论文解读

目标检测/人体姿态估计：Objects as Points论文解读

目标检测/人体姿态估计：ObjectsasPoints论文解读论文地址：https://arxiv.org/abs/1904.07850论文代码：https://github.com/xingyizhou
Airs_Gao·2022-12-24 11:52

YOLOv3论文解读

YOLOv3论文解读论文地址：https://arxiv.org/pdf/1804.02767.pdf代码实现：作者本人：https://pjreddie.com/darknet/yolo/github
Chermack·2022-12-24 08:47

论文解读：K-BERT：Enabling Language Representation with Knowledge Graph（AAAI-20）

Part1IntroductionBERT这种公共模型，对于通用领域表现优秀，但是垂直领域表现不佳，除非在垂直领域进行训练，但是非常耗时耗力。将知识图谱整合到语言表示中，领域知识将能提升垂直领域的任务，并且模型具有更好的可解释性。论文提出的K-BERT通过引进知识图谱（将知识库中的结构化信息（三元组）融入到预训练模型）中，可以更好地解决领域相关任务。Part2Methods模型主要包括四个子模块：
欢欢吖·2022-12-24 07:59

一种对抗性攻击的方法AdvDrop

AdvDrop:AdversarialAttacktoDNNsbyDroppingInformation论文解读代码参考：https://github.com/RjDuan/AdvDrop提出了一种新的对抗性的攻击
向上的阿鹏·2022-12-23 21:56

Batch Normalization论文解读与Inception V2代码简析

目录论文阅读代码简析小结论文阅读InceptionV2是Inception家族的一个中间件产物，在论文RethinkingtheInceptionArchitectureforComputerVision中提到了InceptionV2的概念，但是google的代码实现却是命名为InceptionV3。从google实现的InceptionV2源码可以看出V2的改进主要是以下两点：使用了BatchN
stesha_chen·2022-12-23 08:36

论文解读丨【CVPR 2022】不使用人工标注提升文字识别器性能

摘要：本文提出了一种针对文字识别的半监督方法。区别于常见的半监督方法，本文的针对文字识别这类序列识别问题做出了特定的设计。本文分享自华为云社区《[CVPR2022]不使用人工标注提升文字识别器性能》，作者：Hint。本文提出了一种针对文字识别的半监督方法。区别于常见的半监督方法，本文的针对文字识别这类序列识别问题做出了特定的设计。具体来说，本文首先采用了teacher-student的网络结构，然
华为云开发者联盟·2022-12-23 01:52

Automatic Targetless LiDAR-CameraCalibration: A Survey论文解读

目录摘要3自动无标志物的LiDAR-相机标定3.1基于信息理论3.1.1点云和相机的属性对3.1.2统计学相似性估计3.1.3优化方法3.2基于特征3.2.1特征提取3.2.2特征匹配策略3.3基于自身运动3.3.1手眼标定3.3.23D结构估计3.3.3其他方法3.4基于深度学习的方法摘要LiDAR和相机标定很重要，传统方法依赖特定标志物或需要人工介入，很不方便。本文对自动无标志物的LiDAR-
qq_38650944·2022-12-22 16:33

目标检测学习笔记2——ResNet残差网络学习、ResNet论文解读

ResNet残差网络学习、ResNet论文解读一、前言为什么会提出ResNet?什么是网络退化现象？那网络退化现象是什么造成的呢？ResNet要如何解决退化问题？
Shadownow·2022-12-22 15:16

CUDA 编程上手指南：CUDA C 编程及 GPU 基本知识

推荐大家关注极市平台公众号，每天都会更新最新的计算机视觉论文解读、综述盘点、调参攻略、面试经验等干货~目录1CPU和GPU的基础知识2CUDA编程的重要概念3并行计算向量相加4实践4.1向量相加CUDA
极市平台·2022-12-22 07:10

【工大SCIR论文解读】WWW20 关键词生成提升电商会话推荐

论文名称：KeywordsGenerationImprovesE-CommerceSession-basedRecommendation论文作者：刘元兴，任昭春，张伟男，车万翔，刘挺，殷大伟原创作者：刘元兴论文链接：https://dl.acm.org/doi/pdf/10.1145/3366423.3380232代码链接：https://github.com/LeeeeoLiu/ESRM-KG来
zenRRan·2022-12-22 06:28

目标检测论文解读复现之一：基于改进YOLOv5的整车原木数量检测方法——TWD-YOLOv5（代码已复现）

目标检测论文解读复现文章目录目标检测论文解读复现前言一、摘要二、网络模型及核心创新点三、应用数据集四、实验效果五、投稿期刊介绍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
人工智能算法研究院·2022-12-22 06:27

【SCI论文解读复现NO.1】基于Transformer-YOLOv5的侧扫声纳图像水下海洋目标实时检测

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、摘要针对传统人工检测侧扫声纳（SSS）图像中水下目标的不足，提出了一种实时自动目标识别（ATR）方法。该方法包括图
人工智能算法研究院·2022-12-22 06:23

【论文解读】一文看懂yolov4 | 各种框架源码实现 | 详尽的state-of-art

目录0各种版本源码实现AlexeyAB大佬本佬其他版本实现PyTorch：TensorFlow:TensorRTKerasOpenCV-dnn：1.前言1.1历史渊源1.2论文梗概附上摘要：附上作者自述贡献论文主要组成1.3效果说明2.Objectdetectionmodels综述3.state-of-art目标检测技法综述3.1思维导向图3.2Bagoffreebies(Bof)数据增强数据分布
熊猫小妖·2022-12-22 03:13

半监督学习近几年相关论文解读（分类）

分类任务部分半监督一.Mixmatch（NeurIPS2019）MixMatch:AHolisticApproachtoSemi-Supervised论文地址：https://arxiv.org/abs/1905.02249Code:https://github.com/YU1ut/MixMatch-pytorch1.对有标数据进行增强2.给无标数据一个人工标签。通过对一个无标数据增强K次并输入模
啥也不会就会混·2022-12-21 21:41

论文阅读笔记:Relation Network《Learning to Compare: Relation Network for Few-Shot Learning》

感谢大佬的论文解读。1.核心思想在孪生网络、匹
海淀小天·2022-12-21 12:00

目标检测论文解读复现【NO.23】FS-YOLOv5:轻量化红外目标检测方法

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、摘要针对传统目标识别算法复杂场景下的道路目标识别精度低、实时性差、小目标检测难度大等问题，提出了基于红外场景下FS
人工智能算法研究院·2022-12-21 12:21

实录 | 旷视研究院详解COCO2017人体姿态估计冠军论文（PPT+视频）

主讲人：王志成|旷视研究院研究员屈鑫整理编辑量子位出品|公众号QbitAI12月13日晚，量子位·吃瓜社联合Face++论文解读系列第二期开讲，本期中旷视（Megvii）研究院解读了近期发表的人体姿态估计论文
量子位·2022-12-21 06:03

自然语言处理Prompt内容解读与案例

本人每周都会更新关于人工智能和大数据相关的内容，内容多为原创，PythonJavaScalaSQL代码，CVNLP推荐系统等，SparkFlinkKafkaHbaseHiveFlume等等~写的都是纯干货，各种顶会的论文解读
陈万君Allen·2022-12-21 05:25

A Joint Neural Model for Information Extraction with Global Features论文解读

AJointNeuralModelforInformationExtractionwithGlobalFeaturescode：BLENDERLab|Software(illinois.edu)或者GerlinGreen/OneIE:ForkedfromOneIE:AJointNeuralModelforInformationExtractionwithGlobalFeatures(github.
Trouble..·2022-12-20 20:12

论文解读1——Adam: A Method For Stochastic Optimization

目录1、优化算法到底是个啥2、几种经典的优化算法2.1梯度下降（GD）2.1.1批量梯度下降（BGD）2.1.2随机梯度下降（SGD）2.1.3小批量梯度下降（SBGD）2.2动量（momentum）2.3Nesterov动量（NAG）2.4AdaGrad2.5RMSprop3、文章贡献4、Adam优点5、Adam算法6、Adam更新规则7、初始化偏差修正8、收敛性分析9、实验分析10、扩展：Ad
对流层的酱猪肘·2022-12-20 17:07

论文解读7——Graph Attention Networks（GAT）

目录1、文章贡献2、GAT优点3、GAT结构1、文章贡献提出了图注意力网络GAT，通过引入注意力机制计算出每个节点和与之相关联节点间的重要性系数，从而解决GCN中对每个节点同等重要的问题。2、GAT优点1.可以通过注意力机制根据与节点相关的不同特征去分配不同的权重2.可以作用在有向图上（原先GCN中的拉普拉斯矩阵要想特征分解依赖于无向图计算出的对称阵）3.计算效率更高，注意力机制在输入上可以实现并
对流层的酱猪肘·2022-12-20 17:07

论文解读9——TabNet: Attentive Interpretable Tabular Learning

目录1、文章贡献2、决策流型3、TabNet模型结构好久没有更读论文的总结了，中途有几篇读了还没来得及记录，开学杂事一多竟然已经过了一个多月了……好吧其实就是自己懒，时间挤挤还是有的。下面就关键记录模型的结构部分防止日后遗忘，其余部分就不写了，回归原文1、文章贡献这篇TabNet是暑假末尾看的一个结合了神经网络和决策树的模型，既有神经网络端到端的表征学习的能力，又有决策树良好的可解释性。因为我们知
对流层的酱猪肘·2022-12-20 17:07

论文解读10——Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting

目录1、文章贡献2、有效的self-attention机制3、ProbSparseself-attention机制4、self-attentiondistilling5、Generativestyledecoder6、实验1、文章贡献这篇是2021年AAAI的bestpaper，主要提出了Informer模型来解决Transformer中无法用于长时间序列预测的问题，提高了长时间序列预测问题的能力
对流层的酱猪肘·2022-12-20 17:57

目标检测论文解读复现【NO.22】多尺度下遥感小目标多头注意力检测

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、摘要针对地理空间遥感图像中检测目标存在多尺度特性、形态多变以及小目标判别特征过少等造成检测识别精度不高的问题,提出
人工智能算法研究院·2022-12-20 16:18

论文解读Motion Transformer with Global IntentionLocalization and Local Movement Refinement

MotionTransformerwithGlobalIntentionLocalizationandLocalMovementRefinement论文精读此篇论文是2022年发表NeurIPS上的文章，代码即将在GitHub开源。目前占据waymoopendatasetleadboard运动预测榜单榜首。摘要：预测交通参与者的行为对于自动驾驶车辆做决策至关重要。现有工作通过latentfeatu
慢漫漫·2022-12-20 13:06

论文解读：Burst photography for high dynamic range ...&An Analysis and Implementation of the HDR+

复现论文链接：https://doi.org/10.5201/ipol.2021.336复现论文代码：https://github.com/amonod/hdrplus-pythonBurstphotographyforhighdynamicrangeandlow-lightimagingonmobilecameras（谷歌原论文）和AnAnalysisandImplementationofthe
SetMaker·2022-12-20 11:33

沐神学习笔记：GPT，GPT-2，GPT-3

开篇介绍GPT-3有很多应用，比如githubcopilota，可以根据注释来生成代码论文时间轴GPT论文解读ImprovingLanguageUnderstandingbyGenerativePre-Training
victorup·2022-12-20 11:30

【论文解读 NIPS 2019 | GTNs】Graph Transformer Networks

论文题目：GraphTransformerNetworks论文来源：NIPS2019论文链接：https://arxiv.org/abs/1911.06455代码链接：https://github.com/seongjunyun/Graph_Transformer_Networks文章目录1摘要2引言3模型3.1定义3.1.1异质图3.1.2元路径3.1.3GCN3.2元路径的生成3.2.1GT层
byn12345·2022-12-20 10:35

Openai连接文本和图像CLIP模型(Huggingface版)zero-shot分类代码案例

本人每周都会更新关于人工智能和大数据相关的内容，内容多为原创，PythonJavaScalaSQL代码，CVNLP推荐系统等，SparkFlinkKafkaHbaseHiveFlume等等~写的都是纯干货，各种顶会的论文解读
陈万君Allen·2022-12-20 08:30

论文解读-

论文题目：《UnsupervisedDomainAdaptationwithResidualTransferNetworks》论文信息：NIPS2016,MingshengLong,HanZhu,JianminWang,TsinghuaUniversity论文：http://ise.thss.tsinghua.edu.cn/~mlong/doc/residual-transfer-network-
海边的第八只螃蟹·2022-12-19 20:42

分享珍藏很久的《推荐系统学习手册》

这是之前学习推荐系统时的学习资料，非常全面，包含经典模型的解析及代码实现、模型的评估、最新工业界论文解读等等，全网仅此一份！该手册有PDF版本和Markdown版本，总计有700多页！
算法channel·2022-12-19 19:23

yolov3的缺点_深度学习目标检测YOLOv3论文解读

前言YOLOv3的模型比之前的模型复杂了不少，之前的算法既有保留又有改进。yolo每一代的提升很大一部分决定于backbone网络的提升，从v2的darknet-19到v3的darknet-53。yolo_v3还提供替换backbone——tinydarknet。要想性能牛叉，backbone可以用Darknet-53，要想轻量高速，可以用tiny-darknet。总之，yolo就是天生“灵活”，
Fesgrome·2022-12-19 15:01

目标检测论文解读复现【NO.21】基于改进YOLOv7的小目标检测

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、摘要当前，目标检测技术趋于成熟，但小目标检测仍是研究的难点所在。针对目标检测过程中小目标像素少、覆盖面积小、信息少
人工智能算法研究院·2022-12-19 13:32

A New Model and the Kinetics Dataset 论文解读

Abstract本论文提出了一种新的数据集Kinetics、他是ucf101，HMDB-51数据集的的两倍。论文分别将当前现有的模型在Kinetics数据集上跑一遍，看这些模型在此数据集上表现的如何？，以及在次数据集的预训练下模型在其他数据集上表现的如何？同时本论文引入了一个新的行为识别模型Two-StreamInflated3DConvNet(I3D)，I3D是基于2D卷积膨胀的，他将深层图像分
一口大米饭·2022-12-19 08:44

Tianchi发布最新AI知识树！

来源：Datawhale干货来源：Tianchi，方向：AI内容近期Tianchi开放了9大训练营、26门课程、历届大赛和7大顶会论文解读。
Python数据之道·2022-12-19 08:51

RCNN、SPPnet、Fast-RCNN 论文学习笔记

看论文原版还是最好的选择，但由于论文都是英文，且有大量引用前人已有的思想，对于小白来说，直接看论文并不友善，可以选择网上已有的论文解读，大致了解思想，然后有针对性的阅读论文原版，可能会事半功倍。
sinat_34022298·2022-12-19 08:13

R-CNN论文解读

博文目录R-CNN概要思路R-CNN流程概述预训练大型分类网络基于特定数据集微调网络训练目标分类器SVMs训练目标回归器R-CNN细节剖析IOU解决类别标注问题fine-tuning与SVM正负样本定义不一样的问题非极大值抑制(NMS)训练目标回归器代码大致实现步骤大数据集预训练模型finetuning修改finetuning网络提取特征向量训练SVM分类器训练SVM回归器论文英文全名《Richf
enginelong·2022-12-19 08:38

【NeurIPS100】谷歌、Facebook、斯坦福等十篇机器学习最新论文解读

NeurIPS2019虽然刚刚落幕，但是学习的任务还远未结束。今天我们整理了NeurIPS2019上十篇机器学习领域的论文，这些论文来自谷歌、Facebook、普林斯顿大学、斯坦福大学等团队的最新研究成果，供大家参考学习1DifferentiableRanksandSortingusingOptimalTransport基于优化运输的可微排序论文作者：MarcoCuturi,OlivierTebo
学术头条·2022-12-18 21:32

ICCV21论文解读 | AD-NeRF：用于说话人头部合成的音频驱动神经辐射场

作为构建未来虚拟世界诸多应用的主干，如何创造栩栩如生的虚拟数字人，一直是计算机视觉、计算机图形学与多媒体等人工智能相关学科密切关注的重要研究课题。近日，中国科学技术大学联合的卢深视科技有限公司、浙江大学与清华大学共同打造的AD-NeRF技术，引发了学界及业界关注。来自中科大张举勇课题组等机构的研究者们在近期大火的神经辐射场（NeRF:NeuralRadianceFields）技术基础上，提出了一种
深兰深延AI·2022-12-18 20:54

《Distilling the Knowledge in a Neural Network》知识蒸馏论文解读

问题：由于网络结构的复杂，进行预测的代价过高，难以将网络部署到轻量级设备用户中。解决方法：利用知识蒸馏进行模型压缩，实现轻量级网络。接下来以这篇论文为基础来认识知识蒸馏。1、软标签和硬标签描述：硬标签就是指我们在预测时正确的值为1，错误的值为0。而软标签则认为错误的标签不可能都是零，因为对错误标签而言总有着自己的差距，如下面所示。硬标签软标签宝马10.9奔驰00.6垃圾车00.3胡萝卜00.001
一瞬にして失う·2022-12-18 14:13

论文解读+代码复现【AIDD】贝叶斯、决策树、随机森林+2种机器学习模型在癌症治疗药物发现中的应用

AIDD（AIDrugDiscovery&Design）：是近年来非常火热的技术应用，且已经介入到新药设计到研发的大部分环节当中，为新药发现与开发带来了极大的助力。倾向于机器对数据库信息的自我学习，可以对数据进行提取和学习，一定程度上避免了化合物设计过程中的试错路径，同时还会带来很多全新的结构，为药物发现打破常规的结构壁垒。覆盖了机器学习和深度学习，能与新药研发相结合并实质性的应用到靶点预测、高通
离人883·2022-12-18 13:36

论文解读《Relevance-CAM: Your Model Already Knows Where to Look》–阅读笔记

本文属于原创，转载请注明出处*本论文解读的初衷：1.由于某些原因，最近有关注到神经网络可解释性与可视化方向的发展。
云朵上的七七·2022-12-18 11:54

目标检测论文解读1：（RCNN解读）Rich feature hierarchies for accurate object detection...

一、番外说明大家好，我是小P，今天和大家一起学习目标检测领域的经典文章-RCNN，希望大家支持和喜欢。此外，对“目标检测/模型压缩/语义分割”感兴趣的小伙伴，欢迎加入QQ群813221712讨论交流，进群请看群公告！点击链接加入群聊【ObjectDetection】：https://jq.qq.com/?_wv=1027&k=5kXCXF8二、资料推荐1、本文相关资料推荐注：为方便下载，部分资源已
phinoo·2022-12-18 08:50

《Semi-supervised Medical Image Segmentation Using Cross-Model Pseudo-Supervision with Shape Awarene》

论文解读《Semi-supervisedMedicalImageSegmentationUsingCross-ModelPseudo-SupervisionwithShapeAwarenessandLocalContextConstraints
渔歌畅晚·2022-12-17 22:08

论文解读《Semi-supervised Contrastive Learning for Label-efficient Medical Image Segmentation》

论文解读《半监督对比学习高效标签的医学图像分割》期刊名：MICCAI2021代码：代码地址论文地址：论文地址一、摘要：1）深度学习在医学图像分割中，依赖标注数据的监督训练。
渔歌畅晚·2022-12-17 22:07

Event Extraction by Answering (Almost) Natural Questions论文解读

EventExtractionbyAnswering(Almost)NaturalQuestionscode：xinyadu/eeqa:EventExtractionbyAnswering(Almost)NaturalQuestions(github.com)paper：[2004.13625]EventExtractionbyAnswering(Almost)NaturalQuestions(a
Trouble..·2022-12-17 13:13

体素CVPR2019（二）DeepSDF: Learning Continuous Signed Distance Functions for Shape Representation

《DeepSDF:LearningContinuousSignedDistanceFunctionsforShapeRepresentation》论文解读Abstract1.ModelingSDFswithNeuralNetworks2
Raywit·2022-12-17 09:46

Efficient Zero-shot Event Extraction with Context-Definition Alignment论文解读

EfficientZero-shotEventExtractionwithContext-DefinitionAlignmentcode：tencent-ailab/ZED:ThisistherepositoryforEMNLP2022paper“EfficientZero-shotEventExtractionwithContext-DefinitionAlignment”(github.com
Trouble..·2022-12-17 08:39

论文解读|ICCV2019|Gated-SCNN: Gated Shape CNNs for Semantic Segmentation

标题：Gate-SCNN:用于语义分割的门控形状CNN来源：ICCV2019论文地址：https://arxiv.org/abs/1907.05740Github：https://github.com/nv-tlabs/GSCNN项目地址：https://nv-tlabs.github.io/GSCNN/文章目录摘要一、引入二、相关工作：1.多任务学习2.门控卷积三、GatedShapeCNN（G
Akita·wang·2022-12-17 07:08

论文解读：为了数据中心的未来，存算这对CP竟然又离了

古语有云：天下大势分久必合、合久必分。同样，在数据中心多年的发展历程中，计算与存储也经历了多次分分合合。从大型机的计算与存储紧耦合，到小型机经典的IOE存算分离架构，再到随云兴起的超融合让存算再次融合，计算与存储宛如一对多年的CP，时而亲密无间，时而又若即若离。计算与存储之所以会出现多次分与合，是因为需求的变化推动着架构层做出相应改变，而计算与存储相辅相成、协同发展的关系始终未变。如今，随着云与互
大数据在线·2022-12-16 15:56
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他