论文解读第16页

2022_07_11_10_51x51的kernelsize暴力美学：SLaK论文解读

title:2022_07_11_10_51x51的超大kernelsize真的管用吗：SLaK论文解读date:2022-07-1122:33:33category:默认分类本文介绍2022_07_11

小肉包老师·2023-01-18 01:17

树的高度从零还是一开始数_Science论文解读：打牌一时爽，一直打牌一直爽

作者丨王曲苑学校丨西南大学博士生研究方向丨人工智能、边缘计算近些年来，AI取得长足进步的同时，游戏一直伴随其左右，不论是Dota、星际、围棋还是德州扑克都成为检验其发展程度的验金石。2005年MichaelBowling等人就在《Science》上发表《Heads-uplimithold’empokerissolved》，2018年NoamBrown等人在《Science》发表《Superhuma

weixin_39927623·2023-01-17 16:16

VoTr:Voxel Transformer for 3D Object Detection 论文解读

···abstract本文提出来voxel-basedtransformer主骨干，叫做VoxelTransformer（VoTr）。3D卷积在voxel-based（体素系列）不能够有效捕捉大范围信息，由于感受野的限制。所以提出来将自注意力机制应用与voxel中，即transformer-based的结构能够解决这个问题。直接应用标准的transformer不可行，所以提出改进thesparse

莫～忆轩*·2023-01-17 15:49

论文解读：HUBERT HOW MUCH CAN A BAD TEACHER BENEFIT ASR PRE-TRAINING

HUBERTHOWMUCHCANABADTEACHERBENEFITASRPRE-TRAINING文章来源：icassp2021研究背景：相比于CV和NLP领域，ASR领域中自监督预训练方法面临3个挑战。一条语音句子中存在多个发音单元。只进行audio-pretraining，没有发音单元的词典。发音单元变长，没有清晰的段边界。在这篇文章中，作者提出了HIdden-UnitBERT(HUBERT)

ZQSZXY·2023-01-17 15:47

论文解析： Bag of Freebies for Training Object Detection Neural Networks

目标检测必读论文解读：BagofFreebiesforTrainingObjectDetectionNeuralNetworks目录目标检测必读论文解读：BagofFreebiesforTrainingObjectDetectionNeuralNetworksContribution

jia++ming·2023-01-17 13:10

论文解读 - 城市自动驾驶车辆运动规划与控制技术综述 (第2部分)

文章目录II.Overviewofthedecision-makinghierarchyusedindriverlesscars（无人驾驶汽车的决策层综述）A.RoutePlanning（路径规划）B.BehavioralDecisionMaking（行为决策）C.MotionPlanning（运动规划）D.VehicleControl（车辆控制）III.Modelingforplanningan

同学来啦·2023-01-17 11:47

论文解读 - 城市自动驾驶车辆运动规划与控制技术综述 (第1部分)

文章目录Abstract（摘要）I.Introduction（引言）Abstract（摘要）Self-drivingvehiclesareamaturingtechnologywiththepotentialtoreshapemobilitybyenhancingthesafety,accessibility,efficiency,andconvenienceofautomotivetranspo

同学来啦·2023-01-17 11:46

Transformer论文解读一（Transformer）

最近Transformer在CV领域很火，Transformer是2017年Google发表的AttentionIsAllYouNeed，主要是针对自然语言处理领域提出的。本系列文章介绍Transformer及其在各种领域引申出的应用。自我注意(Self-attention)，有时也称为内部注意(intra-attention)，是一种将单个序列的不同位置联系起来，以计算该序列的表示的注意机制。T

蓝鲸鱼BlueWhale·2023-01-17 10:58

BERT论文解读:BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

BERT相信热爱NLP的朋友都对BERT十分熟悉，google提出的这个模型在NLP的多项任务中都取得了惊人的成绩，是目前NLP领域最厉害的武器之一。本文会以原论文为基础来详细解读一下BERT的来龙去脉。在此声明一下，我并不会完全按照原论文的顺序进行解读，而是根据自己的理解来重点介绍我认为核心或者比较重要的部分。OK，我们开始。首先我们先来看一下论文的abstract部分的关于BERT的介绍。这句

胡小白的数据科学之路·2023-01-17 07:34

附代码 DenseASPP for Semantic Segmentation in Street Scenes论文解读

DenseASPPforSemanticSegmentationinStreetScenes论文解读代码地址：https://github.com/Tramac/awesome-semantic-segmentation-pytorch

向上的阿鹏·2023-01-16 11:59

论文中文解读 End-to-End Multimodal Emotion Recognition using Deep Neural Networks 基于深度神经网络的端到端多模态情感识别

论文解读End-to-EndMultimodalEmotionRecognitionusingDeepNeuralNetworks基于深度神经网络的端到端多模态情感识别英文文献https://www.researchgate.net

mengmeng0109·2023-01-16 08:14

超分重建网络——DASR

论文解读：htt

Charms@·2023-01-16 07:23

解耦知识蒸馏（Decoupled Knowledge Distillation，DKD）论文解读

论文简介：1、为了提供研究logit蒸馏的新观点，本文将经典的KD损失重新表述为两个部分，即目标类知识蒸馏（TCKD）和非目标类知识精馏（NCKD）。2、TCKD传递了关于训练样本“难度”的知识，而NCKD是logit蒸馏工作的突出原因。3、揭示了经典KD损失是一个耦合公式，既抑制了NCKD的有效性，又限制了平衡这两个部分的灵活性。因此本文提出了解耦知识蒸馏（DKD），使TCKD和NCKD能够更有

一瞬にして失う·2023-01-16 06:45

循环神经网络LSTM论文解读

纸上得来终觉浅～·2023-01-16 04:50

PredRNN: Recurrent Neural Networks for Predictive Learning using Spatiotemporal LSTMs论文解读

论文解读《PredRNN:RecurrentNeuralNetworksforPredictiveLearningusingSpatiotemporalLSTMs》点击下载.作者：YunboWang，MingshengLong

爱学习的吨吨a·2023-01-15 18:15

PointNet系列论文阅读之一：PointNet基础网络

PointNet论文解读文章：C.R.Qi,H.Su,K.Mo,andL.J.Guibas.Pointnet:Deeplearningonpointsetsfor3dclassificationandsegmentation.arXivpreprintarXiv

phosphenesvision·2023-01-15 12:05

PointNet和PointNet++论文解读

一、PointNet论文题目：PointNet:DeepLearningonPointSetsfor3DClassificationandSegmentation(CVPR2017)源码下载：https://github.com/charlesq34/pointnetb站原作者汇报：【中英】PointNet:DeepLearningonPointSetsfor3DClassificationand

今天也要debug·2023-01-15 12:34

Pointnet 论文解读精讲

文章目录摘要（abstract）介绍（Introduction）相关工作（relatedwork）问题陈述（ProblemStatement）DeeplearningonpointSetsPropertiesofpointSetPointNetArchitectureSymmetryFunctionforUnorderedInputLocalandGlobalInformationAggregat

CV矿工·2023-01-15 12:33

基于卷积神经网络和热力图回归的非结构化道路消失点检测论文解读

UnstructuredRoadVanishingPointDetectionUsingtheConvolutionalNeuralNetworkandHeatmapRegression(URVP)基于卷积神经网络和热图回归的非结构化道路消失点检测前言：20年的一篇文章，是关于非结构化道路VP检测中第一篇基于深度学习的解决方案。之前读过，这里再读一下，顺便再跑一下程序。原文链接：https://a

Wincher_Fan·2023-01-15 10:23

搜索中的 Query 理解及应用

本文转载自公众号“夕小瑶的卖萌屋”，专业带逛互联网算法圈的神操作-----》我是传送门关注后，回复以下口令：回复【789】：领取深度学习全栈手册（含NLP、CV海量综述、必刷论文解读）回复【入群】：加入卖萌屋深度学习

夕小瑶·2023-01-15 06:21

[论文解读] DXSLAM: A Robust and Efficient Visual SLAM System with Deep Features

论文地址：https://arxiv.org/pdf/2008.05416.pdf论文代码：https://github.com/ivipsourcecode/dxslam这又是一篇深度学习特征点SLAM系统，考虑到本人就写过这样的论文，所以工作上是大致一样的……但是这篇论文开源了！尽管只有SLAM系统是开源的但是这才是我比较看重的，Superpoint+VLAD+encoder-decoder结

星云舰长·2023-01-14 16:34

CVPR 2022：Generalized Few-shot Semantic Segmentation 解读

文章目录1前言2概述3GFS-Seg和FS-Seg的Pipeline区别4TowardsGFS-Seg5上下文感知原型学习（CAPL）6实验7结论8参考链接1前言之前已经有过关于小样本语义分割的论文解读

李响Superb·2023-01-14 15:51

【手撕经典算法】【论文解读】【目标检测】YOLO系列解读YOLOv3算法手写

YOLO系列算法论文解读手撕YOLOv3代码部分：https://github.com/lzneu/handwriten_net/tree/master/yolov3目录YOLOv11、直接看网络的输出如何表示目标

智能血压计·2023-01-14 13:28

【论文解读】yolo-v2

介绍作者在yolo的基础上进行改进，提出了yolov2。此外，作者还提出了一种目标检测与分类的联合训练方法，允许在检测和分类数据集中训练目标检测系统。图：yolo网络架构BatchNormalization在YOLO所有的卷积层后面添加了NB，在不需要其它形式的正则化的情况下NB极大地加速了收敛，并且不用dropout也不会出现过拟合，mAP获得了%2的提升。HighResolutionClass

昌山小屋·2023-01-14 13:56

Domain Adaptation via Prompt Learning论文解读

摘要部分无监督域自适应（UDA）旨在将从注释良好的源域学习到的模型自适应到只给出未标记样本的目标域。当前的UDA方法通过对齐源和目标特征空间来学习域不变特征。这种对齐是由统计差异最小化或对抗性训练等约束条件强加的。然而，这些约束可能导致语义特征结构的扭曲和类的可辨别性的丧失。在本文中，我们介绍了一种新的UDA提示学习范式（promptlearningparadigm），即通过提示学习进行域适应（D

yeeeeeeeeeeees·2023-01-14 12:59

RTFM：Weakly-supervised Video Anomaly Detection with Robust Temporal Feature【ICCV 2021】附代码注释

论文解读【摘要】具有弱监督视频级别标签的异常检测通常被表述为多实例学习（MIL）问题，其中我们旨在识别包含异常事件的片段，每个视频被表示为一个视频片段包（Bag）。

计算机视觉从零学·2023-01-14 11:58

【无标题】

Multi-ScaleHigh-ResolutionVisionTransformerforSemanticSegmentation论文解读前言1.2.Cross-resolutionfusionlayer3

Wan-yuming·2023-01-14 09:07

风格迁移篇--- stargan代码详解以及论文解读翻译

这里写目录标题引用说明一、data_loader.py文件classCelebAdefpreprocess(self)def__getitem__(）def__len__(self)defget_loader（）二、logger.py文件classLogger(object)def__init__(self,log_dir)defscalar_summary（）三、main.py四、module.

啊菜来了·2023-01-14 07:32

通过pc算法和随机游走来做根因定位，CloudRanger论文解读

CloudRanger:云原生系统根因识别CloudRanger:RootCauseIdentificationforCloudNativeSystems论文解读1.Abstract提出一种动态因果关系分析方法来构造应用程序之间的影响图

lovelife110·2023-01-13 21:41

XAI—Explainable artificial intelligence论文解读

XAI—Explainableartificialintelligence论文解读AbstractWHATISXAI?

wdkhuans·2023-01-13 14:13

NIPS 2022 | 一文了解腾讯AI Lab入选的13篇论文

本文为部分论文解读，主

zenRRan·2023-01-13 13:44

AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networks论文解读

题目：AttnGAN：具有注意的生成对抗网络的细粒度文本到图像生成时间：2018作者：TaoXu,PengchuanZhang,QiuyuanHuang,HanZhang,ZheGan,XiaoleiHuang,XiaodongHeCVPRAbstract在本文中，我们提出了一种注意力生成对抗网络（AttnGAN），它允许对细粒度文本到图像的生成进行注意力驱动和多阶段细化。通过一种新的注意生成网络

我是喵喵酱·2023-01-13 13:51

SegAttnGAN: Text to Image Generation with Segmentation Attention 论文解读

题目：Segattingan：关注分割的文本到图像生成时间：2020.5作者：苟玉川,吴千城,李明浩,龚柏,韩梅被CVPR2020的AI内容创作研讨会录取Abstract在本文中，我们提出了一种新的生成网络（SegAttnGAN），它利用额外的分割信息来完成文本到图像的合成任务。由于引入到模型中的分割数据为生成器训练提供了有用的指导，因此与以往的先进方法相比，该模型可以生成更逼真的图像，并具有更高

我是喵喵酱·2023-01-13 13:20

DF-GAN: A Simple and Effective Baseline for Text-to-Image Synthesis论文解读

题目：DF-GAN:一种简单有效的文本-图像合成基线时间：2022CVPRAbstract从文字描述中合成高质量的逼真图像是一项具有挑战性的任务。现有的文本-图像生成对抗网络通常采用堆叠架构作为主干，但仍存在三个缺陷。首先，分层结构引入了不同图像尺度的生成器之间的纠缠。其次，现有的研究倾向于在对抗学习中应用和固定额外的网络来实现文本图像语义一致性，这限制了这些网络的监督能力。第三，以往广泛采用的基

我是喵喵酱·2023-01-13 13:12

《基于机器学习的雷达辐射源分选与识别技术研究》论文解读

Data:2023-1-12Ref:李雪琼,“基于机器学习的雷达辐射源分选与识别技术研究,”PhDThesis,国防科技大学,2020.文章目录背景重频(PRI)基于已知信号的雷达分选技术基于未知信号的雷达分选技术这篇文章我主要关注他的第三、四章。第三章主要描述了基于已知信号的雷达分选技术，第四章主要描述了基于未知信号的雷达分选技术。背景在雷达侦察中，雷达接收机会接收到许多信号，其中包括同一个辐射

为什么每天的风都这么大·2023-01-13 13:41

Swin Transformer Hierarchical Vision Transformer using Shifted Windows论文解读

SwinTransformer:HierarchicalVisionTransformerusingShiftedWindowspaper：2103.14030.pdf(arxiv.org)code：microsoft/Swin-Transformer:Thisisanofficialimplementationfor“SwinTransformer:HierarchicalVisionTrans

Trouble..·2023-01-13 06:54

【Cylinder3D论文解读及代码略解】

Cylinder3D论文解读及代码略解论文解读AbstractIntroductionRelatedwork室内点云分割室外点云分割3D体素划分Methodology(本文方法)CylindricalPartitionAsymmetrical3DConvolutionNetworkAsymmetricalResidualBlockDDCMPoint-wiseRefinementModule

sunny_ran123·2023-01-12 23:21

论文解读TransFG: A Transformer Architecture for Fine-grained Recognition

此篇文章是transformer在细粒度领域的应用。问题：Transformer还未应用在图像细分类领域中贡献点：1.visiontransformer的输入把图像切分成patch，但是是没有overlap的，文章改成切分patch用overlap（这只能算个trick）2.PartSelectionModule通俗讲就是最后一层的输入与visiontransformer不同，即把最后一层前的所有

pontoon·2023-01-12 21:38

【论文解读|SIGIR2021】HGKT : Introducing Hierarchical Exercise Graph for Knowledge Tracing 引入层次练习图的知识追踪

【注】本文是针对EKT模型所做的改进考虑到练习之间的层次关系文章目录摘要1引言2相关定义3HGKT框架3.2直接支持图构建3.3问题模式表示3.57结论摘要知识追踪是预测学习者知识掌握情况的一种方法，在计算机辅助教育系统中起着重要的作用。近年来，许多深度学习模型被应用于处理KT任务，取得了很好的效果。然而，限制仍然存在。现有的方法大多将练习记录简化为知识序列，不能充分挖掘练习中存在的丰富信息。现有

林若漫空·2023-01-12 19:08

迁移学习论文解读：《Unsupervised Domain Adaptation via Structurally Regularized Deep Clustering》

存在问题：直接实现源域和目标域对齐会破坏目标数据的内在结构。但是如果先对目标域数据进行聚类，则可以保留完整的目标数据结构。

学好迁移Learning·2023-01-12 18:04

DonngZH·2023-01-12 16:01

TPLinker: Single-stage Joint Extraction of Entities and Relations Through Token Pair Linking论文解读

TPLinker:Single-stageJointExtractionofEntitiesandRelationsThroughTokenPairLinkingpaper：TPLinker:Single-stageJointExtractionofEntitiesandRelationsThroughTokenPairLinking(aclanthology.org)code：131250208

Trouble..·2023-01-12 16:30

ConnerNet-Lite:基于关键点的高效率目标检测论文解读

摘要：基于关键点的方法是一种相对较新的对象检测范式，它消除了对anchorboxes的需求，并提供了一个简化的检测框架。基于关键点的ConnerNet在总多one-stage目标检测算法中取得了最好的成绩，但是取得这个精度需要高额的运算开销，本文解决了这个基于关键点目标检测的问题并介绍了ConnerNet-Lite。ConnerNet-Lite是结合了两种高效的ConnerNet的变体：Conne

小罗最喜欢的你·2023-01-12 10:00

论文解读|IEEE|Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes

Real-TimeHigh-PerformanceSemanticImageSegmentationofUrbanStreetScenes自动驾驶领域：一种实时高精度的城市道路场景语义分割方法发布：IEEETRANSACTIONSONINTELLIGENTTRANSPORTATIONSYSTEMS原文：原文地址总结在本文中，提出了一种新的实时高性能语义分割方法，以实现在准确性和速度之间的平衡。该方

Akita·wang·2023-01-12 02:16

SphereFace的翻译，解读以及训练

博客分为三大部分，包括SphereFace的翻译，论文解读，以及模型的训练和测试。

qianqing13579·2023-01-11 23:37

GoogLeNet论文解读

GoogLeNet论文翻译及解读论文地址：https://arxiv.org/pdf/1409.4842.pdf源代码：googlenet摘要推出的CNN关键结构为Inception，此结构的关键核心点为网络内部对计算资源的进一步利用，实现方法是当保持计算耗费稳定时让此结构的微妙设计使得网络的深度和宽度都增加。为优化网络，此架构是基于赫布原理和多尺度处理的。GoogLeNet为22层结构。一、介绍

秋天的风儿·2023-01-11 20:27

（论文解读二十五）

Title：DeepHigh-ResolutionRepresentationLearningforHumanPoseEstimation（HRNet）Code：PyTorchFrom：CVPR2019Notedata：2020/02/28Abstract：区别以往的一些方法从高到低分辨率网络产生的低分辨率图像再恢复到高分辨率，HRNet整个过程都保持高分辨率目录Abstract1Introduc

Jayden yang·2023-01-11 20:27

联邦学习-FedAvg、FedAMP论文解读

文章目录联邦学习-FedAvg、FedAMP论文解读FedAvg解读解决问题算法原理实验结果优缺点FedAMP解读解决问题FedAMP算法原理HeurFedAMP算法原理实验结果优缺点联邦学习-FedAvg

‘Atlas’·2023-01-11 19:06

XGBoost论文解读

本博客分为三块——正则化的目标函数、切分点查找算法和高效实现，分别对XGBoost原论文的第2、3和4章进行了探讨。正则化的目标函数：XGBoost也是一种提升方法。相较于GBDT来说，它们的预测函数都是如下式(1)的加性函数（additivefunction），可以看到，预测函数对某一输入X_i输出就是输入实例在K颗树中输出的累和；它们的不同之一是目标函数的不同。GBDT通过经验函数最小化来确定

拖锡二傻子·2023-01-11 14:47

[机器学习] 第八章集成学习 4.XGBoost 论文解读

参考：https://blog.csdn.net/Trance95/article/details/118423126论文链接：https://www.kdd.org/kdd2016/papers/files/rfp0697-chenAemb.pdf参考：XGBoost论文阅读及其原理-知乎参考：XGBoost论文详解-知乎参考：XGBoost的原理、公式推导、Python实现和应用-知乎目录AB

(∩ᵒ̴̶̷̤⌔ᵒ̴̶̷̤∩)·2023-01-11 14:16

推荐频道

论文解读