论文解读第25页

ResNet论文解读及代码实现（pytorch）

又重新看了一遍何凯明大神的残差网络，之前懵懵懂懂的知识豁然开朗了起来。然后，虽然现在CSDN和知乎的风气不是太好，都是一些复制粘贴别人的作品来给自己的博客提高阅读量的人，但是也可以从其中汲取到很多有用的知识，我们要取其精华，弃其糟粕。我只是大概的记录一下ResNet论文讲了什么，希望大家还是可以自己去读几遍。ResNet论文链接为：https://arxiv.org/abs/1512.033851

Ap21ril·2022-11-25 17:21

经典论文学习笔记——13篇对比学习（Contrastive Learning）

以下是一些可以参考的博客：对比学习串烧（李沐大神视频学习笔记） CVPR2020-MoCo-无监督对比学习论文解读 无监督对比学习之MOCO 如何评价Deepmind自监督新作BYOL自监督学

gailj·2022-11-25 15:08

ERNIE1.0 与 ERNIE2.0 论文解读

总述本文主要介绍百度发布的ERNIE1.0模型与ERNIE2.0模型。1.ERNIE1.0EnhancedRepresentationthroughKnowledgeIntegrationMotivationBERT那种预测随机mask的方式忽略了句子中的实体信息以及实体与实体之间的关系（即外界的知识）。Model模型的训练分为三个阶段，每个阶段使用不同的mask策略，分别为随机mask，随机ma

lwgkzl·2022-11-25 11:30

【配准论文解读】Color Point Cloud Registration with 4D ICP Algorithm

本文是对于IEEEICRA2011的论文《ColorPointCloudRegistrationwith4DICPAlgorithm》做一解读，这篇文章主要介绍了一种通过HSV加权实现点云配准的方法，如有不正之处，欢迎斧正！一、Abstract本文介绍了使用相关图像中的色调数据加速3D点云配准的方法。通过在传统三维坐标下加入加权的图像色调信息，构成新的四维空间，并使用k-d树最近邻搜索寻找对应点，

我很懒但我很软乎·2022-11-25 10:38

SO-Net：点云分析的自组织网络论文解读

SO-Net:Self-OrganizingNetworkforPointCloudAnalysis参考链接论文翻译链接SO-Net视频讲解论文地址代码地址论文目的：点云分类、分割任务核心在于点云特征提取，本文旨在设计一种较好的点云特征提取结构点云特征提取方法有很多，有以下几种：转为体素，利用3D卷积—>受限于分辨率，并且计算资源消耗大转为多视图，分别应用2DCNN—>会造成信息缺失，效果很一般利

HIT淡然·2022-11-25 10:37

19、论文解读：Intensity Scan Context: Coding Intensity and Geometry Relations for Loop Closure Detection

IntensityScanContext:CodingIntensityandGeometryRelationsforLoopClosureDetection文章链接：ISC-LOAM文章代码：代码编译＆运行：建议参考：ubuntu16.04运行ISC-LOAM我在编译运行遇到的问题以及解决办法：1、编译无法通过：需要将cmakelist中设置C++11的那句改成set(CMAKE_CXX_FLA

甜橙の学习笔记·2022-11-25 10:37

阅读笔记-LSD-SLAM: Large-ScaleDirect Monocular SLAM 逐行仔细阅读 lsdsalm论文解读

皮皮原创手打，欢迎交流。基本情况标题：Large-ScaleDirectMonocularSLAM-2014年作者:JakobEngelandThomasSch¨opsandDanielCremers论文下载地址：https://sci-hub.mksa.top/10.1007/978-3-319-10605-2_54代码地址:https://github.com/tum-vision/lsd_s

李皮皮的悲惨生活·2022-11-25 08:20

论文解读笔记--CenterNet :Objects as Points

论文解读笔记--CenterNet:ObjectsasPointsAbstractIntroductionTheworkdetailsPerformance论文地址：https://arxiv.org/

Fannie_Peng·2022-11-25 08:25

目标检测论文解读复现之二：基于改进YOLOv5的轻量化航空目标检测方法

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（部分展示）五、实验结论六、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

人工智能算法研究院·2022-11-25 08:48

目标检测论文解读复现之十七：融合注意力机制的YOLOv5口罩检测算法

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、摘要新冠疫情期间正确佩戴口罩可以有效防止病毒的传播，针对公共场所存在的人员密集、检测目标较小等加大检测难度的问题，

人工智能算法研究院·2022-11-25 08:47

DETR与Deformable DETR小结

DETR与deformableDETR小结DETRDeformableDETRDETR论文地址https://arxiv.org/abs/2005.12872论文解读DETR将检测视为集合预测问题，简化了目标检测的整体流程

Laughing-q·2022-11-25 05:06

[论文解读]Fast-Tracker：在复杂环境中敏捷跟踪目标的鲁棒性空中系统

标题：Fast-Tracker:ARobustAerialSystemforTrackingAgileTargetinClutteredEnvironments作者：ZhichaoHan*,RuibinZhang*,NengPan*,ChaoXu,andFeiGao来源：https://arxiv.org/pdf/2011.03968v1.pdf代码：https://github.com/ZJU-

Travis.X·2022-11-25 04:16

使用GradCAM绘制神经网络的特征图

jacobgil/pytorch-grad-cam论文：Grad-CAM-VisualExplanationsfromDeepNetworksviaGradient-basedLocalization一、论文解读自己写的论文阅读笔记

icecreamdinner·2022-11-25 02:01

Equalized Focal Loss for Dense Long Tailed Object Detection 论文解读

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”导读对FocalLoss做了改进，使之可以在一阶段物体检测器中适用于长尾分布数据集的场景。效果提升明显。摘要：最近的长尾目标检测的方法，都是用的2阶段的模式。而在实际的工业场景中，一阶段目标检测器是更常用的，应为它更加简单，更容易部署。但是，在长尾分布的场景中，这部分的工作并没有进行很深入的探索。本文，我们研究了是否一阶段的物体检测器也可以

ronghuaiyang·2022-11-25 01:08

Exploring Simple Siamese Representation Learning[arxiv Submitted on 20 Nov 2020]------论文解读

ExploringSimpleSiameseRepresentationLearning[arxivSubmittedon20Nov2020]------论文解读注意AbstractIntroductionandRelatedWorkSiamesenetworksContrastivelearningClusteringBYOLMethodBaselinesettingsExperimentals

落了一地秋·2022-11-25 00:40

TAPAS: Weakly Supervised Table Parsing via Pre-training 原论文解读

TAPAS:WeaklySupervisedTableParsingviaPre-training原论文理解解读这里只进行原论文解读，若有不正确的地方希望指正，不明白的地方我也会写上，如果后续有时间继续进行

xuecaisun·2022-11-24 20:23

【图嵌入】SILK 论文解读

本文是2021年发表于IEEETKDE的一篇关于异构图嵌入学习的论文，该论文的亮点在于提出了一种动态自学习随机游走策略来学习异构图中的节点嵌入，这种做法摆脱了对先验知识和预定义元路径的依赖，学习异构图中每个节点对不同语义的敏感性，并通过实验证明，所提出的框架SILK在包括节点分类和聚类在内的几个任务上显著优于最先进的模型。1.背景&目的在对本篇论文的背景、目的进行详细阐述时，首先对涉及到的一些概念

zz.YE·2022-11-24 17:44

深度学习之路（四）：Fast-RCNN

一.论文解读Fast-RCNN的论文是就是《FastR-CNN》，其作者是rbg大神，论文简单明了，目的性贼强。（百度云链接：https:

木子一一·2022-11-24 15:37

ABCNN: Attention-Based Convolutional Neural Network for Modeling Sentence Pairs论文解读

发表时间：2015论文链接:https://arxiv.org/pdf/1512.05193.pdf开源代码：https://github.com/galsang/ABCNN(tensorflow)https://github.com/lsrock1/abcnn_pytorch(pytorch)代码语言：python适用:AnswerSlection(AS)paraphraseidentifica

勤劳的凌菲·2022-11-24 15:54

利用谷歌的联邦学习框架Tensorflow Federated实现FedAvg（详细介绍）

IV.TensorflowFederated1.数据处理2.构造TFF的Keras模型3.训练4.测试5.实验结果及分析V.一些思考VI.源码及数据I.前言关于联邦学习，前面已经有几篇文章做了一些阐述：联邦学习原始论文解读

Cyril_KI·2022-11-24 12:25

【深度学习】ToMe：我的方法无需训练即可加速 ViT 模型｜搞懂Transformer系列

本文目录51无需训练，Token合并打造更快的ViT架构(来自佐治亚理工学院，MetaAI)51.1ToMe论文解读51.1.1背景和

风度78·2022-11-24 10:03

目标检测 - Deformable DETR: Deformable Transformers for End-to-End Object Detection

文章目录0.前言1.要解决什么问题2.用了什么方法3.效果如何4.还存在什么问题&可借鉴之处0.前言相关资料：arxivgithub，说会release论文解读，知乎讨论论文基本信息领域：目标检测作者单位

清欢守护者·2022-11-24 09:50

PiCIE: Unsupervised Semantic Segmentation using Invariance and Equivariance in Clustering 论文解读和感想

PiCIE:UnsupervisedSemanticSegmentationusingInvarianceandEquivarianceinClustering论文解读和感想背景和动机本文21年上旬发表于

涑月听枫·2022-11-24 08:54

姿态ECCV2020（十）I2L-MeshNet: Image-to-Lixel Prediction Network for Accurate 3D Human Pose and Mesh Esti

I2L-MeshNet:Image-to-LixelPredictionNetworkforAccurate3DHumanPoseandMeshEstimationfromaSingleRGBImage》论文解读

Raywit·2022-11-24 06:40

多尺度特征融合的目标检测算法-论文解读

1.论文声称的创新点论文中的创新点主要体现在网络结构的创新上，作者提出了一种基于SSD多尺度特征融合（Multi-scaleFeatureFusionSingleShotDetector，MFF-SSD）的目标检测模型。将高层特征与低层特征进行融合，并提出了融合模块，实现不同尺度的特征提取。高层特征图对目标的抽象程度更深，包含充分的全局信息，具有较大的感受野和较强的上下文语义信息表征能力，

寂静之地·2022-11-24 05:52

ICML2018(Anomaly Detection)：Deep SVDD-论文解读《Deep One-Class Classification》

文章目录原文地址论文阅读方法初识相知2.RelatedWork3.DeepSVDD4.Experiments回顾代码原文地址http://data.bit.uni-bonn.de/publications/ICML2018.pdf论文阅读方法三遍论文法初识本文主要提出一种全新的异常检测方法：DeepSVDD（DeepSupportVectorDataDescription）用于图像级别的异常检测。

我是大黄同学呀·2022-11-24 05:36

(一)Deep-One-Class-Classification论文解读及代码分析

欢迎访问个人网络日志知行空间Deep-One-Class-Classification论文解读及代码分析背景1.简介2.相关工作2.1基于核的单分类方法2.2深度学习方法在异常检测中的应用3.DeepSVDD3.1

恒友成·2022-11-24 05:35

Transformer+异常检测论文解读

1.OODOODformer:Out-Of-DistributionDetectionTransformer是2021年12月发表在BMVC上的一篇比较新的OOD的论文。顾名思义，OODformer使用Transformer做异常检测。算法流程图如下：OODformer是一种比较简单的算法，和之前的SSD、CSI等OOD方法的思路接近。OOD的主要步骤都如下：训练一个ViT（有监督）。根据ViT提

蓝鲸鱼BlueWhale·2022-11-24 01:47

论文解读PointNet（用于点云处理的深度学习框架）

随着最近几年神经网络在CV、NPL等领域取得重大的成果，因此就有学者希望将神经网络应用于3D任务中。在这篇文章（PointNet:DeepLearningonPointSetsfor3DClassificationandSegmentation）出现之前，一般在3D任务中用的最多的数据格式是3D体素(3Dvoxelgrids)以及多视角投影，因为3D体素数据格式可以直接用过3D卷积处理数据，多视角

Hunter_pcx·2022-11-24 01:34

论文解读ON THE GENERALIZATION MYSTERY IN DEEP LEARNING

该论文研究的是为什么深度网络泛化得很好？作者从梯度下降、稳定性角度进行了分析。得出结论：当不同示例的梯度在训练过程中很好地对齐时，即当它们是相干的时，梯度下降是稳定的，并且期望得到的模型能够很好地泛化。否则，如果示例太少或运行时间太长，则梯度下降可能无法泛化。该论文共有80页，目录如下，后面一部分多是一些数学证明，我将前一部分简单整理了一下，做成了思维导图，思维导图中的文字写在了后面，供大家参考。

甜哥不甜lgg·2022-11-24 01:23

目标检测论文解读复现之十六：基于改进YOLOv5的小目标检测算法

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、摘要针对目标检测中小目标误检、漏检及特征提取能力不足等问题，提出一种基于改进YOLOv5的小目标检测算法。该算法使

人工智能算法研究院·2022-11-24 01:14

目标检测论文解读复现之十五：基于YOLOv5的光学遥感图像舰船目标检测算法

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YOLOv5算法在应用于光学遥感图像舰船目标检测任务时所面临的小目标误检率、漏检率较高的情况，提出一种基于

人工智能算法研究院·2022-11-24 01:11

【论文解读 ICLR 2020 | Jure Leskovec组】Query2box: Reasoning over KGs in Vector Space using Box Embedding

论文题目：Query2box:ReasoningoverKnowledgeGraphsinVectorSpaceusingBoxEmbeddings论文来源：ICLR2020斯坦福大学JureLeskovec组论文链接：https://arxiv.org/abs/2002.05969代码链接：http://snap.stanford.edu/query2box关键词：知识图谱，知识推理，逻辑推理，

byn12345·2022-11-24 01:37

Document-level Event Extraction via Heterogeneous Graph-based Interaction Model with a Tracker论文解读

Document-levelEventExtractionviaHeterogeneousGraph-basedInteractionModelwithaTrackercode：RunxinXu/GIT:SourcecodeforACL-IJCNLP2021Longpaper:Document-levelEventExtractionviaHeterogeneousGraph-basedInter

Trouble..·2022-11-24 00:08

Doc2EDAG An End-to-End Document-level Framework for Chinese Financial Event Extraction论文解读

Doc2EDAG:AnEnd-to-EndDocument-levelFrameworkforChineseFinancialEventExtractionpaper：[1904.07535]Doc2EDAG:AnEnd-to-EndDocument-levelFrameworkforChineseFinancialEventExtraction(arxiv.org)code：dolphin-zs

Trouble..·2022-11-24 00:29

论文解读--CNN based Road User Detection using the 3D Radar Cube

摘要本文提出了一种基于雷达的、单帧、多分类的移动道路用户(行人、自行车、汽车)检测方法，该方法利用低层级雷达立方体数据。该方法提供了雷达目标和对象级别的类信息。用三维雷达立方体的裁剪块在目标位置周围扩展目标特征后，对雷达目标进行单独分类，从而在局部速度分布中捕捉运动部件的运动。针对这一分类步骤，提出了卷积神经网络(CNN)。然后，通过聚类步骤生成目标建议，该聚类步骤不仅考虑了雷达目标的位置和速度，

奔袭的算法工程师·2022-11-23 21:59

论文解读--Raw High-Definition Radar for Multi-Task Learning

图1.我们的RADIal数据集的概述。RADIal包括3个传感器（相机、激光扫描仪、高清雷达），配备GPS和车辆CAN跟踪；25k同步样本为原始格式。(a)摄像头图像，红色投影激光点云，靛蓝色标注雷达点云，橙色标注车辆，绿色标注自由驾驶空间标注；(b)雷达功率谱带边界框标注；鸟视图标注(c)自由驾驶空间标注，橙色边界框标注车辆，靛蓝色标注雷达点云，红色标注激光点云；笛卡尔坐标系(d)范围方位地图叠

奔袭的算法工程师·2022-11-23 21:59

论文解读--K-Radar:4D Radar Object Detection for Autonomous Driving in Various Weather Conditions

摘要与使用可见光波段(384~769THz)的RGB相机和使用红外波段(361~331THz)的激光雷达不同，雷达使用波长相对较长的无线电波段(77~81GHz)，因此在恶劣天气下也能进行可靠的测量。遗憾的是，与现有的相机和激光雷达数据集相比，现有的雷达数据集只包含相对较少的样本。这可能会阻碍基于雷达感知的复杂数据驱动深度学习技术的发展。此外，大多数现有的雷达数据集只提供3D雷达张量(3DRT)数

奔袭的算法工程师·2022-11-23 21:29

论文解读--High Resolution Radar-Based Occupancy Grid Mapping and FreeSpace Detection

摘要高分辨率雷达传感器能够通过每个测量周期检测数千个反射点，非常准确地感知车辆周围的环境。本文提出了一种新的占用网格映射方法，用于对静态环境进行建模。对所有数据点的反射振幅进行补偿、归一化，然后转换为基于预定义的雷达传感器模型的探测概率值。根据测试车辆的运动，计算经过几个测量周期后的后验占用概率，建立占用网格图。随后，该占用网格图被转换为二元网格图，其中包含障碍物的网格单元被定义为已占用。通过连接

奔袭的算法工程师·2022-11-23 21:55

Oriented R-CNN for Object Detection 论文解读

论文基本信息标题：OrientedR-CNNforObjectDetection作者：XingxingXieGongCheng*JiabaoWangXiwenYaoJunweiHan机构：SchoolofAutomation,NorthwesternPloytechnicalUniversity,Xi’an,China来源：ICCV时间：2021链接：https://arxiv.org/abs/2

长歌丶采薇·2022-11-23 21:50

深度学习时代的视频理解综述

深度学习时代的视频理解综述本文为b站@bryanyzhu老师四期视频理解相关论文解读的汇总图文笔记。我们先精读深度学习时代视频理解领域最为重要的两篇论文：双流网络和I3D。

Adenialzz·2022-11-23 20:57

图神经网络相似度计算

陈万君Allen·2022-11-23 19:01

论文解读（AGCN）《 Attention-driven Graph Clustering Network》

Python微信订餐小程序课程视频https://edu.csdn.net/course/detail/36074Python实战量化交易理财系统https://edu.csdn.net/course/detail/35475PaperInformationTitle：《Attention-drivenGraphClusteringNetwork》Authors：ZhihaoPeng,HuiLiu

qq_43479892·2022-11-23 16:47

Deep Convolutional Neural Networks for Image Classification: A Comprehensive Review(论文解读)

这是一篇关于图像处理(分类方向)的卷积神经网络发展的一个综述，聚焦于CNN在图像分类方向的应用，文章分析了：（1）他们早期的成功，（2）他们在深度学习复兴中的角色，（3）选择了象征性的工作成果，以及（4）通过回顾300多种出版物的贡献和挑战所带来的改进。我们还介绍了他们目前的一些趋势和仍存在的挑战。本综述面向那些想要了解CNN技术和体系结构发展的人，从他们的前辈到现代最先进的深度学习系统，特别是对

Enjoy_endless·2022-11-23 15:23

论文解读《Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision》

论文解读《带有交叉伪监督的半监督式语义分割法》论文出处：CVPR2021论文地址：论文地址代码地址：代码地址一摘要：（1）本文通过研究有标签数据和无标签数据，研究了半监督语义分割问题。

渔歌畅晚·2022-11-23 13:08

半监督学习近几年论文解读（分割）

分割部分半监督（更新中.....）一.PseudoSeg:DesigningPseudoLabelsforSemanticSegmentation(ICLR2021)论文地址：https://arxiv.org/abs/2010.09713Code:https://github.com/googleinterns/wss他们对输入的图像X做两次不同的数据增强，一种“弱增强”（randomcrop/

啥也不会就会混·2022-11-23 13:36

VGG论文解读

文章目录摘要1、网络结构一、介绍二、卷积网络的配置1、结构2、配置3、讨论3.1、Dropout详解三、分类框架1、训练2、测试3、实施细节四、分类实验1、单尺度评估2、多尺度评估3、多裁剪评估4、卷积网络融合五、结论实践谈谈自己的理解和总结引用摘要1、网络结构3*3卷积核，将深度推进到16~19层一、介绍本文讨论了ConvNet架构设计的另一个重要方面—深度。修复了架构的其他参数，并通过增加更多

秋天的风儿·2022-11-23 13:58

YoloV2/Yolo9000 论文解读与理解

摘要：YOLO是基于深度学习方法的端到端实时目标检测系统（YOLO：实时快速目标检测）。YOLO的升级版有两种：YOLOv2和YOLO9000。作者采用了一系列的方法优化了YOLO的模型结构，产生了YOLOv2，在快速的同时准确率达到stateoftheart。然后作者采用wordtree的方法，综合ImageNet数据集和COCO数据集训练YOLO9000,使之可以实时识别超过9000种物品。使

程序之巅·2022-11-23 12:42

【论文阅读】PointNet++论文解读以及代码分析（超全）

PointNet系列第一章【论文阅读】PointNet论文解读第二章【论文阅读】PointNet++论文解读以及代码分析（超全）文章目录PointNet系列前言1.PointNet的不足与PointNet

向上的毛毛·2022-11-23 11:40

PointNet++论文解读和代码解析

目录一、论文动机二、论文方法三、网络结构SetAbstraction非均匀采样密度下的鲁棒性学习上采样四、代码阅读论文地址：https://arxiv.org/pdf/1706.02413.pdf代码地址：https://github.com/yanx27/Pointnet_Pointnet2_pytorch一、论文动机1.PointNet只使用了MLP和最大池化，没有能力捕获局部特征，然而局部结

CVplayer111·2022-11-23 11:07

推荐频道

论文解读