论文解读

人体姿态2019（六）Unsupervised 3D Pose Estimation with Geometric Self-Supervision

《Unsupervised3DPoseEstimationwithGeometricSelf-Supervision》论文解读Abstract1.Unsupervised2D-3DLifting1.1.
Raywit·2020-08-02 20:13

人体姿态2019（四）SemGCN——Semantic Graph Convolutional Networks for 3D Human Pose Regression

《SemanticGraphConvolutionalNetworksfor3DHumanPoseRegression》论文解读Abstract1.Introduction2.Relatedwork3.
Raywit·2020-08-02 20:12

【论文解读 MM 2019 | MKEMN】Multi-modal Knowledge-aware Event Memory Network for Social Media 谣言检测

论文题目：Multi-modalKnowledge-awareEventMemoryNetworkforSocialMediaRumorDetection论文来源：MM2019论文链接：https://doi.org/10.1145/3343031.3350850关键词：多模态（文本+图像+知识）；谣言检测；知识图谱；记忆网络（memorynetwork）；事件（event-level）；注意力机
byn12345·2020-08-02 20:41

【论文解读 KDD 2018 | EANN】Event Adversarial Neural Networks for Multi-Modal Fake News Detection

论文题目：EANN:EventAdversarialNeuralNetworksforMulti-ModalFakeNewsDetection论文来源：KDD2018论文链接：https://doi.org/10.1145/3219819.3219903代码链接：https://github.com/yaqingwang/EANN-KDD18关键词：事件；多模态（图像+文本）；对抗神经网络；假新闻
byn12345·2020-08-02 20:10

【论文解读 WWW 2019 | MVAE】Multimodal Variational Autoencoder for Fake News Detection

论文题目：MVAE:MultimodalVariationalAutoencoderforFakeNewsDetection论文来源：WWW2019论文链接：https://doi.org/10.1145/3308558.3313552代码链接：https://github.com/dhruvkhattar/MVAE关键词：多模态融合；图片；文本；变分自编码器；假新闻检测；microblogs文章
byn12345·2020-08-02 20:10

【论文解读 WSDM 2019 | XBully】XBully: Cyberbullying Detection within a Multi-Modal Context

论文题目：XBully:CyberbullyingDetectionwithinaMulti-ModalContext论文来源：WSDM2019刘欢老师组论文链接：https://doi.org/10.1145/3289600.3291037关键词：网络欺凌检测；多模态；异质图；网络嵌入文章目录1摘要2引言3问题定义3.1多模态网络欺凌检测3.2通过多模态网络表示学习的网络欺凌检测3.3挑战4XB
byn12345·2020-08-02 20:10

【论文解读 ICMR 2020 | KMGCN】Fake News Detection via Knowledge-driven Multimodal GCN

论文题目：FakeNewsDetectionviaKnowledge-drivenMultimodalGraphConvolutionalNetworks论文来源：ICMR2020论文链接：https://doi.org/10.1145/3372278.3390713关键词：假新闻检测；多模态；知识；图卷积文章目录1摘要2引言3方法3.1问题定义3.2整体框架3.3知识蒸馏3.4多模态内容的图构建
byn12345·2020-08-02 20:10

Finding Structure in Time论文解读

《FindingStructureinTime》-1990作者JeffreyL.Elman已经于2018年的六月份去世了。该文的引用量非常之高，目前有9000多，所以也导致有些神经网络发展史中把该篇文章视为经典论文。文章目的是：提出一种新的结构，用来解决时序相关的问题。注意，该文的Section1不是从Introduction部分开始算起。文章结构={1.TheProblemwithTime2.N
Applied Sciences·2020-08-02 20:34

手势识别2020（二）HandVoxNet

《HandVoxNet:DeepVoxel-BasedNetworkfor3DHandShapeandPoseEstimationfromaSingleDepthMap》论文解读Abstract1.Introduction2
Raywit·2020-08-02 20:50

【论文解读 arXiv 2019 | DEAN】DEAN: Learning Dual Emotion for Fake News Detection on Social Media

论文题目：DEAN:LearningDualEmotionforFakeNewsDetectiononSocialMedia论文来源：arXiv2019论文链接：https://arxiv.org/abs/1903.01728关键词：假新闻检测，社交网络，情感，multimodal，Gate文章目录1摘要2引言3模型3.1建模发布者情感3.2建模社交情感3.3DEAN框架4实验5总结Referen
byn12345·2020-08-02 20:35

[Scene Graph] Neural Motifs: Scene Graph Parsing with Global Context 论文解读

[SceneGraph]NeuralMotifs:SceneGraphParsingwithGlobalContext(CVPR2018)论文解读简介这篇文章工作的创新之处主要基于对VisualGenome
风中摇曳的小萝卜·2020-08-02 15:10

【cvpr2019】Bag of Tricks for Image Classification with Convolutional Neural Networks

ZhongyueZhang,JunyuanXie,MuLi论文链接：https://arxiv.org/abs/1812.01187源码链接：https://github.com/dmlc/gluon-cv论文解读
Always_ease·2020-08-02 15:22

一种镜像生成式机器翻译模型：MGNMT | ICLR 2020满分论文解读

MGNMT：镜像生成式NMT（ICLR2020满分论文）机构：南京大学，字节跳动点此获取“论文链接”一、摘要常规的神经机器翻译(NMT)需要大量平行语料，这对于很多语种来说真是太难了。所幸的是，原始的非平行语料极易获得。但即便如此，现有基于非平行语料的方法仍旧未将非平行语料在训练和解码中发挥得淋漓尽致。为此，本文提出一种镜像生成式机器翻译模型：MGNMT(mirror-generativeNMT)
AMiner2006·2020-08-02 15:03

BERT新转变：面向视觉基础进行预训练| NeurIPS 2019论文解读

ViLBERT:PretrainingTask-AgnosticVisiolinguisticRepresentationsforVision-and-LanguageTasks论文作者：JiasenLu,DhruvBatra,DeviParikh,StefanLee（佐治亚理工学院、俄勒冈州立大学、FacebookAIResearch）点此进入“论文地址”摘要本文提出ViLBERT(Vision
AMiner2006·2020-08-02 15:32

ICCV2019 最佳论文解读：SinGAN从单幅图像学习生成模型

作者：肖健哈尔滨工程大学以色列理工学院与GoogleResearch合著的《SinGAN：LearningaGenerativeModelfromaSingleNaturalImage》这篇论文，在ICCV2019获得了最佳论文奖。以下是我们对此文的解读。这篇论文提出了一种可以从单幅自然图像学习的非条件生成模型--SinGAN，能够捕捉图像的内部块分布信息，生成具有相同视觉内容的高质量、多变的样本
AMiner2006·2020-08-02 15:32

Amazon Dynamo论文解读 — 技术介绍（转载）

论文重读:AmazonDynamo发表于2011年11月7日由admin马上要写开题报告了，初步打算会做分布式计算方面（或是某些人口中的云计算）的一些研究。之前也看了不少相关的论文，但基本上都是浑沦吞枣，不求甚解。之后在某搜索引擎公司呆了一段时间，对这方面又有了新的认识，所以结合公司遇到的问题，在细细研读一遍这个领域的一些重要的论文。今天看的是Amazon公开的一个分布式KV数据库Dynamo。互
yingxiongtnt·2020-08-02 14:14

Amazon Dynamo论文解读 - Merkle Tree的使用

MerkleTree是Dynamo论文中用到的一个算法，读这篇论文前，我并不知道这个算法，所以找了相关资料了解了解，以便我对论文有更进一步的了解。什么是MerkleTreeMerkleTree，是一种树（数据结构中所说的树），网上大都称为MerkleHashTree,这是因为它所构造的MerkleTree的所有节点都是Hash值。MerkleTree具有以下特点：1.它是一种树，可以是二叉树，也可
yingxiongtnt·2020-08-02 14:13

CVPR 2019|PoolNet:基于池化技术的显著性检测 论文解读

作者|文永亮研究方向|目标检测、GAN研究动机这是一篇发表于CVPR2019的关于显著性目标检测的paper，在U型结构的特征网络中，高层富含语义特征捕获的位置信息在自底向上的传播过程中可能会逐渐被稀释，另外卷积神经网络的感受野大小与深度是不成正比的，目前很多流行方法都是引入Attention（注意力机制），但是本文是基于U型结构的特征网络研究池化对显著性检测的改进，具体步骤是引入了两个模块GGM
weixin_30401605·2020-08-02 14:02

TCN论文及代码解读总结

但是在处理使用LSTM时时序的卷积神经网络目录论文及代码链接一、论文解读1、摘要2、引言(摘)3、时序卷积神经网络(TemporalConvolutionalNetworks)3.1因果卷积(CausalConvolution
我是chios·2020-08-02 13:47

图像分类算法VGGNet论文解读

论文名称：VeryDeepConvolutionalNetworksForLarge-ScaleImageRecognition论文地址：https://arxiv.org/pdf/1409.1556.pdfVGGNet的主要贡献是，研究了卷积网络深度对大规模图像识别中卷积网络精度的影响，使用3×3卷积滤波器，将网络深度推至16-19层，显著地提高了分类性能。一、论文理解1、ImageNet大型视
纸上得来终觉浅～·2020-08-02 13:14

EGNet: Edge Guidance Network for Salient Object Detection论文阅读

文章目录1.Introduction2.SalientEdgeGuidanceNetwork3.ResultAttention:论文解读的博客原文发布于个人github论文合集欢迎关注，有想法欢迎一起讨论
ming7771·2020-08-02 13:54

【论文解读 AAAI 2018|GCN-ED】Graph Convolutional Networks with Argument-Aware Pooling for Event Detection

论文题目：GraphConvolutionalNetworkswithArgument-AwarePoolingforEventDetection论文来源：AAAI2018论文链接：https://www.aaai.org/ocs/index.php/AAAI/AAAI18/paper/view/16329/16155关键词：事件检测，GCN，句法依存结构文章目录1摘要2引言3模型3.1编码模块3
byn12345·2020-08-02 12:36

Character Region Awareness for Text Detection 论文解读

字符+字符间的联系+弱监督解决长的/弯曲的/任意形状的文本提出单词（word）级别的标注缺少语义信息高斯分布的概率图（文本边界不需要严格定义了）+弱监督训练方式【摘要+介绍】：wordlevel的bbox在表达任意形状的文本时有限制，原因是：wordlevel的bbox在遇到弯曲/变形的/特别长的文本时，很难准确的包围文本框因此，一个可供选择的方式是检测characterlevel的字符，通过连接
Yuki.Lemon·2020-08-02 12:33

（论文解读五）

Title：PoolNet:ASimplePooling-BasedDesignforReal-TimeSalientObjectDetectionNotedata：2019/05/16Abstract：基于U型结构构建了全局引导模块(GGM)与特征聚合模块(FAM)，使得粗糙的语义信息与自上而下的路径中的精细特征融合，在处理300*400图像时可以超过30FPS的速度运行！Code：pytorc
Jayden yang·2020-08-02 12:58

腾讯AI Lab 16篇入选ECCV 2020（含论文解读）

点击上方“视学算法”，选择加"星标"置顶重磅干货，第一时间送达本文转载自：腾讯AI实验室计算机视觉领域三大顶会之一的ECCV（欧洲计算机视觉会议）今年将于8月23-28日举办。受新冠肺炎疫情影响，今年的ECCV与CVPR一样是完全的线上会议。近日，ECCV2020公布了论文收录情况：https://eccv2020.eu/accepted-papers。据统计，本届ECCV共收到有效投稿5025篇
视学算法·2020-08-01 08:12

ECCV 2020 | 腾讯 AI Lab 16篇入选论文解读

来自TencentAI实验室。本文主要介绍ECCV2020中腾讯AILab16篇入选论文。计算机视觉领域三大顶会之一的ECCV（欧洲计算机视觉会议）今年将于8月23-28日举办。受新冠肺炎疫情影响，今年的ECCV与CVPR一样是完全的线上会议。近日，ECCV2020公布了论文收录情况：https://eccv2020.eu/accepted-papers。据统计，本届ECCV共收到有效投稿5025
深度学习技术前沿·2020-08-01 06:11

CVPR2020人脸防伪检测挑战赛冠亚军论文解读（下篇）

2020-05-1421:12:17本文介绍的是CVPR2020论文《SearchingCentralDifferenceConvolutionalNetworksforFaceAnti-spoofing》，作者来自明略科技。作者|明略科技编辑|丛末在CVPR2020由中科院自动化研究所模式识别国家重点实验室主办的ChaLearnFaceAnti-spoofingAttackDetectionCh
喜欢打酱油的老鸟·2020-08-01 05:00

Fully Convolutional Networks for Semantic Segmentation---FCN论文复现（基于Pytorch）

在论文解读时并没有对FCN论文进行详细的解读，只是在介绍语义分割综述的时候介绍到这篇开天辟地的神作，试着去复现论文的精髓。
Jayden yang·2020-07-31 23:45

Fast BERT论文解读

文章目录一、概述二、模型详解BackBoneModelTrainingAdaptiveInference三、实验三、结论转载来源：https://zhuanlan.zhihu.com/p/143027221自从BERT出现后，似乎NLP就走上了大力出奇迹的道路。模型越来越大参数越来越多，这直接导致我们需要的资源和时间也越来越多。发文章搞科研似乎没有什么，但是这些大模型很难在实际工业场景落地，不只是
郝伟老师的技术博客·2020-07-31 18:54

Stack GAN:Text to Photo-realistic Image Synthesiswith Stacked Generative Adversarial Networks 论文解读

StackGAN:TexttoPhoto-realisticImageSynthesiswithStackedGenerativeAdversarialNetworks论文解读关于StackGAN这篇论文
迷途的CH·2020-07-31 10:42

ECCV 2020 | 腾讯 AI Lab 16篇入选论文解读

本文转载自腾讯AI实验室（tencent_ailab），介绍ECCV2020中腾讯AILab16篇入选论文。计算机视觉领域三大顶会之一的ECCV（欧洲计算机视觉会议）今年将于8月23-28日举办。受新冠肺炎疫情影响，今年的ECCV与CVPR一样是完全的线上会议。近日，ECCV2020公布了论文收录情况：https://eccv2020.eu/accepted-papers。据统计，本届ECCV共收
我爱计算机视觉·2020-07-30 22:45

模型压缩 | Deep Compression论文理解及Caffe源码修改（1）

《DeepCompression:CompressionDeepNeuralNetworksWithPruning,TrainedQuantizationAndHuffmanCoding》论文解读：1.
努力努力再努力tq·2020-07-30 20:46

人脸3D重建：Cascaded Regressor

《CascadedRegressorbased3DFaceReconstructionfromaSingleArbitraryViewImage》论文解读本文来自四川大学，论文原文：https://arxiv.org
tinyzhao·2020-07-30 16:47

VIO系列一 | VINS-mono 论文解读：总体框架

点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货VINS-mono论文解读（IMU预积分+Marg边缘化）前面，我们已经对接下来的VIO系列主要内容有所介绍（感兴趣的可以关注：视觉与惯性传感器如何融合
AI算法修炼营·2020-07-30 16:56

RetinaFace论文解读 --- RetinaFace: Single-stage Dense Face Localisation in the Wild

论文：https://arxiv.org/pdf/1905.00641.pdf代码：https://github.com/deepinsight/insightface/tree/master/RetinaFacePytorch复现：https://github.com/biubug6/Pytorch_RetinafaceRetinaFace于19年5月份出现，当时取得了state-of-the-
梦坠凡尘·2020-07-30 14:35

论文学习笔记：Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regressi

HamidRezatofighi,NathanTsoi,JunYoungGwak,AmirSadeghian,IanReid,SilvioSavarese论文链接：https://arxiv.org/abs/1902.09630论文解读
夏颜汐·2020-07-30 13:42

AAAI 2019 论文解读：卷积神经网络继续进步

卷积神经网络（CNN）近年来已经取得了很大的成功，但研究者仍在进一步推进研究前沿，提出新的思路和方法。在本文中，技术分析师JoshuaChou将解读三篇有关卷积神经网络的AAAI2019论文。其中第一篇提出了一种dropout改进方法，第二篇和第三篇则是图卷积网络方面的研究。分析师简介：Joshua已于2018年取得多伦多大学应用科学硕士（MASc）学位。他的研究重心是格形码（latticecod
weixin_34224941·2020-07-30 12:37

yolov4论文解读和训练自己数据集

前天YOLOv4终于问世——YOLOv4论文：https://arxiv.org/abs/2004.10934YOLOv4开源代码：https://github.com/AlexeyAB/darknet效果相比YOLOv3和去年的EfficientDet系列提升明显。这里使用tensorflowmodel的测试图片对官方给出的COCO数据集训练的模型测试对比：分别是YOLOv3和YOLOv4的测试
IEEE_FELLOW·2020-07-30 11:14

nnU-Net论文解读

Outline写在前面nnU-NetAbstract摘要部分Introduction引言部分Methods方法部分NetworkarchitecturesPreprocessingTrainingProcedureInferencePostprocessingEnsemblingandSubmissionExperimentsandResults实验和结果部分Discussion讨论部分写在前面你
张.晶·2020-07-30 06:47

[论文解读]UNet++解读 + 它是如何对UNet改进 + 作者的研究态度和方式

UNet++论文:地址UNet++论文翻译:地址UNet++源代码:地址UNet++作者在知乎上进行了解读,里面还有视频的讲解,深入人心.里面有一句话令我印象深刻,我总结下:很多论文给出了他们建议的网络结构，其中包括非常多的细节，比如用什么卷积，用几层，怎么降采样，学习率多少，优化器用什么，这些都是比较直观的参数，其实这些在论文中给出参数并不见得是最好的，所以关注这些的意义不大，一个网络结构，我们
玖零猴·2020-07-30 04:15

Libra R-CNN论文解读及复现

一篇来自浙大、港中文、商汤的目标检测文章。现在CV领域各种模型真的是满天飞，这篇LibraRCNN在不大量增加模型复杂度的前提下还可以有效涨分，还是给人眼前一亮的。论文链接总览论文主要讲述了三个贡献：IoU-balancedsampling——reducingtheimbalanceatsample，让选择的样本更representative；balancedfeaturepyramid——red
DannisZgggg·2020-07-30 00:18

Hybrid Task Cascade for Instance Segmentation--论文解读

目录本文思想主要改进1.CascadeMaskR-CNN--基础网络2.InterleavedExecution--关联bbox和mask3.MaskInformationFlow--关联每阶段的mask4.HybridTaskCascade--融合语义特征损失函数本文思想本文使用的网络结构如上图所示：首先需要通过一个backbone来提取特征，本文采用的是ResNet50/ResNeXt101。
hey_jude1719·2020-07-29 23:52

Lifelong Mapping 论文解读：基于特征的长时间工作的半静态环境建图 ICRA 2016

TowardsLifelongFeature-BasedMappinginSemi-StaticEnvironmentsTowardsLifelongFeature-BasedMappinginSemi-StaticEnvironment观测与特征的建模特征的持续性估计递归贝叶斯估计TowardsLifelongFeature-BasedMappinginSemi-StaticEnvironmen
闭门即深山·2020-07-29 14:31

ORB-SLAM论文解读

主要是参考泡泡机器人slam中冯兵老师的课程算法输入图像(单目相机采集)+时间码(用于跟其他传感器数据融合)相机内参(在采集图像时，相机的焦距光心都不能改变)用于特征检测的特征描述子字典算法输出相机的运动轨迹+地图(关键帧和MapPoint)三条独立的线程Tracking:初始化MapPoint，计算每一帧的位置，根据计算的每一帧位置对MapPoint进行优化，并筛选出KeyFrame传给Loca
hey_jude1719·2020-07-29 14:50

ORB-SLAM3论文解读

ORB-SLAM3论文解读ORB-SLAM3论文解读主要的创新点数据关联模型系统整体Atlas地图集跟踪线程局部建图线程回环和地图合并线程相机模型相机模型带来的重定位问题相机模型带来的双目问题视觉惯性SLAM
闭门即深山·2020-07-29 13:44

论文解读：Conditional Generative Adversarial Network for Structured Domain Adaptation

论文题目：ConditionalGenerativeAdversarialNetworkforStructuredDomainAdaptation论文主要贡献：通过条件生成网络提高分割模型的域自适应能力；论文主要网络结构：基础结构：VGG-19+FCN-8s创新点：在conv1成提取的low-level特征结合noise(通过concat)条件生成出特征和conv5的特征像素级的相加得到特征融合的
SHY_VWind·2020-07-29 13:44

CGAN论文解读：Conditional Generative Adversarial Nets

论文链接：ConditionalGenerativeAdversarialNets代码解读：Keras-CGAN_MNIST代码解读目录一、前言二、相关工作三、网络结构CGANNETS四、实验结果4.1单模态（mnist实验）4.2多模态（自动为图片打标签）五、Futurework六、小结一、前言摘要：本文做的工作：介绍了GAN的条件版本-条件GAN。通过简单地为数据增加labely进行构造，G和
Amberrr-L·2020-07-29 11:28

Google BERT最全资源收集

方便大家研究和使用GoogleBERT模型BERT论文：BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding论文解读
cskywit·2020-07-29 05:22

CVPR 2017最佳论文解读：密集连接卷积网络DenseNet

本文由机器之心编辑，“机器之心”专注生产人工智能专业性内容，适合开发者和从业者阅读参考。点击右上角即刻关注。日前，CVPR2017获奖论文公布，其中一篇最佳论文为康奈尔大学、清华大学、FacebookFAIR实验室合著的《DenselyConnectedConvolutionalNetworks》。在这篇文章中，Momenta高级研发工程师胡杰对这篇文章进行了解读。此文为该系列专栏的第三篇。近几年
zchang81·2020-07-29 02:00

论文解读:DARTS: DIFFERENTIABLE ARCHITECTURE SEARCH(ICLR2019)

DARTS:DIFFERENTIABLEARCHITECTURESEARCH(ICLR2019)摘要：本文主要提出了一种通过可微的方式进行结构搜索的方法。不同于传统的在离散的和不可微的搜索空间上采用进化或强化学习搜索结构的方法，本文提出的方法主要是基于将结构表示的松弛（relaxation），允许使用梯度下降进行高效的架构搜索。本文已经在CIFAR-10,ImageNet,PennTreebank
yfreedomliTHU·2020-07-29 01:26
上一页 38 39 40 41 42 43 44 45 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他