论文解读第41页

CartoonGAN照片动漫化

Chen_CartoonGAN_Generative_Adversarial_CVPR_2018_paper.pdf论文翻译：https://blog.csdn.net/qq_33265796/article/details/83785896论文解读

小哈里·2020-08-11 12:00

Structure-Revealing联合去噪增强模型论文解读

一、文章摘要概述文章的题目是：《Structure-RevealingLow-LightImageEnhancementViaRobustRetinexModel》这是一篇2018年6月份的TIP(视觉顶刊)会议文章，文章针对弱光(低照度)图像存在密集噪声的问题，提出一种基于RubostRetinex分解模型的Structure-revealing弱光增强方法，考虑图像存在的噪声项，并且为了有效地

CleMints·2020-08-11 12:39

弱光增强论文解读--MBLLEN

一、文章摘要概述文章的题目是：《MBLLEN:Low-lightImage/VideoEnhancementUsingCNNs》这是一篇2018年6月份的BMCV(视觉顶刊)使用CNN做图像弱光增强的一篇会议文章，针对单分支或简单神经网络不能同时进行亮度、对比度增强和伪影去除、降噪等多功能需求，文章提出一种多分支弱光增强网络模型–MBLLEN。通过CNN卷积层将图像丰富的特征提取到不同的层次，使用

CleMints·2020-08-11 12:39

Django RESTful API (2) 请求和响应

欢迎关注个人微信公众号，大大大碗面，不定期分享AI论文解读和开发技术，互联网小白，轻喷~Request对象平时我们在写Django的视图函数的时候，都会带上一个request参数，这样就能处理平时搭建网站时

super1peng·2020-08-11 04:45

MV-YOLO: Motion Vector-aided Tracking by Semantic Object Detection（论文解读）

最近学习视频多目标跟踪算法，因为YOLO是最近比较火的多目标跟踪算法，正好看到这一篇论文，对自己帮助很大，在这里花了大半天时间将其翻译成中文，希望对大家有所帮助。以下是原文PDF下载地址：https://arxiv.org/pdf/1805.00107v1.pdf目录MV-YOLO：通过语义对象检测进行运动矢量辅助跟踪摘要：1.介绍2.提出的方法2.1.ROI创建2.2.目标检测2.3.最终box

乔木自燃wwq·2020-08-11 00:50

论文解读之MemNet: A Persistent Memory Network for Image Restoration

论文名称：MemNet:APersistentMemoryNetworkforImageRestoration作用领域：图像修复（去噪，超分辨率）code：https://github.com/tyshiwo/MemNet概述：这是一篇ICCV2017的文章，作者是DRRN（CVPR2017）的那一帮人，该篇论文中提出一个延长记忆的模型，传统的神经网络基本上都是单向传播，那么在靠后的层，接收到的信

无奈的小心酸·2020-08-10 22:36

MV-YOLO: Motion Vector-aided Tracking by Semantic Object Detection论文解读

论文题目：MV-YOLO:MotionVector-aidedTrackingbySemanticObjectDetection论文发布时间：CVPR2018.6论文下载地址：https://arxiv.org/abs/1805.00107摘要——目标跟踪是许多视觉分析系统的基石。虽然最近几年在该领域已经取得了相当大进展，但要想实现现实视频中目标的鲁棒，高效和高精度的跟踪仍是个挑战。本文我们提出了

ciky奇·2020-08-09 20:49

StackGAN++: Realistic Image Synthesiswith Stacked Generative Adversarial Networks 论文解读

StackGAN++是ICCV2017的文章《StackGAN++:RealisticImageSynthesiswithStackedGenerativeAdversarialNetworks》。由于StackGAN在训练过程中不足够稳定以及生成更多种类的样本图片，由此提出了更好的StackGAN++。一、相关工作StackGAN-V1论文链接:[https://arxiv.org/pdf/17

迷途的CH·2020-08-09 01:44

TextBoxes++论文解读

最近拜读了白翔老师等的巨著TextBoxes++，现给出我看完论文之后的理解，和大家一起研究研究，小女子才疏学浅，如有错误，请多多指教，望不要嫌弃！（没有大片时间来写，可能需要一段时间完成）大家知道我们所知道的目标检测检测的目标框默认是矩形框，常见的物体检测，这种矩形框检测可能对物体识别的影响不是很大，但在图像中文字检测识别来说，检测非矩形框的文字区域对后面的识别是非常重要的，这篇论文就是给出了任

不吃鱼的猫~·2020-08-08 22:26

CFGAN--基于生成对抗神经网络的协同过滤推荐

欢迎关注个人微信公众号，大大大碗面，不定期分享AI论文解读和开发技术，互联网小白，轻喷~本文发表在2018年的CIKM。

super1peng·2020-08-08 21:10

论文解读：ICCV2019 Best paper SinGAN

SinGAN:LearningaGenerativeModelfromaSingleNaturalImage今天介绍一篇非常有趣的论文，同时也是ICCV2019的bestpaper，题目叫做SinGAN:LearningaGenerativeModelfromaSingleNaturalImage，题目非常浅显直白，就是从单张自然图像中学习一个生成模型，这篇论文的思路并不复杂，通过拟合单张自然图像

Matrix_11·2020-08-08 21:22

2019-ICCV最佳论文解读-SinGAN: Learning a Generative Model from a Single Natural Image

2019-ICCV最佳论文-SinGAN:LearningaGenerativeModelfromaSingleNaturalImage作者：TamarRottShahamTaliDekelTomerMichaeli一句话概括论文：作者用了一个称之为金字塔的网络模型来对单张图片操作，可以实现随机生成类似图片、提高分辨率、画图转换为图片等功能。（为了方便你们看，我直接把原文用有道翻译的，很多地方不准

Asure_AI·2020-08-08 10:15

高德KDD2020论文解读|混合时空图卷积网络：更精准的时空预测模型

导读时空预测在天气预报、运输规划等领域有着重要的应用价值。交通预测作为一种典型的时空预测问题，具有较高的挑战性。以往的研究中主要利用通行时间这类交通状态特征作为模型输入，很难预测整体的交通状况，本文提出的混合时空图卷积网络，利用导航数据大大提升了时空预测的效果（本文作者高德机器学习团队，论文已被收录到KDD2020）。论文下载地址：https://arxiv.org/abs/2006.12715日

amap_tech·2020-08-07 23:30

揭秘！信息检索技术高端玩法

《SIGIR顶会论文解读》重磅发布由7位阿里巴巴技术专家精心打造，内容覆盖推荐系统、成交转化模型、回音室效应、全空间多任务转化率预估建模、DeepMatch召回模型、跨领域冷启动用户推荐网络、表示学习模型等信息检索领域新技术

阿里云云栖号·2020-08-07 22:18

基于caffe的fcn网络的训练

论文解读：globalinformation可以揭露what,localinformation揭露wheredeep分类网络当做预训练，微调网络，wholeimage当做输入，wholeimagegroundtruth

xxiaozr·2020-08-07 22:52

转载的视频行为识别检测

1本文github地址博文末尾支持二维码赞赏哦_[行为检测|论文解读]行为检测调研综述较新基于DeepLearning的视频识别技术科研成果----中国科学院深圳先进技术研究院面向人体姿态行为理解的深度学习方法

AIchiNiurou·2020-08-07 21:35

【论文解读】“推荐系统”加上“图神经网络”

点击上方，选择星标或置顶，每天给你送干货！阅读大概需要5分钟跟随小博主，每天进步一丢丢作者：Plato来源：知乎（https://zhuanlan.zhihu.com/p/114798371）本文仅供交流，如有侵权，请联系删除。SIGIR'19的一篇论文NeuralGraphCollaborativeFiltering（NGCF）介绍了用图神经网络（GNN）来增强协同过滤推荐系统的方法。今天我们来

文文学霸·2020-08-07 12:47

论文解读：医学影像中的注意力机制

点击上方“迈微电子研发社”，选择“星标★”公众号重磅干货，第一时间送达来源｜DanielLiu@知乎，https://zhuanlan.zhihu.com/p/138555896Multi-scaleself-guidedattentionformedicalimagesegmentation该论文的方法为2019年发布的在CHAOSMRIDataset上进行医学图像分割的最优方法，最终的Dice

Charmve·2020-08-07 11:13

论文解读：Multi-level Domain Adaptive learning for Cross-Domain Detection

论文题目：Multi-levelDomainAdaptivelearningforCross-DomainDetection（Task-CVworkshopICCV2019）论文主要贡献：已有的目标检测自适应方法主要基于全局的特征自适应，没有考虑局部特征自适应(其实是不对的，现有的检测自适应方法有基于全局的，也有局部和实例的特征自适应，分割和分类主要是全局自适应)，因此本论文提出多multi-le

SHY_VWind·2020-08-06 13:00

Knowledge Distillation by On-the-Fly Native Ensemble论文解读

1.网络结构：Gate为全连接网络，用来学习哪个网络更重要。目前利用全连接网络选择网络部件重要性的方法很流行。“三个臭皮匠顶个诸葛亮？”，感觉很像bagging方法。2.损失函数：训练时softmax都有温度T=3蒸馏，测试时就恢复T=1。最终的Loss第一项代表各个分支的损失，第二项代表最后Teacher的损失，第三项代表各分支和Teacher的KL散度。3.测试情况我的测试结果：测试数据集：c

snp的p·2020-08-06 13:03

论文解读:Attention is All you need

论文解读:AttentionisAllyouneed习翔宇北京大学软件工程博士在读关注他192人赞同了该文章Attention机制最早在视觉领域提出，2014年GoogleMind发表了《RecurrentModelsofVisualAttention

stay_foolish12·2020-08-06 13:31

论文浏览(24) Grouped Spatial-Temporal Aggregation 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&有什么可以参考的地方0.前言相关资料：arxivgithub论文解读，论文解读2论文基本信息领域：行为识别作者单位：约翰斯

清欢守护者·2020-08-06 11:34

[论文解读]深度学习基础模型NIN(Network in Network)+Pytorch

论文(2014年):链接Pytorch代码:链接《NetworkInNetwork》是一篇比较老的文章了（2014年ICLR的一篇paper），是当时比较牛逼的一篇论文，同时在现在看来也是一篇非常经典并且影响深远的论文，后续很多创新都有这篇文章的影子。通常里程碑式的经典是不随时间而黯淡的，同样值得好好学习。NIN的结构有两个创新点,都是比较有里程碑意义的,分别是MLPconv以及全局平均池化MLP

玖零猴·2020-08-06 11:08

LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping论文解读

文章目录abstract一、Introduction1.1LOAM的缺点：1.2LIO-SAM的改进：二、RelatedWork三、LIDARINERTIALODOMETRYVIASMOOTHINGANDMAPPING（实际工作）A.符号约定和文章综述BIMU预积分因子C.激光里程计因子D.GPS因子E.闭环因子abstractLIO-SAM将lidar-惯性里程计置于一个因子图之上，允许从不同来

一抹烟霞·2020-08-05 13:43

ICCV2019(Segmentation)：ShelfNet-论文解读《ShelfNet for Fast Semantic Segmentation》

文章目录原文地址论文阅读方法初识（Abstract&Introduction&Conclusion）相知（Body）2.RelatedWork2.1SemanticSegmentation2.2Real-timeSemanticSegmentation3.Methods3.1StructureofShelfNet3.2ChannelReductionforFastInferenceSpeed3.3

我是大黄同学呀·2020-08-05 10:12

CVPR2019顶会论文解读：3DN: 3D Deformation Network

虚拟现实和增强现实中的应用程序要求快速创建和轻松访问大量3D模型。解决此需求的有效方法是基于参照物，例如非常容易获取的2D图像，对现有3D模型进行编辑或变形。给定这样的源3D模型和目标（可以是2D图像，3D模型或作为深度扫描获取的点云），我们引入了3DN，这是使源模型变形以类似于源3D的端到端网络。目标。我们的方法会推断每个顶点的偏移位移，同时保持源模型的网格连接固定。我们提出了一种训练策略，该策

满天星._·2020-08-05 01:11

AutoDL论文解读（七）：基于one-shot的NAS

自动化机器学习（AutoML）最近变得越来越火，是机器学习下个发展方向之一。其中的神经网络结构搜索（NAS）是其中重要的技术之一。人工设计网络需要丰富的经验和专业知识，神经网络有众多的超参数，导致其搜索空间巨大。NAS即是在此巨大的搜索空间里自动地找到最优的网络结构，实现深度学习的自动化。自2017年谷歌与MIT各自在ICLR上各自发表基于强化学习的NAS以来，已产出200多篇论文，仅2019年上

SpaceAutomation·2020-08-04 19:43

数据增强（检测，分类，识别）：1708.Random Erasing Data Augmentation 论文笔记

RandomErasingDataAugmentation论文下载地址：https://arxiv.org/abs/1708.04896详细信息：论文资源代码：https://github.com/zhunzhong07/Random-Erasing论文解读

xuluohongshang·2020-08-04 08:00

从单一图像中提取文档图像：ICCV2019论文解读

从单一图像中提取文档图像：ICCV2019论文解读DewarpNet:Single-ImageDocumentUnwarpingWithStacked3Dand2DRegressionNetworks论文链接

wujianming_110117·2020-08-04 08:37

YOLO V4论文解读

YOLOV4论文解读一、YOLOV3回顾二、YOLOV4中三、Bagoffreebies数据扩充：模拟对象遮挡：结合多幅图像进行数据扩充：解决类别不平衡：labelsmoothingbbox:Yolov4

逆风飞扬fei·2020-08-04 07:08

Attention 网络层学习总结

Attentionisallyouneed》2《attentionisallyouneed》解读3《AttentionisAllYouNeed》浅读（简介+代码）（苏剑林大佬写的）4Transformer(一)–论文解读

凌.夜L·2020-08-04 07:03

人脸特征点检测：VanillaCNN

《FacialLandmarkDetectionwithTweakedConvolutionalNeuralNetworks》论文解读论文地址：http://www.openu.ac.il/home/hassner

tinyzhao·2020-08-04 01:42

人脸验证：DeepID

《DeepLearningFaceRepresentationfromPredicting10000Classes》论文解读这篇论文来自香港中文大学汤晓鸥课题组，发表于CVPR2014，论文原文见：http

tinyzhao·2020-08-04 01:09

人脸特征点检测：TCDCN

《FacialLandmarkDetectionbyDeepMulti-taskLearning》论文解读这篇文章发表于ECCV2014，来自香港中文大学汤晓鸥课题组。

tinyzhao·2020-08-04 01:38

NLP论文解读：GPT-2

NLP论文解读：GPT-2摘要自然语言处理中，使用标注数据集的有监督fine-tuning方法成为主流。本文使用自行构建的新数据集WebText构建了一个语言模型直接处理下游任务。

susu944866518·2020-08-04 01:46

CVPR2020(Segmentation)：CPNet-论文解读《Context Prior for Scene 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.ContextPrior3.1.AffinityLoss3.2.ContextPriorLayer3.3.AggregationModule3.4.NetworkArchitecure4.ExperimentalResults4.1Implementat

我是大黄同学呀·2020-08-03 22:46

人脸验证：Lightened CNN

《ALightenedCNNforDeepFaceRepresentation》论文解读本文来自中科院，原文地址为：https://arxiv.org/abs/1511.02683代码地址：https:

tinyzhao·2020-08-03 11:32

「自然语言处理(NLP)」ACL && 阿里（舆论、立场检测）&& 耶鲁（电子邮件主题生成）

PS：欢迎关注AINLPer微信公众号，论文解读会每日更新，等你来看。FirstBloodTILE:RumorDetecti

yinizhilianlove·2020-08-03 09:43

xDeepFM论文解读(KDD2018)

xDeepFM:CombiningExplicitandImplicitFeatureInteractionsforRecommenderSystems引言(ABSTRACT)组合特征对与许多商业模型的成功都至关重要。受网络获取的原始数据的种类、容量和提取速度等限制，手工提取特征往往花费较大的代价。随着深度学习的兴起，最近研究者们提出了许多基于DNN的因子分解模型来学习高阶和低阶的交互特征。现在诸

yfreedomliTHU·2020-08-03 09:28

【CVPR 2020】神经网络架构搜索（NAS）论文和代码汇总

之后，本公众号后续将出一个NAS方面的专辑，主要包括NAS的发展历程、论文解读和应用

深度学习技术前沿·2020-08-03 08:48

Deformable ConvNets--Part4：Deformable Convolutional Networks论文解读

关于DeformableConvolutionalNetworks的论文解读，共分为5个部分，本章是第四部分：[]Part1：快速学习实现仿射变换[]Part2：SpatialTransfomerNetworks

DFann·2020-08-03 05:39

Zero-Shot Video Object Segmentation via Attentive Graph Neural Networks论文解读

前言这是一篇iccv19的oralpaper，直到2020年一月作者才放出来，代码已经开源，用于视频分割。摘要这篇工作提出了一种新颖的注意力图神经网络，用于零样本视频目标分割(vos)。本文提出的AGNN将vos任务转化为在视频图上迭代的信息融合的过程。具体来说，Agnn建立了一张全连接的图，图的节点由视频帧构成，图的边由任意两个帧的关系构成。这种关系用一种可微的注意力机制描述。Agnn能够充分捕

咆哮的阿杰·2020-08-03 03:28

和姜咏江老师讨论图灵机与冯·诺伊曼机的区别

和姜老师探讨：《图灵的秘密-他的生平，思想及论文解读》一书还没看完且对纯数学而言，俺数学基础只是高中水平，因此俺下面的认识必有不少错误之处，望指正。1)"最早人们将机器的工作主要放到数学计算上，因而

无心人_过过小日子·2020-08-03 01:19

【论文解读 KDD 2019 | GATNE 】Representation Learning for Attributed Multiplex Heterogeneous Network

论文链接：https://arxiv.org/abs/1905.01669代码链接：https://github.com/cenyk1230/GATNE来源：KDD2019作者本人写的论文讲解：阿里电商场景下的大规模异构网络表示学习文章目录1摘要2介绍2.1挑战2.2作者提出3问题定义4方法4.1TransductiveModel:GATNE-T4.2InductiveModel:GATNE-I4

byn12345·2020-08-02 23:55

【论文解读 EMNLP 2018】Cross-Lingual Cross-Platform Rumor Verification Pivoting on Multimedia Content

论文题目：Cross-LingualCross-PlatformRumorVerificationPivotingonMultimediaContent论文来源：EMNLP2018论文链接：https://www.aclweb.org/anthology/D18-1385/代码链接：https://github.com/WeimingWen/CCRV关键词：跨语言；跨平台；特征；多媒体内容；谣言验

byn12345·2020-08-02 23:55

【论文解读 ICDM 2019 | MVNN】Exploiting Multi-domain Visual Information for Fake News Detection

论文题目：ExploitingMulti-domainVisualInformationforFakeNewsDetection论文来源：ICDM2019论文链接：https://arxiv.org/abs/1908.04472关键词：假新闻检测；图像；频域；像素域；CNN；RNN；attention文章目录1摘要2引言3模型3.1模型概览3.2频域子网络3.3像素域子网络3.4融合子网络4实验5

byn12345·2020-08-02 23:55

【论文解读 KDD 2018 | HEER】Easing Embedding Learning by Comprehensive Transcription of HIN

论文链接：https://dl.acm.org/doi/10.1145/3219819.3220006代码链接：https://github.com/GentleZhu/HEER会议：KDD2018目录1摘要2介绍2.1动机2.2作者分析了现有的一些方法2.3挑战2.4贡献3HEER3.1一些定义3.2TheHEERModel4总结参考文献1摘要HIN在引入丰富的信息的同时，也引入了潜在的不兼容性

byn12345·2020-08-02 23:54

突破性能极限——阿里云神龙最新ASPLOS论文解读

作者|阿里云神龙团队责编|徐威龙封图|CSDN下载于视觉中国日前，ASPLOS2020公布了计算机界最新科技成果，其中包括阿里云提交的名为《High-densityMulti-tenantBare-metalCloud》的论文，该论文阐述了阿里云自研的神龙服务器架构如何解决困扰云计算行业多年的虚拟化性能损耗问题，打破物理机的性能神话，让云服务器突破性能极限。此次入选意味着全球计算机顶会对阿里云自研

CSDN云计算·2020-08-02 21:46

人体姿态2019（七）Weakly-Supervised Discovery of Geometry-Aware Representation for 3D Human Pose Estimation

《Weakly-SupervisedDiscoveryofGeometry-AwareRepresentationfor3DHumanPoseEstimation》论文解读Abstract1.Introduction2

Raywit·2020-08-02 20:13

人体姿态2018（五）Can 3D Pose be Learned from 2D Projections Alone?

论文解读Abstract1.Introduction2.WeaklysupervisedLiftingof2DPoseto3DSkeleton2.1.Training原文：Can3DPosebeLearnedfrom2DProjectionsAlone

Raywit·2020-08-02 20:13

推荐频道

论文解读

CartoonGAN照片动漫化

Structure-Revealing联合去噪增强模型论文解读

弱光增强论文解读--MBLLEN

Django RESTful API (2) 请求和响应

MV-YOLO: Motion Vector-aided Tracking by Semantic Object Detection（论文解读）

论文解读之MemNet: A Persistent Memory Network for Image Restoration

MV-YOLO: Motion Vector-aided Tracking by Semantic Object Detection论文解读

StackGAN++: Realistic Image Synthesiswith Stacked Generative Adversarial Networks 论文解读

TextBoxes++论文解读

CFGAN--基于生成对抗神经网络的协同过滤推荐

论文解读：ICCV2019 Best paper SinGAN

2019-ICCV最佳论文解读-SinGAN: Learning a Generative Model from a Single Natural Image

高德KDD2020论文解读|混合时空图卷积网络：更精准的时空预测模型

揭秘！信息检索技术高端玩法

基于caffe的fcn网络的训练

转载 的视频行为识别检测

【论文解读】“推荐系统”加上“图神经网络”

论文解读：医学影像中的注意力机制

论文解读：Multi-level Domain Adaptive learning for Cross-Domain Detection

Knowledge Distillation by On-the-Fly Native Ensemble论文解读

论文解读:Attention is All you need

论文浏览(24) Grouped Spatial-Temporal Aggregation for Efficient Action Recognition

[论文解读]深度学习基础模型NIN(Network in Network)+Pytorch

LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping论文解读

ICCV2019(Segmentation)：ShelfNet-论文解读《ShelfNet for Fast Semantic Segmentation》

CVPR2019顶会论文解读：3DN: 3D Deformation Network

AutoDL论文解读（七）：基于one-shot的NAS

数据增强（检测，分类，识别）：1708.Random Erasing Data Augmentation 论文笔记

从单一图像中提取文档图像：ICCV2019论文解读

YOLO V4论文解读

Attention 网络层学习总结

人脸特征点检测：VanillaCNN

人脸验证：DeepID

人脸特征点检测：TCDCN

NLP论文解读：GPT-2

CVPR2020(Segmentation)：CPNet-论文解读《Context Prior for Scene Segmentation》

人脸验证：Lightened CNN

「自然语言处理(NLP)」ACL && 阿里（舆论、立场检测）&& 耶鲁（电子邮件主题生成）

xDeepFM论文解读(KDD2018)

【CVPR 2020】神经网络架构搜索（NAS）论文和代码汇总

Deformable ConvNets--Part4：Deformable Convolutional Networks论文解读

Zero-Shot Video Object Segmentation via Attentive Graph Neural Networks论文解读

和姜咏江老师讨论图灵机与冯·诺伊曼机的区别

【论文解读 KDD 2019 | GATNE 】Representation Learning for Attributed Multiplex Heterogeneous Network

【论文解读 EMNLP 2018】Cross-Lingual Cross-Platform Rumor Verification Pivoting on Multimedia Content

【论文解读 ICDM 2019 | MVNN】Exploiting Multi-domain Visual Information for Fake News Detection

【论文解读 KDD 2018 | HEER】Easing Embedding Learning by Comprehensive Transcription of HIN

突破性能极限——阿里云神龙最新ASPLOS论文解读

人体姿态2019（七）Weakly-Supervised Discovery of Geometry-Aware Representation for 3D Human Pose Estimation

人体姿态2018（五）Can 3D Pose be Learned from 2D Projections Alone?

转载的视频行为识别检测