论文解读第29页

【论文解读--力控电机+四足机器人载体设计】（Cheetah mini）A Low Cost Modular Actuator for Dynamic Robots

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、电机执行器类型1.力控电动电机执行器2.液压执行机构3.系列弹性执行机构三、执行电机设计1.模块化2.电控性能要求3.机械设计1、转子和定子2、壳体和行星齿轮箱3、冲击设计分析4、轴承载荷选型4.电机控制硬件1、三相逆变器3、逻辑电源、栅极驱动、电流传感和微控制器4、

盒子君~·2022-11-07 12:13

知识蒸馏学习笔记--Structured Knowledge Distillation for Semantic Segmentation

StructuredKnowledgeDistillationforSemanticSegmentation论文地址：https://arxiv.org/pdf/1903.04197.pdf我发现的第一篇语义分割使用知识蒸馏方法的论文，太强了~~本文内容是参考网上论文解读和原论文而成

梦坠凡尘·2022-11-07 08:12

姿态估计 - Deep High-Resolution Representation Learning for Human Pose Estimation

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论文解读（写得很好，值得看）本文中截图来自论文或上面这篇博客论文基本信息领域

清欢守护者·2022-11-05 15:13

知识蒸馏-【初识】

spm_id_from=333.788&vd_source=b978c891c9fe5aca965ea7a3b9a8063d论文下载：DistillingtheKnowledgeinaNeuralNetwork论文解读知识蒸馏即通过一个精度比较高即知识储备比较

dear_queen·2022-11-03 18:41

ACL2021 | 知识对比：基于外部知识的图神经虚假新闻检测

论文解读者：北邮GAMMALab博士生杨天持题目：知识对比：基于外部知识的图神经虚假新闻检测会议：ACL2021论文代码：https://github.com/BUPT-GAMMA/CompareNet_FakeNewsDetection

zenRRan·2022-11-03 09:00

三维目标检测---PartA2论文解读

代码链接paper链接个人博客问题不同于二维目标检测，三维目标检测中的基准框包含着大量的信息，其能够很自然的提供前景点的标记，甚至提供位于基准框中各个点的内部相对位置。而这些信息对于三维目标检测是非常重要的。三维目标网络的内部相对位置包含了三维基准框内点的分布，这类信息能够很轻易的从点云数据中获得，且包含大量的信息，但是之前从来没有三维边界网络使用这些信息。基于这个观察，本文作者提出了Part-A

twn29004·2022-11-01 16:46

【三维目标检测】---3D IoU Net论文解读，预测IoU

代码链接paper链接个人博客问题本文首先说明了一个问题就是NMS是一个非常重要的去除预测结果中重复的后处理过程。一些工作已经发现在NMS中使用IOU来作为排序的标准能够取得更好的效果。这里作者还用一个实验证明了上述说法的正确性。上表中的GroundtruthIoU表示的是通过计算预测的边界框与基准值之间的IoU作为NMS中的分数的标准。从上表的结果可以看出，在使用IoU来知道NMS之后，模型的精

twn29004·2022-11-01 16:46

PSPNet: Pyramid Scene Parsing Network论文解读

PyramidSceneParsingNetwork论文解读代码链接：https://github.com/Lextal/pspnet-pytorch摘要：通过金字塔池模块和所提出的金字塔场景解析网络(

向上的阿鹏·2022-11-01 11:01

Pyramid Scene Parsing Network论文解读

PyramidSceneParsingNetwork链接https://hszhao.github.io/projects/pspnet/一.提出理由为了解决常用的FCN进行图像解析、语义分割时的经常出现问题，而提出本文1.错误匹配：上下文信息要一致。比如将水里的船错分为车，而水里出现的更可能是船，并且如果分辨出图片里还有一个船屋就更不容易分错了；飞机更可能在跑道上或者飞在天上，而不是在道路上。2

Epiphany about paper·2022-11-01 11:23

【AI】高光谱图像分类 — HybridSN模型

文章目录前言实验目的论文地址一、论文解读1、这篇论文说了啥？

李清焰·2022-10-31 18:41

计算机视觉入门路线

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。本文主要介绍计算机视觉从入门到具备自主学习能力的一个学习路线。

CV技术指南(公众号)·2022-10-30 07:30

7-YOLOv1-v5论文解读

一，YOLOv1Abstract1.Introduction2.UnifiedDetectron2.1.NetworkDesign2.2Training2.4.Inferences4.1ComparisontoOtherReal-TimeSystems5，代码实现思考二，YOLOv2摘要YOLOv2的改进1，中心坐标位置预测的改进2，1个gird只能对应一个目标的改进3，backbone的改进4，

嵌入式视觉·2022-10-29 09:03

YOLOV7详细解读（二）论文解读

YOLOV7详细解读（二）论文解读论文解读YOLOV7详细解读（二）论文解读前言一、YOLOV7是什么？

楚楚小甜心·2022-10-28 07:50

ICCV2021 | SOTR:使用transformer分割物体

本文来自公众号CV技术指南的论文分享系列关注公众号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。论文：SOTR:Se

CV技术指南(公众号)·2022-10-27 11:21

Yolo系列论文解读

TableofContents前言论文基本信息论文出发点和思路算法基本流程具体实验分析YOLOv1个人总结改进-YOLOv2出发点改进方案改进结果改进-YOLOv3出发点改进方案改进结果前言YOLO作为最早的One-stage算法框架，实现了保持较好性能的前提下保证了模型较快的速度和轻便的性能。从Yolov1->Yolov3，三个版本的迭代也可以很好地观察作者进行性能提升的思路和方法。论文基本信息

sunny0660·2022-10-27 09:16

论文解读：跨模态/多光谱/多模态检测 Cross-Modality Fusion Transformer for Multispectral Object Detection

（可见图像和热成像）右侧的热图像可以在光照不足的情况下捕捉到更清晰的行人轮廓。此外，热图像还捕捉到被柱子遮挡的行人。在光线充足的白天，视觉图像比热图像具有更多的细节，例如边缘、纹理和颜色。有了这些细节，我们可以很容易地找到隐藏在机动三轮车中的司机，而这在热图像中是很难找到的。1.瓶颈问题：现实世界中环境是不断变化的，比如雨天，雾天，晴天，阴天等等，算法很难在仅仅用可见传感器数据（如相机拍下来的图像

pontoon·2022-10-26 07:23

【论文解读】TPH-YOLOv5: Improved YOLOv5 Based on Transformer Prediction Head for Object Detection on Drone

Abstract存在问题由于无人机会在不同的高度飞行，物体的尺度变化剧烈，这给网络的优化带来了负担。高速和低空飞行对排列密集的物体带来了运动模糊，这对物体的区分带来了巨大挑战。文章提出的解决方法增加一个检测头来检测不同规模的对象用TransformerPredictionHeads来替代原先的检测头用CBAM来寻找具有密集对象的场景中的注意区域除了以上三点，还使用了一些常用的tricks。例如：数

是王同学呀·2022-10-25 07:12

TPH-yolov5论文解读

注：个人愚见，有问题欢迎批评指针。论文：《TPH-YOLOv5:ImprovedYOLOv5BasedonTransformerPredictionHeadforObjectDetectiononDrone-capturedScenarios》ICCV2021OpenAccessRepository代码：GitHub-TfeiSong/tph-yolov5:CBAM-TPH-biFPN-yolov

易大飞·2022-10-25 07:36

2022KDD论文解读：深度学习订单出餐时间概率预测

美团配送2022KDD论文：ApplyingDeepLearningBasedProbabilisticForecastingtoFoodPreparationTimeforOn-DemandDeliveryService概要在即时配送系统中，准确预估订单的商家出餐时间对用户和骑手体验都非常有价值。该问题主要有两个技术挑战，即样本标签不完整（部分订单只有出餐时间的大致范围）和数据不确定性大，常规的

·2022-10-23 11:33

Frustratingly Simple Few-Shot Object Detection论文解读

文章目录FrustratinglySimpleFew-ShotObjectDetection介绍模型框架实验实现细节BenchmarksPASCALVOC数据集结果COCO数据集结果LVIS数据集通用的小样本目标检测基准新基准下的结果消融实验分类器的初始化余弦相似度的缩放因子FrustratinglySimpleFew-ShotObjectDetection摘要：小样本检测还很新，作者通过预训练-

海南1506·2022-10-23 07:58

GRAF论文解读

标题：GRAF:GenerativeRadianceFieldsfor3D-AwareImageSynthesis代码：https://github.com/autonomousvision/graf文章：https://arxiv.org/pdf/2007.02442回顾NeRF：我们学过NeRF后知道，需要准备多张从不同角度拍摄的同场景静态2D图像，还需要各个像素点的位置（x，y，z）和方位视

remenber先生·2022-10-23 07:39

YOLOX详细解读（一）论文解读

YOLOX论文解读0.摘要1.介绍2.YOLOX2.1YOLOX-DarkNet53实现细节：YOLOV3baseline：目标检测中的解耦头：强数据增强：Anchor-free：Multipositives

楚楚小甜心·2022-10-21 07:55

DeformableDetr论文简介+mmdet源码解读

文章目录前言一、论文解读1.1.研究问题1.2.可形变注意力模块1.3.拓展到多层特征图二、mmdet源码讲解2.1.图像特征提取2.2.生成mask和位置编码2.3.送入Transformer2.3.1

武乐乐~·2022-10-17 12:04

Hive的表操作3

陈万君Allen·2022-10-17 11:54

【Transformer论文解读】TRAR: Routing the Attention Spans in Transformer for Visual Question Answering

TRAR:RoutingtheAttentionSpansinTransformerforVisualQuestionAnswering一、BackgroundWithitssuperiorglobaldependencymodelingcapabilities,Transformeranditsvariantshavebecometheprimarystructureformanyvisuala

SiranTang·2022-10-14 07:26

并联四足机器人项目开源教程（五） --- 四足机器人相关书籍&论文研读

学习建议自从MIT开源了Cheetah项目，网上出现了很多的论文解读，相关开源项目，也有很多人在原论文的基础上，对某个算法进行改进

煜个头头·2022-10-13 09:36

RePaint: Inpainting using Denoising Diffusion Probabilistic Models 论文解读和感想

在22年CVPR中，DDPM生成范式终于是对imageinpainting任务下手了，本文作为第一个使用DDPM方法进行imageinpainting的文章，其题目也是平平无穷（褒义）。出发点首先本文对imageinpainting任务又挖了一个新坑：作者提出，以往的imageinpainting方法可以表示为xc=G(x⊙(1−m),m)x_c=G(x\odot(1-m),m)xc=G(x⊙(1

涑月听枫·2022-10-13 07:29

PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space论文解读

PointNet++核心问题：点云的分类/语义分割1、网络构成PointNet提取特征的方式是对所有点云数据提取了一个全局的特征（见上图），显然，这和目前流行的CNN逐层提取局部特征的方式不一样。受到CNN的启发，作者提出了PointNet++，它能够在不同尺度提取局部特征，通过多层网络结构得到深层特征。PointNet++由以下几个关键部分构成：1.1采样层（sampling）激光雷达单帧的数据

~华仔呀·2022-10-13 07:57

【目标检测论文泛读】-----FPN------(Feature Pyramid Networks for Object Detection)

模型提出的背景前人做的工作各种金字塔模型作者提出的改进方法FPN模型：Bottom-upTop-downLateralConnectionFPN应用在FasterR-CNN上小总结R-CNN系列推演：R-CNN论文解读

深度不学习！！·2022-10-12 22:32

2022KDD论文解读：一种基于动态时空图的取货配送路径预测模型Graph2Route

Graph2Route:ADynamicSpatial-TemporalGraphNeuralNetworkforPick-upandDeliveryRoutePrediction前文（2021KDD论文解读

·2022-10-11 15:11

2021KDD论文解读：外卖配送服务中路径规划与时间预测的深度学习方法

美团配送2021KDD论文：ADeepLearningMethodforRouteandTimePredictioninFoodDeliveryService背景配送系统存在一些关键预测环节。ETA：用户下单前，系统会给用户一个承诺的预计送达时间（ETA）；ETR：订单（A）分配到具体的骑手之后，在用户侧APP端可以看到骑手位置，以及更加准确、实时变化的预计送达时间（ETR）；预计配送顺序：在后续

·2022-10-03 12:33

CVPR2016(classification)：ResNet-论文解读与复现《Deep Residual Learning for Image Recognition》

文章目录原文地址论文阅读方法初识（Abstract&Introduction&Conclusion）相知（Body）2.RelatedWork3.DeepResidualLearning3.1ResidualLearning3.2IdentityMappingbyShortcut3.3NetworkArchitecture3.4Implementation4.Experiments4.1Image

我是大黄同学呀·2022-10-03 07:47

论文解读-SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient

本文是上海交通大学张伟楠教授发表的一篇关于使用基于策略梯度的GAN来生成轨迹的文章，文章称作为一种训练产生式模型的新方法，产生式对抗性网络(GAN)利用判别模型指导产生式模型的训练，在生成实值数据方面取得了相当大的成功。然而，GAN在生成实值数据方面也存在不少的问题，例如1）产生式模型的离散输出使得从判别模型到产生式模型的梯度更新很难通过。2）判别模型只能评估完整的序列，而对于部分生成的序列，一旦

cxp_001·2022-09-27 09:21

《generative adversarial nets》的解读以及实现

一论文解读1.1论文基本信息《GenerativeAdversarialNets》是IanJ.Goodfellow发表在NIPS2014上的一篇论文，也是GANs的开山之作。

勤奋的ls丶·2022-09-27 09:47

ICLR 2022最佳论文解读

微信公众号“圆圆的算法笔记”，持续更新NLP、CV、搜推广干货笔记和业内前沿工作解读~后台回复“交流”加入“圆圆的算法笔记”交流群；回复“时间序列“、”多模态“、”迁移学习“、”NLP“、”图学习“、”表示学习“、”元学习“等获取各个领域干货算法笔记~今天给大家介绍ICLR2022最佳论文PICO:CONTRASTIVELABELDISAMBIGUATIONFORPARTIALLABELLEARN

fareise·2022-09-25 19:20

入门卷积神经网络必备，基础、理论、实战一网打尽！

目录前言教程安排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6、目标检测领域相关技术群前言其实，挺早之前就有更新有关于卷积神经网络文章的想法，这些时间里，因为一些事情，更新进度确实慢了一些

水亦心·2022-09-25 18:39

历年数学建模大赛优秀论文解读

一、自动化车床管理模型1、变分法2、韦布尔分布韦布尔分布，即韦伯分布（Weibulldistribution），又称韦氏分布或威布尔分布，是可靠性分析和寿命检验的理论基础。威布尔分布在可靠性工程中被广泛应用，尤其适用于机电类产品的磨损累计失效的分布形式。由于它可以利用概率值很容易地推断出它的分布参数，被广泛应用于各种寿命试验的数据处理。从概率论和统计学角度看，WeibullDistribution

我辈当自强·2022-09-25 01:03

ECCV2018论文，以及相关比赛地址

贝猫说python·2022-09-24 18:31

终极盘点：计算机视觉资源汇总：CVPR、ECCV、ICCV、ECCV、AAAI、ICML等顶会论文汇总解读 / 代码下载（1987-2020）、技术视频、数据集等

CVPR2020最全整理：论文分类/汇总/下载/代码/项目/论文解读CVPR2019|论文分类汇总/下载/代码/项目/论文解读CVPR2018论文解读集锦CVPR2017论文解读集锦2000-20

极市平台·2022-09-24 18:28

Deformable ConvNets--Part4: Deformable Convolutional Networks

转自：https://blog.csdn.net/u011974639/article/details/79704043关于DeformableConvolutionalNetworks的论文解读，共分为

weixin_34253539·2022-09-22 21:39

【3D点云】弱监督点云分割（论文解读 CVPR2020）

文章目录一、摘要1.Introduction2.四点贡献二、相关工作1.不完全(半监督)学习2.不准确注释3.点云分析三、方法论1.点云编码网络（encoder）2.不完整的监督分支3.不精确的监督分支4.孪生自监督5.空间和颜色平滑度约束6.训练四、实验总结题目：WeaklySupervisedSemanticPointCloudSegmentation:Towards10×FewerLabel

杀生丸变大叔了·2022-09-20 20:35

CLIP，GLIP论文解读，清晰明了

CLIP：ContrastiveLanguage-ImagePre-training论文名称：LearningTransferableVisualModelsFromNaturalLanguageSupervision原论文地址：https://arxiv.org/abs/2103.00020GLIP论文名称：GroundedLanguage-ImagePre-training原论文地址：http

思艺妄为·2022-09-16 07:43

《GhostNet: More Features from Cheap Operations》论文解读

一、提出背景因为嵌入式设备有限的内存和计算资源，在其上部署神经网络很困难，所以要降低神经网络的大小和计算资源的占用。常见的方法有模型剪枝(pruning)，量化(quantization)和蒸馏(distillation)。常规的CNN网络提取到的特征图有很多冗余信息，如下图，扳手连接的两个位置的特征图类似。二、算法原理1.Ghostmodule常规的卷积公式：，其中是卷积操作，是输出的特征图，h

zhuikefeng·2022-09-15 14:32

DeepLabv3:Rethinking Atrous Convolution for Semantic Image Segmentation论文解读

Introduction这篇文章是DeepLab系列文章的第三篇，也可以说是DeepLabv3.这篇文章主要是对DeepLab系列的不断改进，在介绍这篇文章之前，我们先来看一下DeepLab系列论文的大致内容。DilatedConvolutionDilatedConvolution，也可以叫做空洞卷积，最早在文章Multi-ScaleContextAggregationbyDilatedConvo

心态已炸_沉迷学习·2022-09-15 13:14

CVPR2017(Segmentation)：DeepLabV3-论文解读《Rethinking Atrous Convolution for Semantic Image Segmentation》

文章目录原文地址论文阅读方法初识（Abstract&Introduction&Conclusion）相知（Body）2.RelatedWork3.Methods3.1.AtrousConvolutionforDenseFeatureExtraction3.2.GoingDeeperwithAtrousConvolution3.2.1.Multi-gridMethod3.3.AtrousSpatia

我是大黄同学呀·2022-09-15 12:25

CV综述目标检测整理---目录

CV综述目标检测整理---目录Objectdetectionyolo系列yolov3从yolo入门目标检测链接:[YOLOV3论文解读与应用](https://blog.csdn.net/weixin_

慕一Chambers·2022-09-14 07:14

基于PaddlePaddle的飞桨论文解读：StarGAN v2: Diverse Image Synthesis for Multiple Domains

目录摘要StarGANv2网络架构实验1.Baselines2.数据集3.评价指标实验结果分析1.个别成分分析2.多种图像合成方法的比较结论模型代码（model.py）主体代码（main.py）总结摘要一个好的图像到图像的翻译模型应该学习不同视觉域之间的映射，同时满足以下特性：1）生成图像的多样性2）多域的可伸缩性。现有的方法解决了这两个问题中的任何一个，其多样性有限，或者所有领域都有多个模型。我

peter9697·2022-09-14 07:07

YOLOX-PAI 详细解读（一）论文解读

YOLOX-PAI论文解读论文解读YOLOX-PAI论文解读前言一、YOLOX-PAI是什么？

楚楚小甜心·2022-09-12 07:36

论文解读｜清华&Meta提出HorNet，用递归门控卷积进行高阶空间相互作用

清华&Meta提出HorNet，用递归门控卷积进行高阶空间相互作用视觉Transformer的最新进展表明，在基于点积自注意力的新空间建模机制驱动的各种任务中取得了巨大成功。在本文中，作者证明了视觉Transformer背后的关键成分，即输入自适应、长程和高阶空间交互，也可以通过基于卷积的框架有效实现。作者提出了递归门卷积（gnConv），它用门卷积和递归设计进行高阶空间交互。新操作具有高度灵活性

芒果汁没有芒果·2022-09-12 07:49

VLDB'22 HiEngine极致RTO论文解读

摘要：《IndexCheckpointsforInstantRecoveryinIn-MemoryDatabaseSystems》是由华为云数据库创新Lab一作发表在数据库领域顶级会议VLDB'2022的学术论文。本文分享自华为云社区《VLDB'22HiEngine极致RTO论文

华为云开发者联盟·2022-09-09 15:00

推荐频道

论文解读