

YOLO系列论文精读总结——YOLOv1篇

YOLOv1论文精读YOLO系列论文精读总结——[YOLOv1篇](https://download.csdn.net/download/AI_eNyu/85274569)YOLOv1概述1.推理阶段2

Yuuu_le·2022-06-27 09:54

一文读懂Focal Loss及Pytorch代码(详细注释)

FocalLoss详解实现思路FocalLoss类的代码具体流程分析代码FocalLoss(FL)与CrossEntropy(CE)对比：总结前言FocalLoss及RetinaNet原理见另一篇文章：【论文精读

18岁小白想成大牛·2022-06-22 07:00

【论文精读】Adaptive As-Natural-As-Possible Image Stitching

18岁小白想成大牛·2022-06-18 07:23

重读经典：《End-to-End Object Detection with Transformers》

DETR论文精读【论文精读】这一次朱毅博士给大家精读的论文是DETR，是目标检测领域里程碑式的一个工作，文章收录于ECCV20。

自动驾驶小学生·2022-06-12 07:31

A Text-Based Analysis of Corporate Innovation

AText-BasedAnalysisofCorporateInnovation(GustafBellstam)–论文精读文章目录AText-BasedAnalysisofCorporateInnovation

PD我是你的真爱粉·2022-06-06 10:59

【目标检测论文精读】……YOLO-V3 ……（搞笑向学术报告---An Incremental Improvement）

文章目录1.V1,V2回顾：2.Abstract（摘要）3.Introduction（引言）4.TheDeal（处理）5.yolov3结构模型：主干网络的改进6.ThingsWeTriedThatDidn’tWork（待奏效策略）7.WhatThisAllMeans(瞎聊)Rebuttal(互喷)思考要生成三种不同的尺寸，到底谁来负责预测？小总结YOLO系列:yolov1精读yolov2精读yol

深度不学习！！·2022-05-27 20:02

图像增强论文精读——ExCNet：Zero-Shot Restoration of Back-lit Images Using Deep Internal Learning

Zero-ShotRestorationofBack-litImagesUsingDeepInternalLearning1.摘要2"S"曲线3ExCNet网络（基于CNN的无监督S曲线估计方法）3.1利用估计的S曲线调整亮度通道3.2计算损失3.3实现细节4.图像增强流程5.参考文献论文代码1.摘要如何恢复背光图像仍然是一个具有挑战性的任务。这一领域中最先进的方法是基于监督学习，因此它们通常局限

HH~LL·2022-05-21 07:33

【论文精读】Image stitching method by multi-feature constrained alignment and colour adjustment

18岁小白想成大牛·2022-05-21 07:01

Text to image论文精读DF-GAN：A Simple and Effective Baseline for Text-to-Image Synthesis一种简单有效的文本生成图像基准模型

目录一、原文摘要二、为什么提出DF-GAN？三、DF-GAN3.1、模型结构3.2、鉴别器（Target-AwareDiscriminator）3.2.1、匹配感知梯度惩罚（Matching-AwareGradientPenalty）3.2.2、单向输出（One-WayOutput）3.3、生成器3.3.1、Affine仿射块3.3.2、DFBlock结构四、实验4.1、实验设置4.2、实验结果4

中杯可乐多加冰·2022-05-19 09:42

Text to image论文精读CogView: Mastering Text-to-Image Generation via Transformers(通过Transformer控制文本生成图像)

目录一、原文摘要二、为什么提出CogView2.1文本生成图像的任务难度2.2现有模型的不足三、模型结构3.1框架结构3.2理论推导3.3第一阶段：Tokenization3.3.1文本的tokenizer3.3.2图像的tokenizer3.4第二阶段：Auto-regressiveTransformer四、训练过程的维稳4.1PrecisionBottleneckRelaxation(PB-R

中杯可乐多加冰·2022-05-19 09:12

Text to image论文精读 MirrorGAN: Learning Text-to-image Generation by Redescription（通过重新描述学习从文本到图像的生成）

MirrorGAN:LearningText-to-imageGenerationbyRedescription一、原文摘要二、为什么提出MirrorGAN三、MirrorGAN整体框架3.1、STEM:语义嵌入模块3.2、GLAM：级联图像生成器中的全局-局部协作注意力模块3.3、STREAM：语义文本重建与对齐模块四、损失函数五、实验5.1、数据集5.2、评价标准5.3、实验结果5.4、定量分

中杯可乐多加冰·2022-05-19 09:11

Text to image论文精读 GAN-CLS和GAN-INT：Generative Adversarial Text to Image Synthesis生成性对抗性文本图像合成（文本生成图像）

GenerativeAdversarialTexttoImageSynthesis生成性对抗性文本图像合成一、摘要二、关键词三、相关工作四、背景知识4.1、GAN4.2、Deepsymmetricstructuredjointembedding三、主要方法3.1、框架3.2、第一个改进：GAN-CLS3.3、第二个改进：GAN-INT四、实验4.1、数据集4.2、文本特征的预训练4.3、训练过程4

中杯可乐多加冰·2022-05-19 09:11

Text to image论文精读RAT-GAN：文本到图像合成中的递归仿射变换 Recurrent Affine Transformation for Text-to-image Synthesis

目录一、原文摘要二、为什么提出RAT-GAN三、RAT-GAN3.1、整体框架3.2、RAT仿射块（RecurrentAffineTransformation）3.2.1、RAT仿射块的结构3.2.2、LSTM循环控制器的引入3.2.3、RAT仿射块的创新点3.3、具有空间注意的匹配感知鉴别器3.3.1空间注意力3.3.2、软阈值函数3.4、损失函数四、实验4.1、数据集4.2、训练细节4.3、实

中杯可乐多加冰·2022-05-19 09:41

GPT、GPT-2、GPT-3论文精读笔记

GPT：使用通用的预训练提升自然语言的理解能力使用没有标号的文本来预训练模型，最后在子任务上微调模型。GPT使用的目标函数1是通过前k个词来预测第k+1个词，任务难度要比BERT的完形填空（根据上下文信息来预测中间被mask的词）要难很多，当然如果能够训练起来，能力也要强大很多。由于是通过前k个词来预测，因此GPT使用的是transformer的解码器（只在当前及之前的特征上做自注意力，之后的都被

irony_202·2022-05-17 09:40

【论文精读】Focal Loss for Dense Object Detection（RetinaNet）全文翻译及重点总结

文章目录前言Abstract1.Introduction2.RelatedWork3.FocalLoss3.1BalancedCrossEntropy3.2FocalLossDefinition3.3ClassImbalanceandModelInitialization3.4ClassImbalanceandTwo-stageDetectors4.RetinaNetDetector4.1Infe

18岁小白想成大牛·2022-05-10 07:53

【论文精读】--ResNet

沐神论文精度：https://www.bilibili.com/video/BV1P3411y7nn/?spm_id_from=pageDriver论文地址：https://openaccess.thecvf.com/content_cvpr_2016/html/He_Deep_Residual_Learning_CVPR_2016_paper.html参考代码：https://github.co

不会绑马尾的女孩·2022-05-04 07:02

Text to image论文精读SSA-GAN：基于语义空间感知的文本图像生成 Text to Image Generation with Semantic-Spatial Aware GAN

目录一、原文摘要二、为什么提出SSA-GAN三、SSA-GAN3.1、文本编码器3.2、SSACN块3.2.1、上采样块3.2.2、掩码预测器3.2.3、语义条件批量规范化（SCBN）3.2.4、语义空间条件批量规范化（S-SCBN）3.3、鉴别器3.4、损失函数四、实验4.1、数据集4.2、评价指标4.3、实验细节4.4、实验结果4.4.1、定量分析4.4.3、定性分析4.4.2、消融研究五、总

中杯可乐多加冰·2022-05-04 07:14

繁凡的对抗攻击论文精读（二）CVPR 2021 元学习训练模拟器进行超高效黑盒攻击（清华）

繁凡的对抗攻击论文精读（二）CVPR2021元学习训练模拟器进行超高效黑盒攻击（清华）SimulatingUnknownTa

繁凡さん·2022-04-19 07:43

【深度学习论文篇 02-1 】YOLOv1论文精读

原论文链接：https://gitee.com/shaoxuxu/DeepLearning_PaperNotes/blob/master/YOLOv1.pdf笔记版论文链接：https://gitee.com/shaoxuxu/DeepLearning_PaperNotes/blob/master

最菜程序员Sxx·2022-04-14 22:00

论文精读：车尧-《社会网络视角下战略性新兴产业的专利情报研究》

社会网络视角下战略性新兴产业的专利情报研究一篇课程作业要求精读并展示的论文。阅读时间：2022.04.02~04.03，04.06文章目录社会网络视角下战略性新兴产业的专利情报研究一、论文背景1.背景信息2.题录信息二、论文正文1.研究背景和研究对象2.社会网络分析方法概述2.1基本原理2.1.1社会网络的基本结构2.1.2网络的测度指标：2.2多属性的社会网络分析2.3社会网络中的专利网络2.4

新四石路打卤面·2022-04-12 07:26

论文精读 TransGAN:两个纯粹的Transformer可以组成一个强大的GAN（TransGAN：Two Pure Transformers Can Make One Strong GAN）

目录一、原文摘要二、介绍三、为什么提出TransGAN？四、主要框架4.1、生成器4.2、鉴别器4.3、Self-Attention的一种变体：GridSelf-Attention五、改进性策略5.1、数据增强5.2、相对位置编码5.3、修正后的归一化六、实验6.1、数据集6.2、实验设置6.3、实验结果6.4、消融实验6.5、实验消耗TransGAN是UT-Austin、加州大学、IBM研究院的

中杯可乐多加冰·2022-04-05 07:38

目标检测——yolov3论文精读

论文下载Abstract(摘要)YOLOv3在YOLO的基础上做了一些更新，重点在于提升检测的精度。当图片的分辨率为320×320，YOLOv3只使用了22ms进行检测，mAP达到28.2。这个检测结果与SSD一样精确，但比SSD快三倍。当我们着眼于旧的。当设置IOU的阈值为0.5时，yolov3在TitanX上可以在51ms内实现57.9AP50，而在retinaanet上则可以在198ms内实

zyw2002·2022-03-29 07:45

BERT论文精读

如果对nlp过去三年里面最重要的文章作排序的话，你把bert排第二，就很难有文章可以排第一了。cv里面很早就可以做预训练，比如在imagenet上，以提升性能，而nlp很难做预训练。BERT应运而生！！！transformer主要是用在机器翻译这个小任务上面（广义的词就是语言理解），GPT是单向而BERT是双向。写摘要的时候，写与两篇相关工作的区别是什么，改进在什么地方，好在什么地方，相对精度，绝

CVer1024·2022-03-29 07:13

MAE 论文逐段精读【论文精读】（深度学习论文篇）

源于沐神：MAE论文逐段精读【论文精读】(bilibili.com)MAE2021.11.11提交arxiv知乎百万view;RedditorTwitter讨论不多MAE很新-->如何在读比较新的文章获取一些新的研究思路

MT_Joy·2022-03-29 07:06

论文精读：基于深度学习的表面缺陷检测方法综述

摘要：基于表面缺陷检测方法，根据数据标签的不同将其分为全监督学习模型方法、无监督学习模型方法和其他方法。细分归类，对比分析，总结每种方法优缺点，应用场景。Introduction表面缺陷检测是利用机器视觉设备获取图像来判断采集图像中是否存在缺陷。利用被检表面或缺陷的不同性质进行成像方案设计，合理的成像方案有助于获得光照均匀的图像，并将物体表面缺陷明显地体现出来。①针对被检表面颜色选择光源：如选择符

不知名高校研究生·2022-03-29 07:05

【gitHubDailyShare】深度学习论文精读

李沐老师在GitHub开源了一个《深度学习论文精读》项目。里面选取了近10年在深度学习领域比较有影响力的必读文章，并为之做视频讲解。

GitHubDialy·2022-03-29 07:11

1、大数据发展历程

最开始学习大数据时，本来是想一一精读每篇论文，但是又有两个条件劝退，一是没有整段的时间来做论文精读，二是大数据相关论文多是发表在国外期刊，我的英语水平用于理解几个组件名词还行，但是对于其中奥妙，是在难以解读

朗如行玉山_5b30·2022-03-25 11:47

Text to image论文精读从菜谱描述自动生成菜肴照片 CookGAN: Causality based Text-to-Image Synthesis（基于因果关系的文本图像合成）

根据输入的食材自动生成菜肴照片CookGAN:CausalitybasedText-to-ImageSynthesis（基于因果关系的文本图像合成）一、原文摘要二、关键词三、为什么提出CookGAN？四、模型结构4.1、结构分析4.2、损失函数五、烹饪模拟模块六、实验6.1、编码器6.2、数据集6.3、评价指标6.4、实验效果6.5语义解释6.6、对菜谱的动态修改7、小结相关阅读文章被2020IE

中杯可乐多加冰·2022-03-18 03:11

Text to image论文精读 StackGAN++: Realistic Image Synthesis with Stacked GAN（具有堆叠式生成对抗网络的逼真的图像合成）

StackGAN++:RealisticImageSynthesiswithStackedGAN（具有堆叠式生成对抗网络的逼真的图像合成）一、摘要二、关键词三、为什么要提出StackGAN-v2?四、主要内容4.1StackGAN-v1与StackGAN-v24.2多尺度图像分布4.3联合条件和无条件分布4.4颜色一致性正则化4.5实施细节五、实验5.1度量标准5.2实验结果5.3StackGAN

中杯可乐多加冰·2022-03-18 03:41

【论文视频】Swin Transformer论文精读. ICCV 2021 best paper【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这篇论文提出了一个新的VisionTransformer叫做SwinTransformer，它可以被用来作为一个计算机视觉领域一个通用的骨干网络。之所以这么说，是因为ViT在结论的部分指出，他们那篇论文只是做了分类任务，把下游任务比如说检测和分割留给以后的人去探索，所以说在ViT出来之后，大家虽然看到了Transformer在视觉

I"ll carry you·2022-03-04 07:27

Yolo v3论文精读

论文结构一、主干网络-DarkNet-53（backbone）二、特征金字塔-FPN（neck）三、对featuremap进行预测（Head）四、先验框五、训练策略六、损失函数七、实验结果分析总结论文结构一、主干网络-DarkNet-53（backbone）例如，输入的图片是256x256x3，经过一次卷积核为3x3的卷积后，shape变为256x256x32；再经过一次残差网络shape变为12

爱喝caffee的小男孩·2022-03-02 07:04

Vision Transformer：学习博客总结

ViT论文逐段精读【论文精读】：https://www.bilibili.com/video/BV15P4y137jb?

zqx951102·2022-03-01 07:44

《动手学深度学习》Seq2Seq、attention、transformer相关问题的总结与反思

琦子k·2022-02-27 10:26

Attention Is All You Need论文精读笔记

AttentionIsAllYouNeed论文精读笔记沐神讲解Transformer论文的相关笔记。