论文翻译第16页

论文翻译 Deep Steering: Learning End-to-End Driving Model from Spatial and Temporal Visual Cues

：该翻译主要用Google翻译然后微调，自学用。原文目前发现有3处单词错误，感兴趣的话可以去找找。该翻译不含图片和公式，仅作参考，欢迎交流。论文链接：DeepSteering:LearningEnd-to-EndDrivingModelfromSpatialandTemporalVisualCues该文章发布于VSCC'17的名字略有不同：LearningEnd-to-EndAutonomousS

No.40262703·2022-10-31 11:40

【论文翻译】Multi-object Tracking via End-to-end Tracklet Searching and Ranking

本文是地平线在CVPR2020发表的一篇多目标跟踪文章，代码即将在审核后公开。Multi-objectTrackingviaEnd-to-endTrackletSearchingandRanking通过端到端Tracklet搜索和排名来进行多目标跟踪pdf链接：https://arxiv.org/pdf/2003.02795.pdf摘要在多目标跟踪方面的最新研究中，采用序列模型计算出目标与前一目标

页页读·2022-10-31 11:39

论文翻译：2020_FLGCNN: A novel fully convolutional neural network for end-to-end monaural speech enhancem.

论文地址：FLGCNN:一种新颖的全卷积神经网络，用于基于话语的目标函数的端到端单耳语音增强论文代码：https://github.com/LXP-Never/FLGCCRN(非官方复现)引用格式：ZhuY,XuX,YeZ.FLGCNN:Anovelfullyconvolutionalneuralnetworkforend-to-endmonauralspeechenhancementwithut

凌逆战·2022-10-31 11:04

Sparse R-CNN: End-to-End Object Detection with Learnable Proposals论文翻译

SparseR-CNN:End-to-EndObjectDetectionwithLearnableProposals论文翻译摘要1.介绍2.相关工作3.SparseR-CNN3.1Pipeline3.2Module4

Laughing-q·2022-10-31 11:02

EdgeNeXt: Efficiently Amalgamated CNN-Transformer Architecture forMobile Vision Applications(arXiv)

最前面是论文翻译，中间是背景+问题+方法步骤+实验过程，最后是文中的部分专业名词介绍（水平线分开，能力有限，部分翻译可能不太准确）(arXiv2022)EdgeNeXt:移动视觉应用中有效融合的CNN-Transformer

Y蓝田大海·2022-10-31 03:58

【论文翻译】Cluster-GCN：用于训练深度和大型图卷积网络的高效算法

Cluster-GCN:AnEfficientAlgorithmforTrainingDeepandLargeGraphConvolutionalNetworks聚类GCN：一种用于深度学习和大型图卷积网络的高效算法摘要训练一个大规模的GCN仍然具有挑战性，目前基于SGD的算法要么面临着很高的计算成本，并且随着GCN层的数量呈指数级增长，要么对于将整个图和每个节点的Embedding存放到内存中，

BinBalll·2022-10-30 07:43

yolov算法详解_YOLOv4算法解读（思维导图）和论文翻译

今天刷看到了YOLOv4之时，有点激动和兴奋，等了很久的YOLOv4，你终究还是出现了首先附上对论文总结的思维导图，帮助大家更好的理解！下边是对论文的翻译，有些地方可能翻译的不是很准备，欢迎指正补充摘要有很多特征可以提高卷积神经网络(CNN)的准确性。需要在大型数据集上对这些特征的组合进行实际测试，并需要对结果进行理论证明。某些特征仅在某些模型上运行，并且仅在某些问题上运行，或者仅在小型数据集上运

weixin_39608559·2022-10-29 12:47

yolov4论文翻译

YOLOv4OptimalSpeedandAccuracyofObjectDetection论文下载：https://arxiv.org/pdf/2004.10934.pdf论文源码：GitHub-AlexeyAB/darknet:YOLOv4/Scaled-YOLOv4/YOLO-NeuralNetworksforObjectDetection(WindowsandLinuxversionofD

alex1801·2022-10-29 12:17

论文翻译：Deep SORT: Simple Online and Realtime Tracking with a Deep Association Metric

计算机视觉-Archer·2022-10-29 07:45

ECCV2020 Flow-edge Guided Video Completion20论文翻译

ECCV2020Flow-edgeGuidedVideoCompletion20论文翻译摘要1.介绍2.相关工作3.方法3.1综述3.2Edge-guidedFlowCompletion边缘引导的光流补全

Laughing-q·2022-10-25 14:41

【论文翻译】Frustratingly Simple Few-Shot Object Detection

FrustratinglySimpleFew-ShotObjectDetection简单小样本目标检测论文地址：https://arxiv.org/pdf/2003.06957.pdf代码地址：GitHub-ucbdrive/few-shot-object-detection:Implementationsoffew-shotobjectdetectionbenchmarksAbstractDet

小张好难瘦·2022-10-23 07:51

YOLOv7论文部分解读【含自己的理解】

看了一下yolov7的论文，然后把论文翻译以及自己的一些思考写了进去，这里还包含了我对论文中粗label和细label的详细解释【自己的理解】，其实就是借鉴了蒸馏思想。

爱吃肉的鹏·2022-10-20 23:12

【论文翻译】卷积神经网络研究综述

论文题目：卷积神经网络研究综述论文来源：卷积神经网络研究综述翻译人：BDML@CQUT实验室卷积神经网络研究综述ReviewofConvolutionalNeuralNetwork周飞燕金林鹏董军摘要作为一个十余年来快速发展的崭新领域，深度学习受到了越来越多研究者的关注，它在特征提取和模型拟合上都有着相较于浅层模型显然的优势。深度学习善于从原始输入数据中挖掘越来越抽象的分布式特征表示，而这些表示具

大数据机器学习实验室·2022-10-20 22:37

Image Translation for Medical Image Generation Ischemic Stroke Lesion Segmentation——论文翻译

摘要基于深度学习的疾病检测和分割算法有望改善许多临床过程。然而，此类算法需要大量带注释的训练数据，而由于数据隐私、法律障碍和非统一的数据获取协议，这些数据通常在医疗环境中不可用。带有注释病理的合成数据库可以提供所需数量的训练数据。我们以缺血性中风为例证明，基于深度学习的增强技术在病灶分割方面的改进是可行的。为此，我们训练不同的图像到图像的翻译模型，从语义分割图合成有和没有脑卒中病灶的脑体素磁共振图

Momoko_W·2022-10-19 08:41

论文翻译 - 深度学习社区发现综述 A Comprehensive Survey on Community Detection with Deep Learning

为大家介绍一篇「深度学习」在社区发现（图聚类/图划分）方面应用的最新综述论文。作者：XingSu原文链接：https://arxiv.org/abs/2105.12584Github链接：https://github.com/FanzhenLiu/Awesome-Deep-Community-Detection文章目录摘要1引言2相关符号与定义3社区发现的发展4深度学习社区发现的分类框架5基于卷积

u010313476·2022-10-19 07:34

英文期刊论文翻译格式要求和文献要求

英文期刊论文翻译格式要求和文献要求一、全文翻译，句式尽量简单易懂（借助谷歌有道，同时借鉴前人文献写法）1、论文的翻译不能直译。

哈士奇味儿的哈士奇·2022-10-12 10:05

【论文翻译】Rethinking Network Pruning—under the Pre-train and Fine-tune Paradigm

RethinkingNetworkPruning—underthePre-trainandFine-tuneParadigm预训练与微调范式下网络修剪的再思考论文链接代码链接摘要基于transformer的预训练语言模型显著地提高了各种NLP任务的性能。虽然这些方法是有效的，但通常对于资源有限的部署场景来说模型太大了。研究的思路开始致力于在预训练再微调的范式下应用网络修剪技术。然而,在BERT等t

清风2022·2022-10-10 07:01

【论文翻译】S4: a High-sparsity, High-performance AI Accelerator

S4:aHigh-sparsity,High-performanceAIAcceleratorS4:高稀疏、高性能的AI加速器论文链接摘要利用神经网络中的稀疏性已经成为减少内存占用、I/O成本和推理计算量的最具潜力的方法之一。随着更大的模型的使用以及预训练的“巨大“模型，更高的稀疏度被采用。另一方面，与被广泛支持的量化相比，大多数计算平台不支持通过高度稀疏来加速。在这个工作中，我们介绍了首个支持高

清风2022·2022-10-10 07:31

【论文翻译】聚类算法研究

论文题目：聚类算法研究论文来源：聚类算法研究翻译人：BDML@CQUT实验室聚类算法研究孙吉贵,刘杰,赵连宇ClusteringAlgorithmsResearchSUNJi-Gui,LIUJie,ZHAOLian-Yu摘要对近年来聚类算法的研究现状与新进展进行归纳总结.一方面对近年来提出的较有代表性的聚类算法,从算法思想、关键技术和优缺点等方面进行分析概括;另一方面选择一些典型的聚类算法和一些知

大数据机器学习实验室·2022-10-10 07:13

论文翻译 | ORB-SLAM3：一个用于视觉、视觉惯性和多地图SLAM系统

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达1摘要本文介绍了ORB-SLAM3,这是第一个能够使用单眼、双目和RGB-D相机,使用针孔和鱼眼镜头模型执行视觉、视觉惯性和多地图SLAM的系统.第一个主要创新是基于特征的紧密集成的视觉惯性SLAM系统.它完全依赖于最大后验概率估计.甚至在IMU初始化阶段也是如此.其结果是一个系统在小型和大型、室内和室外环境中都能稳定地运行,并且比以前的方法

Tom Hardy·2022-10-09 13:44

论文翻译之——《基于XGBoost的房价预测优化》-陶然

白日梦想家_胖七七·2022-10-07 13:56

ResNet论文翻译-Deep Residual Learning for Image Recognition

声明：文章仅作知识整理、分享，如有侵权请联系作者删除博文，谢谢！经典分类网络（传送门）：目录索引、LeNet、AlexNet、VGG、ResNet、Inception、DenseNet、SeNet。相关文章：ResNet总结及启发DeepResidualLearningforImageRecognition摘要越深层次的神经网络越难以训练。我们提供了一个残差学习框架，以减轻对网络的训练，这些网络的

alex1801·2022-10-03 07:57

【论文翻译】RODEO: Replay for Online Object Detection

RODEO:ReplayforOnlineObjectDetection用于在线目标检测的回放论文地址：https://arxiv.org/abs/2008.06439代码地址：GitHub-manoja328/rodeo:Officialimplementationof"RODEO:ReplayforOnlineObjectDetection",BMVC2020摘要Humanscanincrem

小张好难瘦·2022-09-28 09:56

YOLOV1详解

YOLO论文翻译汇总目标检测（ObjectDetection）经典框架论文翻译汇总bigcindy的博客-CSDN博客目标检测的英文搞懂YOLOv1看这篇就够了_Antrn的博客-CSDN博客YOLO-Google

白鲸先神·2022-09-25 18:12

【论文翻译_无数据知识蒸馏_元学习_2022】Up to 100× Faster Data-free Knowledge Distillation

可以参考2021的另一篇解决相似问题的文章（Learning_Student_Networks_in_the_Wild）摘要data-free知识蒸馏（DFKD）由于其仅使用人造合成数据压缩模型的能力，近年来越来越受到研究界的关注。尽管取得了令人鼓舞的成果，但最先进的DFKD方法仍然存在数据合成效率低下的问题，这使得无数据训练过程非常耗时，因此不适用于大规模任务。在这项工作中，我们介绍了一种有效的

乱搭巴士·2022-09-25 01:52

Transformer论文翻译

AttentionIsAllYouNeedword版本需要word版本的点赞，收藏，评论邮箱哦，整理不易，谢谢大家！摘要主流的序列转换模型基于复杂的卷积神经网络或循环神经网络、包括编码器和解码器。且性能好的模型往往需要注意力层连接编码器和解码器。我们提出了一个新型神经网络架构——Transformer，它完全基于注意力机制，省去了循环层和卷积层。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

鸡丝米线·2022-09-24 15:56

[论文翻译] Class-incremental learning: survey and performance evaluation on image classification

论文地址：https://arxiv.org/abs/2010.15277代码：https://github.com/mmasana/FACIL发表于：arXivOct2020省略了图、表的翻译，建议配合原文食用Class-IncrementalLearning:SurveyandPerformanceEvaluationonImageClassificationAbstract对于未来的学习系统

xiongxyowo·2022-09-24 11:49

【论文翻译】Semantic Relation Reasoning for Shot-Stable Few-Shot Object Detection

SemanticRelationReasoningforShot-StableFew-ShotObjectDetection论文地址：https://arxiv.org/pdf/2103.01903.pdf代码地址：无o(╥﹏╥)otips：长尾：少数类（头类）占用大部分的数据，而大多数类（尾类）只有少量的数据wordembedding：找到一个映射或者函数，生成在一个新的空间上的表达摘要Few-

小张好难瘦·2022-09-23 14:11

【论文翻译】Many-Class Few-Shot Learning on Multi-Granularity Class Hierarchy

Many-ClassFew-ShotLearningonMulti-GranularityClassHierarchy多粒度类层次上的多类少样本学习摘要Westudymany-classfew-shot(MCFS)probleminbothsupervisedlearningandmeta-learningsettings.Comparedtothewell-studiedmany-classma

小张好难瘦·2022-09-23 14:11

论文篇 | 2020-Facebook-DETR ：利用Transformers端到端的目标检测=＞翻译及理解（持续更新中）

End-to-EndObjectDetectionwithTransformers2020论文复现可参考：项目复现|DETR：利用transformers端到端的目标检测_夏天｜여름이다的博客-CSDN博客论文地址：2005.12872.pdf(arxiv.org)目录一：论文翻译

夏天｜여름이다·2022-09-22 11:57

论文翻译：Scaled-YOLOv4: Scaling Cross Stage Partial Network

大体翻译了下，个别地方原文看的我就迷糊，为了保持原样，就保留了。Scaled-YOLOv4:ScalingCrossStagePartialNetwork摘要1、介绍2、相关工作2.1实时物体检测2.2模型缩放3、模型缩放准则3.1模型缩放的基本准则3.2缩放低端设备的微型模型3.3为高端GPU缩放大规模模型4、Scaled-YOLOv44.1YOLOv4CSP化4.2YOLOv4-tiny4.3

Ai_Smith·2022-09-22 11:05

A State-of-the-Art Survey on Deep Learning Theory and Architectures论文翻译分析

AState-of-the-ArtSurveyonDeepLearningTheoryandArchitectures摘要近年来，深度学习在各种应用领域取得了巨大成功。机器学习这一新领域发展迅速，已应用于大多数传统应用领域，以及一些提供更多机会的新领域。基于不同类别的学习，人们提出了不同的方法，包括有监督、半监督和无监督学习。实验结果表明，在图像处理、计算机视觉、语音识别、机器翻译、艺术、医学成像

Gu Hui·2022-09-22 07:48

【目标检测】SPP-Net算法

论文翻译：https://www.cnblogs.com/wj-1314/p/13214500.html技术面：SPP-Net相比R-CNN做了哪些改进？

机器不学习我学习·2022-09-19 10:04

【语义分割—Deeplab V3】Rethinking Atrous Convolution for Semantic Image Segmentation

论文翻译RethinkingAtrousConvolutionforSemanticImageSegmentation摘要本文中，我们再次讨论atrous卷积，一个调整卷积核感受野的强大工具，并且可以控制深度卷积神经网络计算得到特征的分辨率

gkm0120·2022-09-15 13:37

deeplab v3论文翻译 Rethinking Atrous Convolution for Semantic Image Segmentation

https://blog.csdn.net/Guo_rongxin/article/details/79842895

lucky195·2022-09-15 12:19

深度学习论文翻译 -- Rethinking Atrous Convolution for Semantic Image Segmentation

摘要：本文中，我们将进一步探讨空洞卷积，一个可以明确调整卷积核感受野和控制DCNN输出特征图的分辨率的强有力工具，并被广泛应用在图像语义分割任务。为了解决多尺度目标的分割问题，我们设计通过采用多个级联或者并行的空洞卷积模块，每一个模块中的空洞卷积采样率不一样。更进一步，我们继续讨论了之前讨论的ASPP模块，可以获取多尺度目标特征，通过与图像层级的特征（image-levelfeatures）来获取

X_Imagine·2022-09-15 12:17

【论文翻译】FCOS3D: Fully Convolutional One-Stage Monocular 3D Object Detection

文章目录PaperInfoAbstract1Introduction2RelatedWork2DObjectDetectionMonocular3DObjectDetectionMethodsinvolvingsub-networksTransformto3DrepresentationsEnd-to-enddesignlike2Ddetection3Approach3.1FrameworkOve

暖焱·2022-09-14 07:32

Learning Dynamic Memory Networks for ObjectTracking(论文翻译)

用于目标跟踪的学习动态记忆网络摘要用于视觉跟踪的模板匹配方法由于其相当的性能和快速的速度而得到了广泛的应用。然而，它们缺乏有效的方法来适应目标对象外观的变化，使得它们的跟踪精度仍然远远达不到最先进的水平。在本文中，我们提出了一种动态记忆网络来使模板适应跟踪过程中目标的外观变化。采用LSTM作为存储控制器，输入为搜索特征图，输出为存储块读写过程的控制信号。由于目标在搜索特征图中的位置最初是未知的，因

MJ5513·2022-09-14 07:59

[论文翻译]Sequence to Sequence Learning with Neural Networks

引言本文是论文SequencetoSequenceLearningwithNeuralNetworks的个人翻译，肯定有很多理解不到之处，欢迎指出。摘要深度神经网络(DNN)是强大的模型，它在很多困难的学习任务中表现很好。但是它需要有足够的标签数据，因此其并不适用于去做序列到序列的映射任务。在本文中，我们提出了一种通用的端到端的序列学习模型，只需对序列结构进行最小的假设。我们的模型使用一个多层的L

愤怒的可乐·2022-09-06 07:57

论文翻译：2019_Bandwidth Extension On Raw Audio Via Generative Adversarial Networks

论文地址：原始音频的带宽扩展通过生成对抗网络博客作者：凌逆战博客地址：https://www.cnblogs.com/LXP-Never/p/10661950.html摘要基于神经网络的方法最近在图像合成和超分辨率任务方面展示了最先进的结果，特别是通过使用具有监督特征损失的生成对抗网络(GANs)的变体。然而，以前的特征损失公式依赖于大型辅助分类器网络的可用性，以及能够训练此类分类器的标记数据集。

凌逆战·2022-09-05 09:26

论文翻译：2020_Densely connected neural network with dilated convolutions for real-time speech enhancemen.

论文名称：扩展卷积密集连接神经网络用于时域实时语音增强论文代码：https://github.com/ashutosh620/DDAEC引用：PandeyA,WangDL.Denselyconnectedneuralnetworkwithdilatedconvolutionsforreal-timespeechenhancementinthetimedomain[C]//ICASSP2020-20

凌逆战·2022-09-05 09:25

[论文翻译] 分布式训练 Parameter sharding 之 ZeRO

[论文翻译]分布式训练Parametersharding之ZeRO文章目录[论文翻译]分布式训练Parametersharding之ZeRO0x00摘要0x01综述1.1挑战1.1.1显存效率1.1.2

罗西的思考·2022-09-01 07:53

深度学习论文翻译 -- YOLO-V1

本文翻译为目标检测论文系列：yolo-v1，YouOnlyLookOnce:Unified,Real-TimeObjectDetection论文链接：https://arxiv.org/pdf/1506.02640.pdf开源地址：http://pjreddie.com/yolo/Abstract 本文提出目标检测（objectdetection）的新方法，YOLO。之前的方法，都是将分类网络迁

X_Imagine·2022-08-30 07:11

超分辨率：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network论文翻译

KPer_Yang·2022-08-30 07:59

Google Spanner论文翻译

2019独角兽企业重金招聘Python工程师标准>>>【摘要】Spanner是谷歌公司研发的、可扩展的、多版本、全球分布式、同步复制数据库。它是第一个把数据分布在全球范围内的系统，并且支持外部一致性的分布式事务。本文描述了Spanner的架构、特性、不同设计决策的背后机理和一个新的时间API，这个API可以暴露时钟的不确定性。这个API及其实现，对于支持外部一致性和许多强大特性而言，是非常重要的，

weixin_33905756·2022-08-27 07:36

论文翻译：2021_A New Real-Time Noise Suppression Algorithm for Far-Field Speech Communication Based on Recurrent

论文地址：一种新的基于循环神经网络的远场语音通信实时噪声抑制算法引用格式：ChenB,ZhouY,MaY,etal.ANewReal-TimeNoiseSuppressionAlgorithmforFar-FieldSpeechCommunicationBase

凌逆战·2022-08-26 17:00

基于梯度方向的模板匹配加速

代码见：meiqua/shape_based_matching2020.05.27:梯度响应图——针对无纹理目标的检测（论文翻译）2020.05.05:之前看issue里希望实现fusion来加速的朋友还蛮多的

philosophia_OsO·2022-08-21 22:18

CrowdPose: Efﬁcient Crowded Scenes Pose Estimation and A New Benchmark

非常感谢知乎不破勝光的论文精读很值得一看~（大佬呀），本文是是自己的学习笔记，加深理解，嘿呀文章目录论文翻译1.摘要2.相关工作Part-BasedFrameworkTwo-StepFramework3

小毛同学er·2022-08-20 07:16

【论文翻译】Learning Generalizable and Identity-Discriminative Representations for Face Anti-Spoofing

Abstract由于人脸认证系统的高安全性需求，面部反欺骗（a.k.a演示攻击检测）已引起越来越多的关注。当训练和测试欺骗样本拥有相似的模式时，现有的基于CNN的方法通常很好地识别欺骗攻击，但它们的性能会在未知场景的测试欺骗攻击上急剧下降。在本文中，我们试图通过设计两个新颖性的CNN模型来提高方法的泛化能力和适用性。首先，我们针对CNN模型提出了一种简单但有效的总成对混淆（TPC）损失函数，这增强

sinat_tangsipeng·2022-08-18 07:00

Domain Generalization by Solving Jigsaw Puzzles----论文翻译

目录AbstractIntroductionTheJiGenApproachExtensiontoUnsupervisedDomainAdaptationImplementationDetailsExperimentsPatch-BasedConvolutionalModelsforJigsawPuzzlesMulti-SourceDomainGeneralizationConclusionsAb

77荧惑77·2022-08-18 07:25

推荐频道

论文翻译