论文解读第27页

GhostNet

论文地址文章目录前言一、论文解读1.Ghost卷积设计2.Gbneck残差模块设计3.GhostNet网络架构二、代码实现1.卷积模块2.残差模块实现3.网络实现三、验证模型总结前言Ghostnet提出自己的架构设计思路

炼丹代师·2022-11-21 09:20

SENet论文解读及代码实例

SENet论文解读及代码实例在SENet前的网络是针对卷积空间来做处理的，而SENet考虑了卷积通道上的的权重（明确地建模网络卷积特征通道之间的相互依赖关系），通过训练每个通道权重来抑制无用特征，提高有用特征在分类网络的占比

炼丹代师·2022-11-21 09:49

CBAM论文解读+CBAM-ResNeXt的Pytorch实现

CBAM论文解读+CBAM-ResNeXt的Pytorch实现本文参考了CBAM模块与ResNeXt实现的官方代码，给出代码GitHub地址如下：1.CBAM2.ResNeXt3.CBAM论文地址1.CBAM

炼丹代师·2022-11-21 09:49

Interspeech2022论文解读 | LODR：一种更好、更轻量的语言模型融合新方式

本文介绍清华大学语音处理与机器智能实验室（SpeechProcessingandMachineLearningIntelligence,SPMI）与美团的联合工作：为端到端ASR（AutomaticSpeechRecognition）提出一种性能更好、解码更轻量的语言模型融合方式——LODR。该工作已被语音领域的国际会议Interspeech2022接收，论文的作者是郑华焕、安柯宇、欧智坚、黄辰、

语音之家·2022-11-21 06:29

论文解读：深度监督网络（Deeply-Supervised Nets）

所谓深监督(DeepSupervision)，就是在深度神经网络的某些中间隐藏层加了一个辅助的分类器作为一种网络分支来对主干网络进行监督的技巧，用来解决深度神经网络训练梯度消失和收敛速度过慢等问题。深监督作为一个训练trick在2014年就已经通过DSN(Deeply-SupervisedNets)提出来了。具体参见DSN论文。DSN的一个缺点在于使用的网络结构不够深，且辅助的分类器为传统的SVM

紫芝·2022-11-21 03:20

华为诺亚方舟加拿大实验室提出BANet，双向视觉注意力机制用于单目相机深度估计

该论文解读首发于“AI算法修炼营”。这是一篇将双向注意力机制用于弹幕深度估计的工作。主要的创新点在视

认知智能·2022-11-21 01:22

SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS论文解读

SESSION-BASEDRECOMMENDATIONSWITHRECURRENTNEURALNETWORKSICLR2016首先介绍下session-based的概念：session是服务器端用来记录识别用户的一种机制.典型的场景比如购物车，服务端为特定的对象创建了特定的Session，用于标识这个对象，并且跟踪用户的浏览点击行为。我们这里可以将其理解为具有时序关系的一些记录序列。一、写作动机传

SCS199411·2022-11-20 23:57

NeRF神经辐射场学习笔记（三）——Point-NeRF论文解读

NeRF神经辐射场学习笔记（三）——Point-NeRF论文解读声明论文概述Point-NeRFRepresentation传统NeRF的体素渲染和辐射场方法基于Point的辐射场方法1.逐点处理（Per-pointprocessing

右边的口袋·2022-11-20 21:59

【论文阅读】[ICCV 2019] Point-Based Multi-View Stereo Network. [pytorch] [rec.]

Point-BasedMulti-ViewStereoNetworkPoint-MVSNetarchitecturePointFlowmodule4.2.Implementationdetails实验效果写在前面基于深度学习的三维重建——MVSNet系列论文解读

I"ll carry you·2022-11-20 21:28

Document-Level Event Role Filler Extraction using Multi-Granularity Contextualized Encoding论文解读

Document-LevelEventRoleFillerExtractionusingMulti-GranularityContextualizedEncoding基于多粒度上下文编码的文档级事件角色填充提取paper：Document-LevelEventRoleFillerExtractionusingMulti-GranularityContextualizedEncoding(aclan

Trouble..·2022-11-20 20:17

RAAT: Relation-Augmented Attention Transformer for Relation Modeling in Document-Level论文解读

RAAT:Relation-AugmentedAttentionTransformerforRelationModelinginDocument-LevelEventExtractioncode：RAATpaper：paper期刊/会议：NAACL2022摘要在文档级事件提取（DEE）任务中，事件论元总是分散在句子之间（跨句子问题），多个事件可能位于一个文档中（多事件问题）。在本文中，我们认为事件

Trouble..·2022-11-20 20:17

CVPR2021目标检测和语义分割论文分类汇总 | 源码 |

Tom Hardy·2022-11-20 19:50

CycleGAN(循环生成对抗网络)论文解读

图像到图像的转换的目标是使用配准的图像对训练集来学习输入图像和输出图像之间的映射，而CycleGAN中使用的方法是缺少配对训练集的情况下进行图像转换传统的图像转换如上图左，训练集是配对的x,y图像{xi,yi}；本文的方法如上图右，训练集是源域{xi},目标域{yi}，但二者之间未给定配对关系X,Y是两个图像集合，G是X->Y的映射F是Y->X的映射G(X)=YF(Y)=XCycleGAN的目标就

几度热忱·2022-11-20 17:37

【论文解读】Recommending Knowledge Concepts on MOOC Platforms with Meta-path-based Representation Learning

林若漫空·2022-11-20 16:28

【论文解读|AAAI2021】HGSL - Heterogeneous Graph Structure Learning for Graph Neural Networks 图神经网络的异构图结构学习

林若漫空·2022-11-20 16:57

【论文解读】A Simple Meta-path-free Framework for Heterogeneous Network Embedding

林若漫空·2022-11-20 16:57

【论文解读|KDD2021】HeCo - Self-supervised Heterogeneous Graph Neural Network with Co-contrastive Learning

对比学习基于对比学习的自监督异构图神经网络文章目录摘要1引言2相关工作4HeCo模型4.1节点特征转化4.2网络模式视图编码器4.3元路径视图4.4视图掩码机制4.5协同对比优化5实验6结论摘要异构图神经网络(HGNNs)作为一种新兴技术，在处理异构信息网络(HIN)方面表现出了卓越的能力。然而，大多数HGNN遵循半监督学习方式，这明显限制了它们在现实中的广泛使用，因为在实际应用中标签通常很少。近

林若漫空·2022-11-20 16:27

【论文解读】YouTube采样修正的双塔模型论文精读

「本文概览」《Sampling-Bias-CorrectedNeuralModelingforLargeCorpusItemRecommendations》是谷歌在2019年的RecSys上发表的一篇非常具有工业风的论文，介绍了在大规模推荐系统中使用双塔模型来做召回的一些经验，值得细细品读。1.这篇文章要解决什么问题？大规模推荐系统一般分为两个阶段，即召回和排序阶段。本文的重点就在于为一个有百万量

风度78·2022-11-20 13:25

长时间预测模型DLiner、NLiner模型（论文解读）

前言今年发布8月份发布的一篇有关长时间序列预测（SOTA）的文章，DLiner、NLine在常用9大数据集（包括ETTh1、ETTh2、ETTm1、ETTm2、Traffic等）上MSE最低，模型单变量、多变量实验数据：在计算资源与效率上，DLiner模型时间复杂度为O(L)，且模型非常小巧，下面为其他Transformer时间预测模型计算资源与效率：论文下载：AreTransformersEff

羽星_s·2022-11-20 13:05

论文浏览(31) AR-Net: Adaptive Frame Resolution for Efficient Action Recognition

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&有什么可以借鉴0.前言相关资料：arxivgithub，项目网页论文解读论文基本信息领域：行为识别作者单位：IBM发表时间

清欢守护者·2022-11-20 12:49

模型剪枝大瘦身代码实战案例

陈万君Allen·2022-11-20 10:33

模型剪枝经典论文解读：《Learning Efficient Convolutional Networks through Network Slimming》

LearningEfficientConvolutionalNetworksthroughNetworkSlimming摘要：CNN在落地中的部署，很大程度上受到其高计算成本的限制。在本文中，作者提出一种新的CNN学习方案：1）减少模型大小；2）减少模型运算内存的占用；3）在不影响准确性的同时，减少计算操作的次数。本文提出一种简单高效的方法，具体通过网络通道的稀疏化来实现的。该方法非常适用于CNN

pogg_·2022-11-20 10:29

mobilenet系列论文解读：从v1-v3

一文看遍mobilenet，毫无疑问，移动端的轻量级网络中mobienet肯定是首当其冲，从v1-v3，有着相当的提升和改进，但究其核心，最主要的还是引入了深度可分离卷积的计算，确实很有代表性，不过在v3中引入了NAS，这就比较玄学了，v3我没有直接复现过，只玩过基于它实现的目标检测网络，v3的yolov3我记得可以在voc上做到74%左右，效果挺好的，v1和v2的目标检测网络，比如mobilen

lovep1·2022-11-20 08:13

公众号内容拓展学习笔记（2022.5.31）

公众号内容拓展学习笔记（2022.5.31）今日要点2022年人体姿态估计SOTA方案ViTPose论文解读⭐️⭐️Abstract:2022年人体姿态估计SOTA方案ViTPose论文解读Paper:

CV_七少·2022-11-20 08:49

论文解读《Deep learning: new computational modelling techniques for genomics》

期刊名：NatureReviewsGeneticsGENETICS&HEREDITY遗传学期刊名：NATUREREVIEWSGENETICS期刊名缩写：NATREVGENET国际刊号：1471-0056出版国家或地区：ENGLAND大类学科及分区：生物1区是否TOP期刊：是小类学科及分区：DOI：10.1038/s41576-019-0122-6代码链接：无文章链接：Sci-Hub|Deeplea

YZT8848·2022-11-20 08:36

从零搭建Pytorch模型教程（三）搭建Transformer网络

本文来自公众号CV技术指南的技术总结系列欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。

CV技术指南(公众号)·2022-11-20 07:02

数据增强论文解读：Random Erasing Data Augmentation

文章目录前言一、Introduction二、RelatedWork三、数据集四、算法五、实验六、代码前言文章来源：TheThirty-FourthAAAIConferenceonArtificialIntelligence(AAAI-20)给了代码，包含在两个数据集上的代码一、Introduction论文为CNN训练提出了一种新的数据增强方法：RandomErasing具体方法：（1）在一张图片中

winnerziqi·2022-11-20 06:11

论文解读：多层肽 - 蛋白质相互作用预测的深度学习框架

Title:Adeep-learningframeworkformulti-levelpeptide–proteininteractionprediction期刊：naturecommunications分区：Q11.摘要肽-蛋白质相互作用参与了各种基本细胞功能，它们的鉴定对于设计有效的肽疗法至关重要。最近，已经开发了许多计算方法来预测肽-蛋白质相互作用。但是，大多数现有的预测方法在很大程度上取决

YZT8848·2022-11-20 03:17

Deep drug-target binding affinity prediction with multiple attention blocks论文解读（二）2021SC@SDUSC

2021SC@SDUSC数据集然后是对基准数据集的介绍，KIBA和DAVIS使用CI和r2m度量标准来衡量所提出的模型和基准模型的性能。对于Davis和KIBA数据集中蛋白质和药物的输入，我们采用了DeepDTA方法，通过字典将药物和蛋白质序列的smile数字化到一个固定的最大长度。deepDTAdeepDTA论文笔记：csdn：https://blog.csdn.net/qq_40311018/

芜湖大司码丶·2022-11-20 03:04

Deep drug-target binding affinity prediction with multiple attention blocks论文解读（一）2021SC@SDUSC

2021SC@SDUSC论文解读：摘要：DTI预测背景：药物靶间相互作用(DTI)预测由于其在药物发现过程中的重要地位而受到越来越多的关注。

芜湖大司码丶·2022-11-20 03:34

Efficient Decision-based Black-box Adversarial Attacks on Face Recognition论文解读

近年来，人脸识别取得了飞速的发展，广泛应用于各种场景，但现实中，系统遭到攻击往往是不确定性的，如何增加系统的对抗性，提高鲁棒性是研究的重点。当前，对抗性攻击可以针对深度神经网络模型的“弱点”进行优化，提高鲁棒性。只是目前被熟知的大多是白盒攻击，真正接近现实场景的黑盒攻击鲜被关注。EfficientDecision-basedBlack-boxAdversarialAttacksonFaceReco

AlbertHUBU·2022-11-20 01:07

语义分割系列论文解读与实践

先挖个坑,最近看了挺多backbone、语义分割系列文章,看的太多也没啥记录,都是看完马上就放到代码里去跑了但是我想还是要有些记录,不然很多东西看了就忘,逐渐会忘记之前的一些历程,这是很可怕的接下来会在这个专栏里面分析一下各篇经典论文里的闪光点,以及从发展的角度、实用的角度,探讨如何搭建出高效的实际业务模型分割任务的准确描述(单幅静态图像分割还是实时动态分割模式,模型最终跑在服务端、桌面端、手机端

�Sintol·D·Kevin·2022-11-20 00:48

基于正交投影的实时三维人体姿态估计

王亦洲课题组ECCV2022入选论文解读：基于正交投影的实时三维人体姿态估计本文是对发表于计算机视觉领域顶级会议ECCV2022的论文FasterVoxelPose:Real-time3DHumanPoseEstimationbyOrthographicProjection

Vertira·2022-11-20 00:17

多元时间序列预测之（一）DA-RNN模型

文章目录前言DA-RNN论文解读1.问题定义2.模型解读2.1输入注意力机制2.2编码器2.3时间注意力层2.4解码器前言多元时间序列预测，又称多变量时间预测，指对一个系统中存在的多个时间依赖变量的研究

RicardoOzZ·2022-11-19 23:56

文档级关系抽取《A sequence-to-sequence approach for document-level relation extraction》论文解读

概述该文章阐述了一种用于文档级关系抽取的方法，文章第一作者JohnGiorgi所在机构为多伦多大学的特伦斯·唐纳利细胞与生物分子研究中心以及向量人工智能研究所，该篇文章发表与2022年ACL（自然语言处理方向的顶级会议）。摘要关系抽取中，许多关系会跨越句子边界，受这一事实的影响，文档级关系提取(DocRE)越来越受到关注。DocRE需要在句子内部和句子之间进行整合，捕捉实体提及之间的复杂交互。大多

新叶^转角·2022-11-19 22:46

【论文解读】A Frustratingly Easy Approach for Entity and Relation Extraction

Abstract对于实体识别和关系抽取的联合任务，大多数使用结构化预测模型或共享参数。而作者使用一个简单的流水线模型实现。方法使用两个独立的编码器，关系抽取的输入仅仅是实体识别的结果。通过实验，验证了学习实体和关系的不同上下文表示、融合关系模型中的实体信息和整合全局上下文的重要性。（也就是说在关系模型中加入实体信息的重要性）最后，提出了一个有效的近似方法，它只需要在推理时通过实体和关系编码器，实现

shun-ripking·2022-11-19 22:45

DM-GAN: Dynamic Memory Generative Adversarial Networks for Text-to-Image Synthesis 论文解读

这是一篇CVPR2019的一篇文章，思想简单，但是实验结果是真的简单，服！服！服！！！（但是我为什么想不到呢？我太菜）。文章中介绍了很多模块，也介绍了文章idea的来源，为此我还看了相关的MemoryNetworks及各种变形（对理解本篇DM-GAN其实用处不大，但是这些论文挺好的，推荐一看。）论文:https://arxiv.org/abs/1904.01310?context=cs.GitHu

迷途的CH·2022-11-19 22:12

Cascade EF-GAN: Progressive Facial Expression Editing with Local Focuses 论文解读

题目：CascadeEF-GAN：局部聚焦渐进式面部表情编辑时间：2020.3作者：RongliangWu,GongjieZhang,ShijianLu,andTaoChenCVPR2020Abstract目前面部表情编辑存在的问题：生成性对抗网络（GAN）的最新进展表明，面部表情编辑有了显著的改进。然而，当前的方法仍然容易在表达密集型区域周围产生伪影和模糊，并且在处理大间隙表达转换（例如从愤怒到

我是喵喵酱·2022-11-19 22:36

论文解读 | [ICCV2021] 用于任意形状文本检测的自适应边界建议网络

目录一、研究背景二、研究的目的三、方法设计3.1多层特征融合策略3.2边界建议模块3.3自适应边界变形模块一、研究背景场景文本检测已广泛应用于在线教育、产品搜索、视频场景解析等领域。得益于深度学习技术，文本检测方法在文本为规则形状的图像上取得了很大的进展。近年来，因为任意形状文本检测能很好地适应实际应用，所以受到越来越多的关注。基于分割的方法引发了一波任意形状文本检测的浪潮，这一类方法通过像素级预

别偷我的猪_09·2022-11-19 21:20

OFT论文解读

OFT是2018年的一篇单目3D检测的文章《OrthographicFeatureTransformforMonocular3DObjectDetection》文章引入正交法特征变换，通过将基于图像的特征映射到正交法三维空间，实现了对图像域的转义，能够在一个尺度一致、物体之间的距离有意义的领域中对场景的空间配置进行整体推理。文章链接：OrthographicFeatureTransformforM

思绪零乱成海·2022-11-19 20:16

论文解读：Fully Convolutional Networks for Semantic Segmentation

要点1.构建一个全卷积网络，首个支持端到端像素级训练的网络，网络的输入为任意尺寸，输出为等大图像。2.在空间密集型预测任务中解释了其应用。3.定义跳接结构，结合深层的语义信息和浅层的表征信息产生精准的分割结果读引言研究背景卷积神经网络已经有力推动了识别任务进展，在图像整体分类、结构化输出局部任务取得了明显进展。下一步自然是想获得产生细致的预测，即对每个像素点进行预测。先前的工作都是对封闭对

FireWood_S·2022-11-19 19:18

Fully Convolutional Networks for Semantic Segmentation----2014CVPR FCN论文解读

FullyConvolutionalNetworksforSemanticSegmentation----2014CVPR论文解读Abstract卷积网络在特征分层领域是非常强大的视觉模型。

灯会_hust·2022-11-19 19:47

Fully Convolutional Networks for Semantic Segmentation ————全卷积网络 FCN论文解读

FullyConvolutionalNetworksforSemanticSegmentation作者：JonathanLong,EvanShelhamer,TrevorDarrell;出处：ProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition(CVPR),2015,pp.3431-3440Abstract卷积网络是

貂个小小孩解解蝉·2022-11-19 19:07

Label Decoupling Framework for Salient Object Detection 论文解读

该论文发表于CVPR2020。论文链接：https://openaccess.thecvf.com/content_CVPR_2020/papers/Wei_Label_Decoupling_Framework_for_Salient_Object_Detection_CVPR_2020_paper.pdf项目地址：https://github.com/weijun88/LDF文章目录待解决的问题

爱coco-爱科研·2022-11-19 17:23

CVPR2020论文分方向整理之检测篇_3D目标检测（代码/论文解读/136篇打包下载）

CVPR2020论文分方向整理之检测篇（代码/论文解读/136篇打包下载）本周三，CVPR官方正式开放下载，极市第一时间将所有论文（共1467篇）进行了下载打包，详情见此处。

baidu_huihui·2022-11-19 17:02

《OpenCalib: A Multi-sensor Calibration Toolbox for Autonomous Driving》论文解读

OpenCalib是上海AI实验室开发的一款开源的自动驾驶传感器标定工具箱，其中包含了这一领域的一整套自动驾驶相关标定方法。传感器的精确标定是自主车辆多传感器感知与定位系统的前提条件。传感器的内参数标定是获取传感器内部的映射关系，外参数标定是将两个或多个传感器转换为一个统一的空间坐标系。大多数传感器在安装后都需要进行标定，以保证传感器测量的准确性。为此，我们提出了OpenCalib，一个包含丰富的

Naturalent·2022-11-19 16:09

细粒度分类：DBTNet（Deep Bilinear Transform）（一）论文解读

文章目录前言一、参考论文二、论文解读摘要1.简介2.相关工作3.DeepBilinearTransform3.1SemanticGroupingLayer语义分组层3.2GroupBilinearLayer

Robust Da·2022-11-19 14:12

【论文解读】BERT和ALBERT

文章目录1.前言2.BERT2.1引入2.2以前的工作2.2.1feature-based方法2.2.2fine-tuning方法2.2.3迁移学习方法2.3BERT架构2.3.1MLM2.3.2NSP2.4实验2.4.1BERT模型的效果2.4.2验证性实验3.ALBERT3.1引入3.2相关工作3.2.1cross-layerparametersharing（交叉层的参数共享）3.2.2sen

洛克-李·2022-11-19 13:37

论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（二）2021SC@SDUSC

论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（二）2021SC@SDUSCDrug–targetaffinitypredictionusinggraphneuralnetworkandcontactmaps

芜湖大司码丶·2022-11-19 12:20

论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（一）2021SC@SDUSC

2021SC@SDUSC论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（一）Drug–targetaffinitypredictionusinggraphneuralnetworkandcontactmaps

芜湖大司码丶·2022-11-19 12:19

推荐频道

论文解读