论文精读

目标检测 —— YOLOv1论文精读

YOLOv1论文下载YOLOv1代码下载darknet版、tensorflow版、caffe版官方博客文章目录论文Abstract(摘要)1、Introduction（介绍）2、UnifiedDetection(统一检测)2.1NetworkDesign(网络架构)2.2Training(训练)2.3Inference(推论)2.4LimitationsofYOLO(局限性)3、Compariso
zyw2002·2022-02-14 07:38

YOLOv3论文精读

摘要我们对YOLO做了一些更新！我们使用了一系列小的设计上的改变来让它变得更好。我们也训练这个新的网络，这个新网络很有趣。这比上次提出的模型(YOLOv2)稍微大了一些，但是更加准确了。但是别担心，它仍然是足够快的。对于320*320分辨率的图像，YOLOv3对每一张图片运行只需要22ms，并且保持着28.2的mAP，这和SSD算法一样准确但是速度快了三倍。当我们使用这个旧的0.5为IoU阈值时的
WALL-SQ·2022-02-14 07:15

目标检测 —— YOLOv2论文精读

arxiv论文地址yolov2代码pytorch版本文章目录Abstract(摘要)1.Introduction(简介)2.Better(更好)BatchNormalization(批量归一化)HighResolutionClassfier(高分辨率的分类器)ConvolutionalWithAnchorBoxes(带锚框的卷积)DimensionClusters(维度聚类)Directlocat
zyw2002·2022-02-14 07:00

区块链论文精读——A Recruitment and Human Resource Management Technique Using Blockchain Technology for I...

在工业4.0时代下，使用区块链技术的招聘和人力资源管理技术。工业4.0：是基于工业发展的不同阶段作出的划分。按照目前的共识，工业1.0是蒸汽机时代，工业2.0是电气化时代，工业3.0是信息化时代，工业4.0则是利用信息化技术促进产业变革的时代，也就是智能化时代。HRM（HumanResourceManagement）：人力资源管理系统。1、Introduction本文提出了一种基于区块链的招聘管理
无问o·2022-02-13 21:00

如何读论文「论文精读」(跟李沐学AI)

三步法：pass1：(海选)读标题和摘要，然后跳到结论，然后看文章实验部分的图表如果第一遍觉得这篇文章有用，那么可以进行pass2pass2：(相关领域)全文通读，忽略细节（比如公式），但要搞清楚图和表中每个字什么意思，如果觉得文章太难或者不需要了解太深，那么可以到此为止。pass3：(重点研读)如果觉得这篇文章很重要读懂每一句话，每一个字，思考如果是自己来做实验的话，可以使用什么方法。如果自己来
过气海豹·2021-12-19 21:35

2021-11-28 沐神《transformer论文逐段精读》

Transformer论文逐段精读【论文精读】笔记-哔哩哔哩(bilibili.com)Transformer论文逐段精读【论文精读】_哔哩哔哩_bilibili1.标题+作者（title&author
我想要日更徽章·2021-12-10 21:44

【推荐系统论文精读系列】(十二)--Neural Factorization Machines for Sparse Predictive Analytics

文章目录一、摘要二、介绍三、特征交互建模3.1因子分解机3.1.1FM表达能力的限制3.2深度神经网络3.2.1DNN优化难点四、NeuralFactorizationMachines4.1NFM模型4.1.1Embeddinglayer4.1.2Bi-Interaction-layer4.1.3HiddenLayers4.1.4PredictionLayer4.2学习4.2.1Dropout4.
学姐带你玩AI·2021-11-27 17:35

对抗生成网络GANs论文精读及研究方向思考

这是我在csdn上面的第1篇博文，以前做了一些东西，尤其是机器学习和神经网络方面的。但考虑到时间原因，再加上大学带读比较忙，一直没有时间写。今天写出我的第1篇博文，是以后想常开这个栏目，相当于我的专题吧。会经常的找一些控制类的，机器学习和神经网络算法类的，包括我本专业通信领域相关的论文进行详细解读，并且对于研究方向进行思考。GAN领域相关的研究要从Goodfellow在2014年发表在arXiv上
方蠢鱼·2021-11-20 18:01

YOLOX原始论文精读

由于最近需要对YOLOX的理论部分进行深入的理解，因此我需要查看YOLOX的相关论文，但YOLOX是最近新出的目标检测算法，但我发现我无法查看YOLOX相关的见刊论文，因此我只能好好深入理解它的原始论文。但我的理解可能比较浅薄，希望各位大佬在查看这篇文章的时候可以及时纠正我的错误。以下是旷视科技所提供的YOLOX的GitHub开源代码：Pytorch版：https://github.com/Meg
钟良堂的学习笔记·2021-11-20 01:03

resNet模型论文与实现

ResNet论文逐段精读【论文精读】DeepResidualLearningforImageRecognition(arxiv)非常喜欢沐神的论文精读系
Andy Dennis·2021-11-17 21:13

【推荐系统论文精读系列】(四)--Practical Lessons from Predicting Clicks on Ads at Facebook

文章目录PracticalLessonsfromPredictingClicksonAdsatFacebook一、摘要二、简介三、实验设置3.1评估指标四、预测模型结构4.1决策树特征变换4.2数据新鲜度4.3在线线性分类器五、在线数据连接器六、包含内存和延迟6.1提升树的数目6.2增加特征的重要性6.3历史特征七、处理海量数据7.1Uniformsubsampling7.2Negativedow
Laura科技·2021-11-13 10:42

yolo论文【yolov1-v4】

本文yolov1有具体的论文精读，后面v2-v4只是关键技术记录。
epic_Lin·2021-11-05 22:47

Image Classification ——【AlexNet】

如何读论文【论文精读】1论文阅读AlexNet论文翻译——中英文对照1.1论文摘要我们训练了一个大型深度卷积神
三木今天学习了嘛·2021-10-21 18:13

【元学习】iTAML论文精读：持续/增量学习下与任务无关的元学习模型

论文：J.Rajasegaran,S.Khan,M.Hayat,F.S.Khan,M.Shah,itaml:Anincrementaltask-agnosticmeta-learningapproach,in:ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition,2020,pp.13588–13597.在CV
_Blueblue_·2021-09-14 14:00

【论文精读】推荐算法：Deep Neural Networks for YouTube Recommendations

  这篇论文是google的YouTube团队在16年9月的RecSys会议发表的，主要介绍推荐系统在DNN方面的尝试。本文所介绍的YouTube的推荐系统主要包括DeepCandidateGenerationmodel和DeepRankingmodel两个部分：DeepCandidateGenerationmodel在成千上万的视频集中选出几百个视频作为推荐候选集；DeepRankingmode
宅家学算法·2021-09-10 14:23

《Catalysis Clustering with GAN by Incorporating Domain Knowledge》论文精读分析

《CatalysisClusteringwithGANbyIncorporatingDomainKnowledge》论文精读分析ABSTRACT背景介绍：聚类是一种重要的无监督学习方法，在数据稀疏、高维的情况下
焦糖关关·2021-09-05 13:25

论文精读 | Is Space-Time Attention All You Need for Video Understanding?

本文是笔者对《IsSpace-TimeAttentionAllYouNeedforVideoUnderstanding?》一文的理解和相关知识总结。原文链接：https://arxiv.org/abs/2102.05095温馨提示：本文第一部分对Nlp中的Transformer做出简单的总结和归纳，属于论文的扩展知识，不需要阅读的友友可以直接阅读第二部分（Motivation）～一切都要从Tran
你的小董_·2021-06-26 17:01

区块链论文精读——Gosig: A Scalable and High-Performance Byzantine Consensus for Consortium Blockchains

简单来说：本文基于现有BFT类共识算法，提出了改进BFT协议Gosig，基于gossip协议设计并改进了共识协议流程，利用传输流水线进行带宽优化，利用聚合签名gossip减少消息数量。增强了BFT类协议的安全性，提升了性能。1、简介目前BFT类协议普遍面临三个挑战：1、目标单点故障在只有少数数据中心的云中很常见。2、带宽有限、时延长。3、受最慢节点的限制。2、概述提了一些其他的改进项目的优缺点，然
无问o·2021-06-14 16:03

区块链论文精读——Pixel: Multi-signatures for Consensus

论文主要提出了一种针对共识机制PoS的多重签名算法Pixel。1、介绍所有基于PoS的区块链以及允许的区块链均具有通用结构，其中节点运行共识子协议，以就要添加到分类账的下一个区块达成共识。这样的共识协议通常要求节点检查阻止提议并通过对可接受提议进行数字签名来表达其同意。当一个节点从特定块上的其他节点看到足够多的签名时，会将其附加到其分类帐视图中。由于共识协议通常涉及成千上万的节点，为了达成共识而共
无问o·2021-06-13 21:17

论文精读-Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Comple...

WWW2020文章简介:本文旨在利用用户-商品交互数据来增强知识库补全。使用了基于图神经网络的学习算法和生成对抗网络来融合交互信息和知识库数据。原文代码文章最后会介绍代码结构。目录:1INTRODUCTION2RELATEDWORK2.1KnowledgeGraphCompletion2.2CollaborativeRecommendationandKGCModels2.3GenerativeAd
tianchen627·2021-06-08 05:46

区块链论文精读——StrongChain: Transparent and Collaborative Proof-of-Work Consensus

PDF论文链接：https://arxiv.org/pdf/1905.09655.pdf本文为精读解读，想读这篇文章的朋友请耐心看完。（都是干货）旨在让你对最新的区块链研究方向和思路有所了解。该篇文章出自2019年8月信息安全四大顶会的UsenixSecurity，所以绝对值得一读，是对PoW共识算法的一种改进，主要引入了透明度与合作机制，激励参与者合作而不是竞争。核心设计是将之前造成大量资源浪费
无问o·2021-06-07 04:19

【论文精读】一文看懂Swin Transformer！Shifted Window到底是个啥？Mask之后还和原来一样？

文章目录前言AbstractShiftedWindowsAttentionShiftedwindowpartitioninginsuccessiveblocksEfficientbatchcomputationcyclicshitfMaskedMSA源码自己测试代码Swin-TSwinTransformerblock总结推荐参考文章前言论文链接：SwinTransformer:Hierarchic
18岁小白想成大牛·2021-05-29 14:50

论文精读—XGBoost paper

文章目录引言1.XGBoost算法预备知识2.XGBoost算法结构分3.XGBoost算法之贪心算法寻找分裂点4.XGBoost算法之近似算法和加权分桶5.XGBoost算法之缺失值处理6.XGBoost算法之其他优化引言  Xgboost以CART决策树为子模型，通过GradientTreeBoosting实现多棵CART树的集成学习，得到最终模型。XGBoost本质上还是一个GBDT，但是力
哎呦-_-不错·2021-05-10 17:43

目标检测论文精读汇总

目录1R-CNN系列（1）R-CNN灵感来源：Selectivesearchforobjectrecognition（2）R-CNN开山之篇：R-CNN（3）R-CNN起承转合之笔：FastR-CNN（4）R-CNN完全深度学习大成篇：FasterR-CNN2YOLO系列（5）YOLO系列最快的仔：YOLOV1（6）YOLO系列重要续作：YOLOV2（5）YOLO系列原创性idea里程碑：YOLO
熊猫小妖·2021-04-29 18:15

Residual Attention Network for Image Classification论文精读及源码

Introduction首先作者介绍了在视觉领域中Attention也发挥着很大的作用，Attention不止能使得运算聚焦于特定区域，同时也可以使得该部分区域的特征得到增强，同时'verydeep'的网络结构结合残差连接（ResidualNetwork）在图像分类等任务中表现出了极好的性能。基于这两点考量，作者提出了残差注意力网络（ResidualAttentionNetwork），这种网络具有
luuuyi·2021-04-27 07:42

Attention-Aware Compositional Network for Person Re-identification论文精读

论文地址Abstract现在行人重识别（PersonReID）越来越火，一个比较大的挑战是首先跨摄像头目标重识别，其次是每一个行人patch中背景复杂、人体姿态不一和遮挡等情况增加了特征提取并学习的难度。目前有很多工作已经开始引入了额外的监督信息比如行人的关键点，通过一种part-base的方法去强约束模型对于行人特征的学习能力。关键点的引入可以使得行人的一些局部特征提取变得更加准确，过往有很多工
luuuyi·2021-04-22 22:22

华为云AI论文精读会2021第一期：高效语义分割模型Fast-SCNN分享

为了让开发者更好的使用这些论文算法，华为云AI在此举办华为云AI论文精读会2021活动。
华为云·2021-04-19 15:32

【论文精读46】Attention Is All You Need

贴一下汇总贴：论文阅读记录论文链接：《AttentionIsAllYouNeed》一、摘要主导序列转导模型基于包括编码器和解码器的复杂递归或卷积神经网络。性能最好的型号还通过一种注意力机制连接编码器和解码器。我们提出了一个新的简单的网络架构，变压器，完全基于注意力机制，完全免除了递归和卷积。在两个机器翻译任务上的实验表明，这些模型在质量上更优越，同时更具可并行性，并且需要更少的训练时间。我们的模型
及时行樂_·2021-04-13 16:52

CHIPNET ICLR2021

CHIPNETICLR2021论文精读原文链接:link代码链接:link本文完全是个人见解，可能有理解错的地方请大家多多包涵，及时指正。
Daft shiner·2021-04-05 14:13

【论文精读】Low-Light Image Enhancement via a Deep Hybrid Network

目录论文出处摘要网络结构A.内容流B.边缘流损失函数MSE损失感知损失对抗性损失总的损失论文出处IEEETRANSACTIONSONIMAGEPROCESSING,VOL.28,NO.9,SEPTEMBER2019摘要1、提出了一种混合神经网络，由两个不同的流组成：1）内容流：通过编解码器网络估计微光输入图像的全局内容，但是该部分会损失输入图像中的细节内容；2）边缘流：提出了一种新的空间可变递归神
孤单中颤抖·2021-03-15 15:26

每周论文精读01——3D Human Pose Estimation with 2D Marginal Heatmaps

论文精读——3DHumanPoseEstimationwith2DMarginalHeatmaps进入新一个学期的学习，预期从本周开始每周都会有一篇文章的精读，这对我来说将会是一个不小的挑战，废话不多说
Jason_____Wang·2021-02-22 12:16

【目标检测论文精读】目录总纲

目录1.目标检测近20年大事记1.1目标检测近年里程碑1.2知名数据集简介1.3深度学习目标检测名篇速查2.论文精读R-CNN灵感来源：R-CNN开山之篇：R-CNN起承转合之笔：R-CNN完全深度学习大成篇
熊猫小妖·2020-12-31 18:21

【顶会论文分析】分层强化学习解决慕课推荐挑战 - Hierarchical Reinforcement Learning for Course Recommendation in MOOCs

HierarchicalReinforcementLearning分层强化学习在慕课推荐情景中的具体应用本文通过论文精读，介绍了一下分层强化学习技术的细节，论文传送门贴在最下方。
JinyuZ1996·2020-12-30 19:37

深度之眼Paper带读笔记GNN.04.metapath2vec

文章目录前言论文结构基础知识补充研究背景本文研究的对象模型框架研究意义研究成果论文泛读摘要核心论文标题论文精读metapath2vec详解问题定义细节一：Heterogeneousskip-gram细节二
oldmao_2001·2020-09-12 15:24

深度之眼Paper带读笔记NLP.Baseline.10.SGM

文章目录前言论文总览学习目标论文背景知识多标签文本分类解决思路论文背景小结研究成果SGM历史意义论文其他部分写法介绍模型写法实验写法结论写法论文精读论文结构摘要论文标题SGM模型EncoderDecoder
oldmao_2001·2020-09-12 15:51

深度之眼Paper带读笔记NLP.23：Dialogue

文章目录前言第一课论文导读对话生成简介对话生成Seq2SeqGAN训练过程SeqGAN序列概率动机模型前期知识储备参考文献第二课论文精读实验结果序列生成讨论总结作业前言AdversarialLearningforNeuralDialogueGeneration
oldmao_2001·2020-09-12 13:11

深度学习论文精读（6）：WRN

深度学习论文精读（6）：WRN论文地址：WideResidualNetworks参考博文1：https://blog.csdn.net/app_12062011/article/details/64125729
hwl19951007·2020-09-11 21:14

【论文精读】Noiseprint: a CNN-based camera model fingerprint

paper：https://ieeexplore.ieee.org/document/8713484开源代码：https://github.com/grip-unina/noiseprint文献分类基于semantic或者physical不连续性像素级的统计方法model-basedapproach目的：建立针对某些特征的数学模型缺点：每一种方法的适用范围都较窄包括：lensaberration，
江南小白龙·2020-09-10 23:28

CTR预估模型（FM/DeepFM/AFM/DCN/DIN）

FM深入浅出FM和类似推荐算法DeepFMDeepFM:AFactorization-MachinebasedNeuralNetworkforCTRPrediction论文精读DCN距离玩转企业级DCN
bllddee·2020-08-25 15:11

论文精读-DeepFM

目前的CTR预估模型，实质上都是在“利用模型”进行特征工程上狠下功夫。传统的LR，简单易解释，但特征之间信息的挖掘需要大量的人工特征工程来完成。由于深度学习的出现，利用神经网络本身对于隐含特征关系的挖掘能力，成为了一个可行的方式。DNN本身主要是针对于高阶的隐含特征，而像FNN（利用FM做预训练实现embedding，再通过DNN进行训练，有时间会写写对该模型的认识）这样的模型则是考虑了高阶特征，
zynash2·2020-08-24 05:08

论文精读-Finding a needle in Haystack- Facebook’s photo storage

背景介绍本论文发表自2010年，是当时facebook所应用的存储系统。在2010年前后facebook上存储的照片数量开始迅猛的增长，当时有差不多2600亿张图片、20PB的数据量，每周有60TB新的照片上传至facebook系统，服务器每秒需要处理百万张。此外，这些照片有一个特点就是照片的都是小文件照片。基于以上特点，传统的存储架构已经无法满足当前的存储需求。因此，facebook团队提出了一
诺哲·2020-08-23 11:10

论文精读-Finding a needle in Haystack- Facebook’s photo storage

背景介绍本论文发表自2010年，是当时facebook所应用的存储系统。在2010年前后facebook上存储的照片数量开始迅猛的增长，当时有差不多2600亿张图片、20PB的数据量，每周有60TB新的照片上传至facebook系统，服务器每秒需要处理百万张。此外，这些照片有一个特点就是照片的都是小文件照片。基于以上特点，传统的存储架构已经无法满足当前的存储需求。因此，facebook团队提出了一
诺哲·2020-08-23 09:36

NLP论文精读系列（二） Style Transformer

1.论文研读笔记1.1研究动机这次分析的文章是复旦大学邱锡鹏老师组的最新的工作—StyleTransformer:UnpairedTextStyleTransferwithoutDisentangledLatentRepresentation。工作是关于文本风格迁移的，十分有意思。关于风格迁移的工作，其实图像领域非常的多，从最早的油画转简笔画，到后来给照片或者图片转成名画家的风格，大多数都是通过G
有莘不殁·2020-08-23 07:03

【论文精读系列】之《Turbulence-Induced 2D Correlated Image Distortion》其一

【论文精读系列】之《Turbulence-Induced2DCorrelatedImageDistortion》其一Abstract（摘要）1Introduction（介绍）2RelatedWork（相关工作
西园啜茗·2020-08-23 06:39

深度之眼Paper带读笔记NLP.28：TCN （Temporal Convolutional Networks）

LSTM）序列建模与循环神经网络（Seq2Seq）序列建模与卷积神经网络(CNN)序列建模与卷积神经网络(FairSEQ)序列建模与注意力机制序列建模与注意力机制（transformer）前期知识储备第二课论文精读论文结构传统算法模型
oldmao_2001·2020-08-23 06:35

深度之眼Paper带读笔记NLP.3：句和文档的embedding

历史模型HistoryModelBag-of-wordsModel加权平均法WeightedAveragingMethod深度学习模型DeepLearningModel子分布式表示相关方法前期知识储备第二课论文精读论文整体框架传统
oldmao_2001·2020-08-23 04:01

【论文精读】门控图神经网络GGNN及SRGNN

GGNNSRGNN是GGNN在推荐系统上的应用，核心网络几乎没有改变。GGNN的核心模型其实非常简单，在计算上和GRU基本没有区别。但为了更好的理解ava_vav是如何构造出来的，我们还得从最基本的思想讲起。信息传播绝大多数GNN的思想在于消息传播(MessagePassing)或者说信念传播(BeliefPropagation)。很自然的，我们知道一个节点的信息可以根据其邻居节点信息进行更新。初
_Mogician·2020-08-22 14:15

人脸算法系列（二）：RetinaFace论文精读

点击上方“AI算法与图像处理”，选择加"星标"或“置顶”重磅干货，第一时间送达大家好，今天给大家分享一篇人脸算法领域非常知名的paper，RetinaFace(RetinaFace:Single-stageDenseFaceLocalisationintheWild)。同时也在文末附上开源项目的链接。跟着我一起读这篇论文，希望论文的思路能够对你有所启发，如果觉得有用的，帮我分享出去，谢啦！Reti
flyfor2013·2020-08-20 21:16

【论文精读】Dropout: A Simple Way to Prevent Neural Networks from Overfitting

Dropout:ASimpleWaytoPreventNeuralNetworksfromOverfitting原文链接：Dropout:ASimpleWaytoPreventNeuralNetworksfromOverfitting来填坑了，上次读了《DeepLearningunderPrivilegedInformationUsingHeteroscedasticDropout》这篇论文（笔记
Atlas8346·2020-08-17 13:06

论文精读2-ReLayNet: Retinal Layer and Fluid Segmentation of Macular Optical Coherence Tomography·····

论文基本信息标题：ReLayNet:RetinalLayerandFluidSegmentationofMacularOpticalCoherenceTomographyusingFullyConvolutionalNetworks作者：Roy,AbhijitGuha，Conjeti,Sailesh，Karri,SriPhaniKrishna，Sheet,Debdoot，Katouzian,Ami
Atomwh·2020-08-17 11:36
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他