论文解读第15页

区块链入门——解读《Bitcoin》

1.论文解读1.0.摘要Apurelypeer-to-peerversionofelectronicca

dounine·2023-01-30 02:36

论文解读：《Multi-Branch-CNN：使用多分支卷积神经网络对离子通道相互作用肽进行分类》

Multi-Branch-CNN:Classificationofionchannelinteractingpeptidesusingmulti-branchconvolutionalneuralnetwork1.文章概述2.背景3.数据4.方法4.1特征选择4.1.1单一特征选择4.1.2最佳的K特征组合选择4.2实验方法4.2.1TML13方法4.2.2TML13-Stack方法4.2.3Mu

风灬陌·2023-01-29 21:48

论文解读《Co-Correcting:Noise-tolerant Medical Image Classification via mutual Label Correction》

论文解读《Co-Correcting:Noise-tolerantMedicalImageClassificationviamutualLabelCorrection》论文解读：协同校正:通过相互标签校正的抗噪声医学图像分类期刊名

渔歌畅晚·2023-01-29 12:43

【论文解读】手术机器人系统的工作原理分析与解读

文章目录AFullySensorizedCooperativeRoboticSystemforSurgicalInterventions摘要IntroductionMaterialsandMethods流程机器人控制模式机器人台车握把和针刀刀架控制系统应用控制器*机器人传感器接口*流程图机器人控制回路设备网链接导航系统转换配准（Registration）标定（Calibration）RobotPi

vrijheid·2023-01-29 10:37

视频对象分割论文解读系列【1】

此处最后粗略解读更新时间：2020-2-2611.论文：FusionSeg我的印象：一个中规中矩的利用了光流图片的网络效果：一般，让人感觉边缘分割相对粗糙网络结构：思想：网络包含两个分支（两个Resnet101，都是深层神经网络），一个学习RGB图片表观特征，一个学习光流特征（注意，光流特征输入的是光流图片，光流图片外部生成，用FlowNet），最后输出单个分割结果。成功原因：FSEG使用了深层神

JintuZheng·2023-01-29 00:39

（新型事件相机有关的论文解读）Unsupervised Event-based Learning of Optical Flow, Depth, and Egomotion

目录新型事件相机有关的论文解读之：UnsupervisedEvent-basedLearningofOpticalFlow,Depth,andEgomotion写在前面贡献网络结构事件如何放入网络姿态补偿光流估计姿态和深度估计重映射误差立体视差个人总结新型事件相机有关的论文解读之

CyrilSterling·2023-01-29 00:37

（新型事件相机有关的论文解读）EV-FlowNet: Self-Supervised Optical Flow Estimation for Event-based Cameras

目录事件相机有关的论文解读之EV-FlowNet:Self-SupervisedOpticalFlowEstimationforEvent-basedCameras写在前头方法数据输入网络结构损失函数光度误差光滑损失结果数据集个人总结事件相机有关的论文解读之

CyrilSterling·2023-01-29 00:07

ImVoxelNet论文解读

1.文章和代码链接《ImVoxelNet:ImagetoVoxelsProjectionforMonocularandMulti-ViewGeneral-Purpose3DObjectDetection》paper：https://arxiv.org/abs/2106.01178code：https://github.com/saic-vul/imvoxelnetpaperwithcode:ImV

EnjoyCodingAndGame·2023-01-28 15:02

【差分隐私】Hyperparameter Tuning with Renyi Differential Privacy论文解读

【差分隐私】HyperparameterTuningwithRenyiDifferentialPrivacy论文解读文章目录【差分隐私】HyperparameterTuningwithRenyiDifferentialPrivacy

f蜀黍·2023-01-28 14:30

直播预告 | CVPR 2022论文解读：基于多面注意力机制的人群计数

本期AIDrive，我们邀请到西安交通大学网络空间安全学院硕士生林卉，为大家在线解读其发表在CVPR2022的最新研究成果。本次报告的主题为「基于多面注意力机制的人群计数」。对本期主题感兴趣的小伙伴，5月24日（本周二）晚7点，我们准时相约PaperWeekly直播间。直播信息本次讲座将主要汇报我们CVPR2022的一篇文章。该文主要针对人群计数任务的两个难点：首先，密集人群图像中由于远近关系人头

PaperWeekly·2023-01-28 09:35

[论文解读]Spatial maps with working area limit line from images of crane‘s top-view camera

文章目录论文研究背景论文研究的意义行业现状论文提出的解决方法实验测试仿真实验现场实验实验结果研究贡献论文研究背景由于施工工业环境复杂，视野有限，高空环境下起重机操作复杂，操作人员将面临两个关键问题：操作安全和工作效率。其中大多数的安全事故主要是由于起重机操作人员无法准确的识别安全隐患造成的。因此有必要向高空中起重机操作人员全面的直观的展示重要的视觉信息，可以有效的避免一些安全事故发生和提高工作效率

LuLaDe·2023-01-27 11:42

论文解读：预测lncRNA的相互作用生物分子类型:一种集成深度学习方法

PredictingtheinteractionbiomoleculetypesforlncRNA:anensembledeeplearningapproach目录1.摘要2.引言3.材料和方法1.数据描述2.特征提取3.模型构建4.评估标准4.结果1.LncRNA-生物分子相互作用的统计与分析2.lncIBTP的初步培训以及评价3.与特定lncRNA分子预测方法的比较4.个案研究和跨物种验证5.

哇塞qwq·2023-01-27 09:43

CycleGAN论文解读+思想+学习路径

学习CycleGAN的路线：1）先看09基于CycleGan开源项目实战图像合成_哔哩哔哩_bilibili中的整体网络架构，PatchGAN判别网络原理。2）再看【深度学习李宏毅】CycleGAN（中文）_哔哩哔哩_bilibili，以及CycleGAN（五）loss解析及更改与实验_祥瑞Coding的博客-CSDN博客_adversarialloss中讲解的loss函数。3）再看下文。4）看完

MrRoose·2023-01-27 09:30

Learnable Triangulation of Human Pose 论文解读

papertitle:LearnableTriangulationofHumanPosepaperlink:https://arxiv.org/abs/1905.05754oralordemovideo：https://conftube.com/video/zem03fZWLrQ?tocitem=100project:-github:https://github.com/facebookresea

JerryZhang__·2023-01-27 08:20

[论文解读]Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey

ThreatofAdversarialAttacksonDeepLearninginComputerVision:ASurvey文章目录ThreatofAdversarialAttacksonDeepLearninginComputerVision:ASurvey简介摘要常用术语对抗性攻击用于分类的攻击Box-constrainedL-BFGSFastGradientSignMethod(FGSM

年糕糕糕·2023-01-26 15:04

GoogleNet论文解读

GoingDeeperwithConvolutions摘要我们在ImageNet大规模视觉识别挑战赛2014（ILSVRC14）上提出了一种代号为Inception的深度卷积神经网络结构，并在分类和检测上取得了新的最好结果。这个架构的主要特点是提高了网络内部计算资源的利用率。通过精心的手工设计，我们在增加了网络深度和广度的同时保持了计算预算不变。为了优化质量，架构的设计以赫布理论和多尺度处理直觉为

abc_138·2023-01-26 12:24

【论文解读】关于深度森林的一点理解

2017年年初，南京大学周志华老师上传了一篇名为：DeepForest：TowardsAnAlternativetoDeepNeuralNetworks的论文，一石激起千层浪，各大媒体纷纷讨论着，这似乎意味着机器学习的天色要变，实则不然，周志华老师通过微博解释道，此篇论文不过是为机器学习打开了另一扇窗，是另一种思维，而不是真的去替代深度神经网络（DNN）。下面我就简单概括一下我对这篇论文的理解，如

Y.G Bingo·2023-01-26 09:24

深度估计算法原理与论文解读

论文地址：MonocularDepthEstimationUsingLaplacianPyramid-BasedDepthResiduals|IEEEJournals&Magazine|IEEEXplore代码链接见文末代码详解：https://blog.csdn.net/qq_52053775/article/details/128756167深度估计算法原理1.深度估计任务概述深度估计，即通过

樱花的浪漫·2023-01-26 09:52

【论文解读】NLP重铸篇之Word2vec

论文标题：EfficientEstimationofWordRepresentationsinVectorSpace论文链接：https://arxiv.org/pdf/1301.3781.pdf复现代码地址：https://github.com/wellinxu/nlp_store/blob/master/papers/word2vec.py论文标题：word2vecParameterLearn

风度78·2023-01-26 09:52

背景建模算法比较与ViBe算法论文解读与python代码

目录背景建模方法需要考虑的3个问题基于统计方法建模的缺陷其他背景建模方法的不足VIBE算法的巧妙之处VIBE算法详解初始化方法模型更新方法参考资料ViBe的Python代码在运动目标检测领域，抛开最近热火朝天的深度学习方法，最经典、可靠、传统的方法还是基于图像差分的方法。在这类方法中，往往会用到背景差分法。背景建模的优劣决定了目标检测结果的好坏，因此选择一个合适的背景建模方法非常重要。背景建模方法

奔跑的Yancy·2023-01-26 09:52

论文解读：Multi-Modal Explicit Sparse Attention Networks for Visual Question Answering

Multi-ModalExplicitSparseAttentionNetworksforVisualQuestionAnswering1.abstract视觉问答是一个多任务涉及到自然语言处理(NLP)和计算机视觉(CV),这需要模型来理解视觉信息和文本信息的同时预测输入视觉图像和文本的正确答案的问题,已广泛应用于智能和智能交通系统、智能城市和其他领域。今天，先进的VQA方法通过设计共同注意机制

幽灵深度学习·2023-01-25 22:33

【论文解读】ICLR2020 | 深度自适应Transformer

作者|kaiyuan整理|NewBeeNLP一篇来自ICLR2020，facebook人工智能实验室的论文，关于改进Transformer推理速度的。论文地址：https://arxiv.org/abs/1910.10073写在前面大模型在困难任务上表现非常好，而小模型也可以在比较简单的任务上表现出色。但是目前大模型在应用简单任务时的运算量同复杂任务一样，这就导致了不必要的资源浪费，此外还会导致推

风度78·2023-01-25 07:12

深度学习之边缘检测算法论文解读（EDTER: Edge Detection with Transformer）

引言边缘检测是计算机视觉中最基本的问题之一，具有广泛的应用，例如图像分割、对象检测和视频对象分割。给定输入图像，边缘检测旨在提取精确的对象边界和视觉上显著的边缘。由于许多因素，包括复杂的背景、不一致的注释等等，这是具有挑战性的边缘检测与图像的上下文和语义线索密切相关。因此，获得适当的表征来捕捉高和低水平的视觉线索是至关重要的。传统方法[6，14，28，34，41，63]大多基于低级局部线索，例如颜

qq_41627642·2023-01-24 12:17

目标检测论文解读复现【NO.24】改进 YOLOv5s 的轨道障碍物检测模型轻量化研究

前言此前出了目标改进算法专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑，此系列文章旨在给大家解读最新目标检测算法论文，帮助大家解答疑惑。解读的系列文章，本人已进行创新点代码复现，有需要的朋友可关注私信我。一、摘要针对传统列车轨道障碍物检测方法实时性差和对小目标检测精度低的不足，提出一种改进YOLOv5s检测网络的轻量化障

人工智能算法研究院·2023-01-24 11:19

卷积神经网络怎么入门？入门卷积神经网络必备！人工智能-CNN入门

想入门卷积神经网络，那就要从下面这几个角度入手：1、基本概念2、论文解读3、模型结构与原理4、模型实战5、问题解答1、基本概念想了解卷积神经网络，就要了解卷积神经网络中涉及到的一些基本概念，了解这些概念的含义

程序媛珂珂·2023-01-24 11:47

【目标检测论文解读复现NO.25】基于改进Yolov5的地铁隧道附属设施与衬砌表观病害检测方法

前言此前出了目标改进算法专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑，此系列文章旨在给大家解读最新目标检测算法论文，帮助大家解答疑惑。解读的系列文章，本人已进行创新点代码复现，有需要的朋友可关注私信我。一、摘要针对目前应用到织物疵点检测的网络模型中存在的两阶段算法检测速度慢、一阶段算法检测精度低的问题，提出了一种改进Y

人工智能算法研究院·2023-01-24 11:13

论文解读（NWR）《Graph Auto-Encoder via Neighborhood Wasserstein Reconstruction》

优质资源分享学习路线指引（点击解锁）知识定位人群定位Python实战微信订餐小程序进阶级本课程是pythonflask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统论文信息论文标题：GraphAuto-EncoderviaNeighborhoodWassersteinReconstru

qq_43479892·2023-01-22 07:58

【论文解读--PR-MPC控制】（2018）Policy regularized model predictive control framework for robust legged

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加TODO:写完再整理文章目录系列文章目录前言一、简介1.机器人的应用场景2.足式机器人触地检测是一个难点3.足式机器人（步态调度+支撑相力控）是一个难点4.模型简化方法5.预测控制6.本文贡献二、理论与系统建模1.运动学模型分析（1）运动学解耦结构图：2.动力学模型分析（1）动力学简化的方法（2）动力学解耦图（3）单刚体动

盒子君~·2023-01-21 08:44

【论文解读--MPC+WBC控制】（Cheetah mini）Whole-Body Impulse Control and Model Predictive Control

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加TODO:写完再整理文章目录系列文章目录前言一、简介二、控制架构1、控制流程2、摆动腿落点规划器3、状态估计器（用于估计躯干的位置、速度、姿态）4、步态调度器和步态规划器三、模型预测控制MPC1.MPC使用的集中质量动力学模型（用于预测泛作用力f）2.模型简化假设四、WBC全身脉冲控制1.WBC使用的多体动力学模型（计算每

盒子君~·2023-01-21 08:14

【论文解读--MPC控制】Dynamic Locomotion in the MIT Cheetah 3 Through Convex Model-Predictive Control

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加TODO:写完再整理文章目录系列文章目录前言一、简介二、控制系统框图0.定义body坐标系和world坐标系1.状态机FSM2.摆动腿控制关节器3.支撑腿控制关节器4.躯干参考轨迹生成（系统状态生成）三、四足机器人（简化的）动力学模型1.动力学模型简化--近似角速度动力学--忽略俯仰角和翻滚角（φ、θ）2.简化机器人角动力

盒子君~·2023-01-21 08:13

yolov1 - you only look once:unified,real-time object detection

模型解读(上)0前言本文目的是用尽量浅显易懂的语言让零基础小白能够理解什么是YOLO系列模型，以及他们的设计思想和改进思路分别…https://zhuanlan.zhihu.com/p/183261974【论文解读

Kun Li·2023-01-20 15:24

You Only Look Once: Unified, Real-Time Object Detection论文解读

论文：链接代码：TensorFlow版本核心思想：将整张图片作为网络的输入，直接在输出层对BBox的位置和类别进行回归。回顾：两阶段目标检测的实现过程：1、采用滑动窗口，对每个窗口进行分类和位置修正；2、用RPN网络提取候选区域，特征图对应的候选区域经过roipooling得到所需特征；3、SSD继承RPN类似的anchor机制，设定预设框并对每个预设框赋予groundtruth，全卷积网络训练目

Dear_林·2023-01-20 14:10

论文解读 TOOD: Task-aligned One-stage Object Detection

github:https://github.com/fcjian/TOODpaper:https://arxiv.org/pdf/2108.07755.pdf关键点思考起点指出传统one-stage算法在在优化目标分类和定位问题中的不足（DecoupledHead分离了分类任务和回归任务[yolox表示解耦这是优点，yolo1-5都是使用yolohead统一输出位置和置信度]），最佳分类点与最佳位

万里鹏程转瞬至·2023-01-20 09:42

MobileNet系列2：MobileNetV2论文解读

目录一.创新点1.先看看MobileNetV2和V1之间有啥不同2.再看看MobileNetV2的block与ResNet的block：二.正文三.MobileNet-V2网络结构参考资料MobileNetV2是对MobileNetV1的改进，同样是一个轻量化卷积神经网络。一.创新点1.Invertedresiduals，通常的residualsblock是先经过一个1*1的Convlayer，把

Sophia$·2023-01-20 08:51

Data Poisoning Attacks to Deep Learning Based Recommender Systems论文解读

1摘要在这项工作中，作者对基于深度学习的推荐系统的数据中毒攻击进行了首次系统研究。攻击者的目标是操纵推荐系统，以便向许多用户推荐攻击者选择的目标项目。为了实现这一目标，作者将精心设计的评分注入到推荐系统中的假用户。具体来说，作者将攻击表述为一个优化问题，这样注入的评分将最大化推荐目标项目的普通用户的数量。然而，解决优化问题具有挑战性，因为它是一个非凸整数规划问题。为了应对这一挑战，作者开发了多种技

HenrySmale·2023-01-19 20:00

论文解读：跨域推荐模型MiNet

ybjlucky·2023-01-19 18:14

【没有哪个港口是永远的停留~ 论文解读】ArcFace

论文：ArcFace:AdditiveAngularMarginLossforDeepFace代码：https://github.com/deepinsight/insightface摘要：利用深度卷积神经网络(DCNNs)进行大规模人脸识别的特征学习的主要挑战之一是设计适当的损失函数来增强鉴别性权力。Centreloss惩罚深度特征与其对应的类中心在欧几里德空间之间的距离，以实现类内紧凑。Sph

magic_shuang·2023-01-19 10:21

多元时间序列预测之（二）LSTNet模型

文章目录LSTNet论文解读1.问题定义2.模型解读2.1卷积组件2.2递归组件2.3递归-跳过层2.4时间注意力层2.5自回归组件LSTNet论文解读本文作为第二讲，讲述使用常规深度学习方法做多元时间序列预测的模型

RicardoOzZ·2023-01-19 10:29

＜Focal Loss for Dense Object Detection＞论文解读

目录1.简介2.模型2.1二阶段要比单阶段模型效果好本质原因2.2模型结构2.3.focalloss2.3.1focalloss公式说明(1)becloss(2)控制容易分类/难分类样本的权重(3)控制正负样本的权重(4)focalloss(5)bcevsce，即二分类交叉熵vs多分类交叉熵2.3.3论文其他设定2.4消融实验3.源码详解4ref1.简介目标识别有两大经典结构:第一类是以Faste

熊猫小妖·2023-01-19 10:56

FMEN网络----《Fast and Memory-Efficient Network Towards Efficient Image Super-Resolution》论文解读

子壹·2023-01-19 07:57

BSRN网络——《Blueprint Separable Residual Network for Efficient Image Super-Resolution》论文解读

目录摘要：网络架构：具体流程：BSConv：ESDB——EfficientSeparableDistillationBlock：BlueprintShallowResidualBlock(BSRB)：ESA和CCA：实验：BSRN的实现细节：BSRN-S（比赛）的实现细节：不同卷积分解的效果：ESA和CCA的有效性:不同激活函数对比：BSRN的有效性：和SOTA方法的对比：视觉效果比较：BSRN-

子壹·2023-01-19 07:54

centernet论文解读

目录1、序言2、论文3、优势和劣势3.1优势3.2劣势4、结论1、序言conternet在19年刚出来的时候就对它特别感兴趣，后面遇到了FCOS，就把它遗忘了，但是centernet还是具有很多新颖的idea，值得分析一下。但最近看了一下论文以后突然对各种检测模型的界限不像以前划分的那么清了，什么两阶段和单阶段，anchorfree和anchorbase在我看来主要还是在定义正负样本的区别，还有框

超超爱AI·2023-01-19 06:46

目标检测：CenterNet论文解读及代码详解

论文思想当前anchor-based目标检测方法可分one-stage、two-stage两种。one-stage模型利用anchor机制得到大量的框，之后直接加入回归、分类分支对框进行分类与微调。two-stage模型则首先提出大量的候选框，使召回率达到最大，之后在第二个stage对这些候选框进行分类与回归。无论是one-stage还是two-stage方法都存在大量的计算资源浪费和必须后处理（

有节操的正明君·2023-01-19 06:15

论文解读 - 城市自动驾驶车辆运动规划与控制技术综述 (第3部分)

文章目录IV.MothonPlanning（运动规划）A.PathPlanning（路径规划）B.TrajectoryPlanning（轨迹规划）C.VariationalMethods（变分法）IV.MothonPlanning（运动规划）Themotionplanninglayerisresponsibleforcomputingasafe,comfortable,anddynamically

同学来啦·2023-01-18 19:30

YoloV1、YoloV2（9000）、Yolov3论文笔记

YOLOV1论文解读摘要：将对象检测框架为一个回归问题，回归到空间分隔的边界框和相关的类概率。在一次评估中，单个神经网络直接从完整的图像中预测边界框和类概率。

奔跑的小仙女·2023-01-18 17:07

Towards open world object detection CVPR2021开放集识别率论文解读

【9】JosephKJ,KhanS,KhanFS,etal.Towardsopenworldobjectdetection[C]//ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition.2021:5830-5840.本文开发了一种新的方法，称为ORE，基于对比聚类，位置类别RPN网络和基于能量的未知类型识别进

appron·2023-01-18 16:49

TABs(Type Abstraction，类型抽象)：Open Relation and Event Type Discovery with Type Abstraction论文解读

OpenRelationandEventTypeDiscoverywithTypeAbstractionpaper：2212.00178.pdf(arxiv.org)code：raspberryice/type-discovery-abs:Codeforpaper“OpenRelationandEventTypeDiscoverywithTypeAbstraction”.EMNLP22’(gith

Trouble..·2023-01-18 12:47

UPerNet：Unified Perceptual Parsing for Scene Understanding论文解读

UnifiedPerceptualParsingforSceneUnderstanding论文：[1807.10221]UnifiedPerceptualParsingforSceneUnderstanding(arxiv.org)代码：CSAILVision/unifiedparsing:CodebaseandpretrainedmodelsforECCV’18UnifiedPerceptual