论文解读

论文解读（VGAE）《Variational Graph Auto-Encoders》

PaperInformationTitle：VariationalGraphAuto-EncodersAuthors：ThomasKipf,M.WellingSoures：2016,ArXivOthers：1214Citations,14References1Alatentvariablemodelforgraph-structureddataVGAE使用了一个GCNencoder和一个简单的内积
Learner-·2022-03-23 16:00

【论文解读】A Survey on Visual Transformer及引文理解

ASurveyonVisualTransformer阅读，以及自己对相关引文的理解。Transformer作为NLP领域的大杀器，目前已经在CV领域逐渐展露锋芒，大有替代CNN的趋势，在图像分类，视频处理，low/highlevel的视觉任务都有相应的transformer刷榜。这篇文章在介绍这些工作的同时，讨论了他们的challenges和今后可能的研究方向。上图基本上就是本文的主要内容了，作者
风度78·2022-03-23 07:37

tensorflow基于BERT训练文本分类模型保存为PB（saved model）并部署

扫码关注“自然语言处理与算法”，讨论交流、顶会论文解读~背景基于BERT构建了文本分类任务，由于需要将模型部署至服务器，所以将模型保存为pb形式。
西兰先森·2022-03-22 07:30

【3D目标检测】PointPillars: Fast Encoders for Object Detection from Point Clouds论文解读（2019）

1、为什么要做这个研究（理论走向和目前缺陷）?VoxelNet只有4.4fps,SECOND虽然能达到20fps，但还有提升空间。2、他们怎么做这个研究（方法，尤其是与之前不同之处）?算是对SECOND的加速版，将原来3D体素网格的编码方式改为2D立柱方式，且改用2D卷积而非3D卷积处理。还有一些其他的加速操作，比如特征降维，tensorRT等。3、发现了什么（总结结果，补充和理论的关系）?效果和
蓝田生玉123·2022-03-21 07:36

【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现（2）

PointPillars部署：TensorRT推理实现，下载地址：添加链接描述PointPillars高度优化的点云目标检测网络PointPillars。主要通过tensorrt对网络推理段进行了优化，通过cuda/c++对前处理后处理进行了优化。做到了真正的实时处理（前处理+后处理小于1ms/Head）。MajorAdvance训练简单本仓库直接使用mmlab/OpenPCdet进行训练。所以只
踟蹰横渡口,彳亍上滩舟。·2022-03-21 07:42

论文解读《Cauchy Graph Embedding》

PaperInformationTitle：CauchyGraphEmbeddingAuthors：DijunLuo,C.Ding,F.Nie,HengHuangSources：2011,ICMLOthers：71Citations,30ReferencesAbstract拉普拉斯嵌入（Laplacianembedding）为图的节点提供了一种低维表示，其中边权值表示节点对象之间的成对相似性。通常
Learner-·2022-03-20 20:00

对抗样本(论文解读七):On Physical Adversarial Patches for Object Detection

准备写一个论文学习专栏，先以对抗样本相关为主，后期可能会涉及到目标检测相关领域。内容不是纯翻译，包括自己的一些注解和总结，论文的结构、组织及相关描述，以及一些英语句子和相关工作的摘抄(可以用于相关领域论文的写作及扩展)。平时只是阅读论文，有很多知识意识不到，当你真正去着手写的时候，发现写完之后可能只有自己明白做了个啥。包括从组织、结构、描述上等等很多方面都具有很多问题。另一个是对于专业术语、修饰、
Enjoy_endless·2022-03-18 07:26

Transformer论文解读二（Vision Transformer）

最近Transformer在CV领域很火，Transformer是2017年Google发表的AttentionIsAllYouNeed中主要是针对自然语言处理领域提出的，后被拓展到各个领域。本系列文章介绍Transformer及其在各种领域引申出的应用。本文介绍的AnImageIsWorth16x16Words:TransformersForImageRecognitionAtScale将Tra
蓝鲸鱼BlueWhale·2022-03-18 05:21

视觉Transformer开山之作：Vision Transformer(ViT)论文解读与复现

文章目录前言一.摘要二.引言2.1本部分主要介绍2.2归纳偏置（inductivebiases）2.3相关工作2.3.1简要介绍三.方法&复现3.1图片处理3.1.1复现（基于paddlepaddle框架）patchembeddingattentionlayerVIT前向部分3.2FINE-TUNINGANDHIGHERRESOLUTION：模型微调与高分辨率图像处理四.实验总结与评价前言VIT模
naca yu·2022-03-18 05:48

Vision Transformer 论文解读

原文链接：https://blog.csdn.net/qq_16236875/article/details/108964948扩展阅读：吸取CNN优点！LeViT：用于快速推理的视觉Transformerhttps://zhuanlan.zhihu.com/p/363647380Abstract:Transformer架构早已在自然语言处理任务中得到广泛应用，但在计算机视觉领域中仍然受到限制。在
stay_foolish12·2022-03-18 05:21

论文解读：PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

PV-RCNN:Point-VoxelFeatureSetAbstractionfor3DObjectDetection目录PV-RCNN:Point-VoxelFeatureSetAbstractionfor3DObjectDetectionAbstraction：Method：1PV-RCNNforPointCloudObjectDetection1.13DVoxelCNNforEffific
FUTUREEEEEE·2022-03-17 07:33

pytorch 配置opencv_YOLOv4 的各种新实现、配置、测试、训练资源汇总

关注极市平台公众号，回复加群，立刻申请入群~来源：我爱计算机视觉近日最火的莫过于YOLOv4的横空出世，极市平台在第一时间进行了YOLOv4的论文解读：重磅！就在刚刚，吊打一切的YOLOv4开源了！
weixin_39554434·2022-03-17 07:57

An End-toEnd Network for Panoptic Segmentation 论文解读

AnEnd-to-EndNetworkforPanopticSegmentation论文解读摘要1.概述2.相关工作2.1.实例分割2.2.语义分割2.3.全景分割2.4.多任务学习3.提出的端到端框架
韩坤明·2022-03-16 07:39

NLP论文解读：无需模板且高效的语言微调模型（下）

©原创作者|苏菲论文题目：Prompt-freeandEfficientLanguageModelFine-Tuning论文作者：RabeehKarimiMahabadi论文地址：https://openreview.net/pdf?id=6o5ZEtqP2g02PERFECT：无需Patterns和Verbalizer的微调模型这个模型主要包含三个部分：1）无需pattern的任务描述，使用了一
NLP论文解读·2022-03-14 19:00

字节跳动《机器学习图文手册》火了，图文并茂，限时PDF下载！

手册内容展示图文并茂思维导图机器学习自然语言处理论文解读手册目录树├──机器学习│  ├── AdaX：一个比Adam更优秀，带”长期记忆“的优化器.pdf│  ├──数学基础│  │  ├──线性代数应该这样讲
Python进阶者·2022-03-13 07:34

从基本组件到结构创新，67页论文解读深度卷积神经网络架构

作者|王广胜来源|我爱计算机视觉（ID：aicvml）【导读】近期一篇CNN综述文章《ASurveyoftheRecentArchitecturesofDeepConvolutionalNeuralNetworks》发布，受到了大家的关注，今天作者对论文中的内容做了中文的解读，帮助大家全面了解CNN架构进展。论文地址：https://arxiv.org/pdf/1901.06032.pdf【文章结
喜欢打酱油的老鸟·2022-03-12 07:57

强化学习算法TRPO之共轭梯度优化

TRPO是OpenAI提出的一种策略单调提升的算法，关于其论文以及解读见我的另一篇论文笔记之TRPO这篇文论文解读将TRPO的重点以及细节都指明了，但是关于目标函数的优化部分由于篇幅原因只是简单说明了以下
Ton10·2022-03-12 07:25

DyLex: Incorporating Dynamic Lexicons into BERT for Sequence Labeling 论文解读

华为诺亚方舟EMNLP2021论文解析DyLex:IncorporatingDynamicLexiconsintoBERTforSequenceLabeling作者：论文链接：link文章主要内容BERTword-piece和Charembeddings的方式会造成单词信息不能被完全利用，这使得难以准确地确定实体边界或正确预测实体类型。文章提出了一种有效将外部词典知识引入到序列标注任务的框架，支持
boardking135·2022-03-12 07:23

NLP论文解读：无需模板且高效的语言微调模型（上）

©原创作者|苏菲论文题目：Prompt-freeandEfficientLanguageModelFine-Tuning论文作者：RabeehKarimiMahabadi论文地址：https://openreview.net/pdf?id=6o5ZEtqP2g提示学习（Prompt-learning）被誉为自然语言处理的“第4种范式”，它可以在少样本甚至零样本的条件下，通过将下游任务修改为语言生成
NLP论文解读·2022-03-11 20:00

CVPR 2019 论文汇总（按方向划分，0506 更新中）

cvpr2019acceptedpaperstitle（官方分类）Github论文汇总链接（欢迎star)论文PDF下载（更新中，提取码：osvy）论文解读汇总目录：(也欢迎大家推
LiuZhuangCC·2022-03-10 07:00

AlexNet经典论文解读

ImageNetClassificationwithDeepConvolutionalNeuralNetworks论文链接：Abstract1.Introduction2.TheDataset3.TheArchitecture3.1ReLUNonlinearity3.2TrainingonMultipleGPUs3.3LocalResponseNormalization3.4Overlapping
带鱼的鱼香肉丝·2022-03-10 07:23

AlexNet论文解读

AlexNet论文翻译及解读摘要1、网络结构卷积层：5个（其中一些后面跟着最大池化层）全连接层：3个（连接着一个最终是1000路的softmax）2、tips非饱和神经元，使用GPU实现Dropout正则化方法：减少全连接层过拟合现象3、结果15.3%的错误率一、介绍Imagenet数据集：包含1500万张22000种类别的高分辨率图像Alexnet模型还需要有先验知识1、本文的特别贡献①训练了一
秋天的风儿·2022-03-10 07:22

AlexNet论文解读与代码实现

文章目录1.论文解读1.1泛读1.1.1标题与作者1.1.2摘要1.1.3结论(讨论)1.1.4重要图1.1.5重要表1.2精读1.2.1文章精解1.2.1.1ReLU1.2.1.2LocalResponseNormalization
herosunly·2022-03-10 07:06

一份可视化特征图的代码

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）·2022-03-09 12:00

FaE：基于符号知识的适应性和可解释的神经记忆

©原创作者|朱林论文解读：FactsasExperts:AdaptableandInterpretableNeuralMemoryoverSymbolicKnowledge论文作者：GoogleResearch
NLP论文解读·2022-03-07 19:00

A Unified Deep Model of Learning from both Data and Queries for Cardinality Estimation 论文解读（SIGMOD 2021

AUnifiedDeepModelofLearningfrombothDataandQueriesforCardinalityEstimation论文解读（SIGMOD2021）本篇博客是对AUnifiedDeepModelofLearningfrombothDataandQueriesforCardinalityEstimation
茶柒每天要学习·2022-03-07 10:00

生成式预训练语言模型能否视作闭卷问答的知识库？

©原创作者|朱林论文解读：CanGenerativePre-trainedLanguageModelsServeasKnowledgeBasesforClosed-bookQA?
NLP论文解读·2022-03-06 19:00

论文解读（GIN）《How Powerful are Graph Neural Networks》

PaperInformationTitle：《HowPowerfulareGraphNeuralNetworks?》Authors：KeyuluXu,WeihuaHu,J.Leskovec,S.JegelkaSources：2019,ICLRPaper：DownloadCode：DownloadOthers：2421Citations,45ReferencesAbstractGNN目前主流的做法是
Learner-·2022-03-05 16:00

知识增广的预训练语言模型K-BERT：将知识图谱作为训练语料

ojs.aaai.org/index.php/AAAI/article/view/5681项目地址：https://github.com/autoliuweijie/K-BERT01背景论述笔者在前面的论文解读中提到过
NLP论文解读·2022-03-04 13:00

ICCV2021 | 用于视觉跟踪的学习时空型transformer

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：LearningSpatio-TemporalTransf
CV技术指南(公众号)·2022-03-04 07:32

ICCV2021 | Swin Transformer: 使用移位窗口的分层视觉Transformer

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。
CV技术指南(公众号)·2022-03-04 07:31

ICCV2021 | Vision Transformer中相对位置编码的反思与改进

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。
CV技术指南(公众号)·2022-03-04 07:01

ICCV2021 | TransFER：使用Transformer学习关系感知的面部表情表征

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。Background在过去的几十年里，面
CV技术指南(公众号)·2022-03-04 07:01

论文解读（Geom-GCN）《Geom-GCN: Geometric Graph Convolutional Networks》

PaperInformationTitle：Geom-GCN:GeometricGraphConvolutionalNetworksAuthors：HongbinPei,BingzhenWei,K.Chang,YuLei,BoYangSources：2020,ICLRPaper：DownloadCode：DownloadAbstractMPNN存在的问题：即丢失了节点与其邻居间的结构信息和无法捕获
Learner-·2022-03-03 21:00

以小25倍参数量媲美GPT-3的检索增强自回归语言模型：RETRO

©NLP论文解读原创•作者|吴雪梦Shinemon研究方向|计算机视觉导读说明：一个具有良好性能的语言模型，一定量的数据样本必不可少。
NLP论文解读·2022-03-03 16:00

论文解读（Geom-GCN）《Geom-GCN: Geometric Graph Convolutional Networks》

PaperInformationTitle：Geom-GCN:GeometricGraphConvolutionalNetworksAuthors：HongbinPei,BingzhenWei,K.Chang,YuLei,BoYangSources：2020,ICLRPaper：DownloadCode：DownloadAbstractMessage-passingneuralnetworks(M
Learner-·2022-03-03 16:00

SKnet论文解读

本文讲述sknet的核心部分:自适应性的注意力编码机制SKNet对不同输入使用的卷积核感受野不同,参数权重也不同,可以自适应的对输出进行处理注:本人才疏学浅,文章难免有疏漏之处,仅给初学者阅读交流,大牛轻喷.开始之前的题外话说来也算有趣,最近读了几个关于CV领域的paper,有的号称其idea来源于神经科学,比如SIM-AM的三维特征推断(这个其实没怎么看懂),言归正传,我们看一看sknet吧1.
吃小花的魔王·2022-03-03 14:34

轻量级网络--ShuffleNet论文解读

摘要论文介绍一个效率极高的CNN架构ShuffleNet，专门应用于计算力受限的移动设备。新的架构利用两个操作：逐点群卷积(pointwisegroupconvolution)和通道混洗(channelshuffle),与现有先进模型相比在类似的精度下大大降低计算量。在ImageNet和MSCOCO上ShuffleNet表现出比其他先进模型的优越性能。Introduction现许多CNNs模型的发
坚硬果壳_·2022-03-01 07:23

Explaining and Harnessing Adversarial Examples论文解读

摘要包括神经网络在内的一些机器学习模型，会错分对抗样本并以高置信度输出错误答案。早期对这种现象的解释集中在非线性和过拟合上。相反，我们认为神经网络易受对抗性干扰的主要原因是其线性特性。这一解释得到了新的定量实验的支持，同时首次解释了关于它们的一个有趣的事实：对抗样本对模型结构以及训练集具有泛化性。此外，这种观点还提供了一种生成对抗样本的的简单而快速的方法。通过这种方法为对抗训练提供样本，我们减少了
你回到了你的家·2022-02-26 07:56

CVPR 2019 Oral 论文解读 | 无监督域适应语义分割

雷锋网AI科技评论按：百度研究院、华中科技大学、悉尼科技大学联合新作——关于无监督领域自适应语义分割的论文《TakingACloserLookatDomainShift:Category-levelAdversariesforSemanticsConsistentDomainAdaptation》被CCFA类学术会议CVPR2019收录为Oral论文。该论文提出了一种从「虚拟域」泛化到「现实域」的
AI研习社·2022-02-21 14:12

fast rcnn 论文解读（附代码链接）

要解决的问题1、RCNN和SPPnet分多步训练，先要finetuning一个预训练的网络，然后针对每个类别都训练一个SVM分类器，最后还要用regressors对bounding-box进行回归，另外regionproposal也要单独用selectivesearch的方式获得，步骤比较繁琐。2、时间和内存消耗比较大。在训练SVM和回归的时候需要用网络训练的特征作为输入，特征保存在磁盘上再读入的
小小谢先生·2022-02-21 07:19

Object Detection---R-CNN / fast-RCNN / faster-RCNN (论文解读七）

R-CNN系列作为目标检测领域的大师之作，对了解目标检测领域有着非常重要的意义。Title：R-CNN:Ricefeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentationfast-RCNNFaster-RCNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetwork
Jayden yang·2022-02-21 07:59

D5-Fast R-CNN & Faster R-CNN论文解读

FastR-CNN&FasterR-CNNR-CNN缺点：训练分为多个阶段。首先使用log损失函数对ConvNet候选区域进行微调。然后，将SVM与CNN相结合。这些SVM作为对象检测器，代替了通过微调学习的softmax分类器。在第三个训练阶段，学习bbox回归函数。训练浪费大量内存空间和训练时间。每个候选区域都要经过CNN提取特征，然后前向传播。测试比较慢。SPPNet缺点：为了克服R-CNN
处女座的柚子·2022-02-21 07:22

计算机视觉--CV技术指南文章汇总

点击每篇文章标题可阅读详细内容欢迎关注公众号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。在公众号中回复关键字“入门指南“可获取计算机视觉入门所有必备资料。
CV技术指南(公众号)·2022-02-21 07:42

Fast-R-CNN论文解读

Fast-r-cnn是Ross在2015年发表的一篇论文，其网络全称为：FastRegion-basedConvolutionalNetworkmethod–用于目标检测的基于区域的快速卷积网络算法。在于先前的网络R-CNN对比之下，其训练速度要快9倍，检测时间快出来213倍（R-CNN的检测时间GPU工作下为47s一张图片），同时在检测精度上也作了进一步的提升。一、任务简介在介绍中，作者提出目标
NewSuNess·2022-02-21 07:11

[论文解读]D2-Net: A Trainable CNN for Joint Description and Detection of Local Features

以前好久的论文，这几天整理资料也翻出来了。应该是CVPR19的论文，讲的是同时做出来det和des。特征点定位精度不高，速度也很慢，不过对光照等鲁棒性非常高，如下图所示。但是这个方法的弱点非常明显，定位精度不高，如下图红色圈出的地方，其实非常低的精度了。实际上用这个进行重建的实验结果表示还不如SIFT好。总结：坦白说这个方法几乎没有实际应用的场景，因为速度极其缓慢，而且精度很低，进行图像检索有更好
星云舰长·2022-02-20 22:16

论文解读（DAEGC）《Improved Deep Embedded Clustering with Local Structure Preservation》

PaperInformationTitle：《AttributedGraphClustering:ADeepAttentionalEmbeddingApproach》Authors：ChunWang、ShiruiPan、RuiqiHu、GuodongLong、JingJiang、C.ZhangSource：2019,IJCAIOther：96Citations,42ReferencesPaper：
反差萌er·2022-02-19 12:00

CTR深度学习模型之 DSIN(Deep Session Interest Network) 论文解读

之前的文章讲解了DIEN模型：CTR深度学习模型之DIEN(DeepInterestEvolutionNetwork)的理解与示例，而这篇文章要讲的是DSIN模型，它与DIEN一样都从用户历史行为中抽取兴趣表示，但不同的是DSIN把历史行为划分成了不同的Session，并且使用Transformer对每个Session内的行为抽取特征。模型解读整体模型的结构如下：首先看看右下部分的矩形区域，这部分
VariableX·2022-02-18 07:25

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

PaperInformationTitle：《Attention-drivenGraphClusteringNetwork》Authors：ZhihaoPeng,HuiLiu,YuhengJia,JunhuiHouSource：2021,ACMMultimediaOther：1Citations,46ReferencesPaper：DownloadCode：DownloadTask：DeepClu
反差萌er·2022-02-17 23:00

simCSE：论文解读

image.png论文地址：https://arxiv.org/pdf/2104.08821.pdf论文标题：SimCSE:SimpleContrastiveLearningofSentenceEmbeddings基于对比学习的简单句子嵌入GitHub地址：https://github.com/princeton-nlp/SimCSE0、Abstract：本文介绍了一个简单的对比学习框架SimCS
涓涓自然卷·2022-02-17 17:55
上一页 30 31 32 33 34 35 36 37 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他