论文解读第47页

Convolutional Neural Networks for Sentence Classification论文解读

本文将CNN和NLP结合；介绍了一系列的对比实验，实验结果说明了：一个简单的（单层神经网络）的CNN模型一点超参数的调节（Filter的个数）staticwordvector另外，对cnn模型进行了小改动：将staticvectors和nonstaticvectors变成cnn模型中的两个channels，尤如图像中的rgb三通道。non-static就是词向量随着模型训练变化，这样的好处是词向量

fine-tuning·2020-06-30 17:09

Self-Attention Generative Adversarial Networks 论文解读

论文地址：https://arxiv.org/abs/1805.08318Iangoodfellow2018年新作，在GAN生成中加入了attention的机制，同时将SNgan的思想引入到生成器当中。传统gan的问题使用小的卷积核很难发现图像中的依赖关系使用大的卷积核就丧失了卷积网络参数与计算的效率attention层详解就是在前一层的featuremaps上加入attention机制，使得ga

zhangyumengs·2020-06-30 14:24

论文解读：Towards Instance-level Image-to-Image Translation

论文题目：TowardsInstance-levelImage-to-ImageTranslation（CVPR2019）项目地址：http://zhiqiangshen.com/projects/INIT/index.html论文背景：通过t-sne可视化，同一种颜色表示同一个域的全局style和实例style，可以看到即使是同一个域的图片，全局的style和实例的style仍具有差异，因此像M

SHY_VWind·2020-06-30 09:02

Amazon Dynamo论文解读 — Dynamo数据划分算法

由于公司将来的项目可能需要用到Amazon的DynamoDB数据库，所以，最近想花时间好好研究研究下DynamoDB,而Amazon在发布DynamoDB前，曾向SISO提交了一篇Dynamo论文，而DynamoDB就是基于这篇论文而实现的，所以，为了对Dynamo有个更深刻的了解，我决定好好看看这篇论文，了解了解论文里的相关算法。这篇博客，就是基于我对这篇论文的理解，描述了论文中的算法之一，即D

yingxiongtnt·2020-06-30 08:21

SR-GNN论文解读(AAAI2019)

Session-basedRecommendationwithGraphNeuralNetworks(SR-GNN)1.引言基于会话的推荐系统旨在通过匿名的会话来预测用户行为。但是传统基于序列的推荐算法并不能获取items间的复杂的转移关系，因此本文提出了基于GNN的方法。2.相关工作•传统的推荐算法•基于深度学习的方法•图神经网络(GNN)3.方法介绍SR-GNN的整体框架如下图所示：3.1符号

yfreedomliTHU·2020-06-30 07:58

论文解读-Multi-scale Anomaly Detection on Attributed Networks

原文：Gutiérrez-Gómez,Leonardo,BovetA,DelvenneJC.Multi-scaleAnomalyDetectiononAttributedNetworks[J].2019.摘要当前属性网络在很多领域中得到广泛应用，尤其是社交网络和金融领域，属性网络的边表示实体之间的关系，而实体则由属性网络中的不同节点属性来表示。而异常检测对于发现诸如信用卡欺诈、网络垃圾邮件和网络入

进阶白帽子·2020-06-30 02:45

自监督学习(Self-Supervised Learning)多篇论文解读（上）

自监督学习(Self-SupervisedLearning)多篇论文解读（上）前言Superviseddeeplearning由于需要大量标注信息，同时之前大量的研究已经解决了许多问题。

wujianming_110117·2020-06-29 21:44

CVPR2020论文解读：3D Object Detection三维目标检测

CVPR2020论文解读：3DObjectDetection三维目标检测PV-RCNN:Point-VoxelFeatureSetAbstractionfor3DObjectDetection论文链接：

wujianming_110117·2020-06-29 21:38

CVPR2020论文解读：OCR场景文本识别

CVPR2020论文解读：OCR场景文本识别ABCNet:Real-timeSceneTextSpottingwithAdaptiveBezier-CurveNetwork∗论文链接：https://arxiv.org

wujianming_110117·2020-06-29 21:38

CVPR2020行人重识别算法论文解读

CVPR2020行人重识别算法论文解读Cross-modalityPersonre-identiﬁcationwithShared-SpeciﬁcFeatureTransfer具有特定共享特征变换的跨模态行人重识别摘要

wujianming_110117·2020-06-29 21:06

ApacheCN 公众号文章汇总 2019.7

布客飞龙·2020-06-29 19:12

ApacheCN 公众号文章汇总 2019.9

布客飞龙·2020-06-29 19:03

视觉论文以及开源库

CVPR2019全部论文汇总：https://github.com/extreme-assistant/cvpr2019CVPR2019论文解读http://bbs.cvmart.net/topics/

weixin_42674350·2020-06-29 06:15

【论文解读】Inductive Representation Learning on Large Graphs（GraphSAGE）

InductiveRepresentationLearningonLargeGraphsWilliam在2017年发表于NIPS，是一篇关于动态网络表征学习（DynamicNRL）的论文，属于property-preserving方法论文链接：https://papers.nips.cc/paper/6703-inductive-representation-learning-on-large-g

上下C-137·2020-06-29 02:46

CVPR 论文阅读1：图像检索、深度感知测量方法：The Unreasonable Effectiveness of Deep Features as a Perceptual Metric-2018

TheUnreasonableEffectivenessofDeepFeaturesasaPerceptualMetric（深度特征作为感知度量的无理由的效应）目录相关连接论文解读论文主要贡献论文提出的数据集论文提出的感知相似度度量方法具体在网络中的实现基于学习的相似度得分函数实验数据结论论文精读相关连接

summer_wbb·2020-06-29 01:40

GPT-3：Language Models are Few-Shot Learners 论文解读

paper链接：https://arxiv.org/abs/2005.14165github链接：https://github.com/openai/gpt-3摘要通过对大量文本进行预训练，然后对特定任务进行微调，最近的工作证明了在许多NLP任务和基准方面的巨大收获。尽管在结构上通常与任务无关，但是此方法仍然需要特定于任务的微调数据集，该数据集包含成千上万个示例。相比之下，人类通常只能通过几个示例

睡熊猛醒·2020-06-29 00:02

ICLR 2020丨微软亚洲研究院精选论文解读

在全球疫情影响之下，原计划首次在非洲举行的国际AI学术会议ICLR2020将成为第一届完全通过网络远程举行的ICLR会议。本文为大家介绍的4篇微软亚洲研究院精选论文分别研究了BERT在机器翻译中的应用，有理论保障的对抗样本防御模型MACER，一种新的基于自我博弈的文本生成对抗网络（GAN）训练算法，以及可广泛应用于视觉-语言任务的预训练通用特征表示VL-BERT。BERT在神经机器翻译中的应用In

人工智能与算法学习·2020-06-29 00:23

ECCV 2018论文解读 | 基于三维重建的全新相机姿态估计方法

区别于先前的方法都在关注点特征和相机自运动模型，本文作者提出了一个关于RS相片形变的比喻：刚体的3Dtemplate在RS相机中的形变，可以被看作一个非刚体可形变的3Dtemplate被GS相机所捕捉。从而将2D照片中的形变等效到了3D空间中，进而使用Shape-from-Template技术实时重建这个一直处于形变中的虚拟3Dtemplate，最后使用已知的template和每一帧重建的形变te

weixin_34122810·2020-06-28 11:01

SCNN车道线检测--(SCNN)Spatial As Deep: Spatial CNN for Traffic Scene Understanding（论文解读）...

SpatialAsDeep:SpatialCNNforTrafficSceneUnderstanding收录：AAAI2018(AAAIConferenceonArtificialIntelligence)原文地址：SCNN论文提出了一个新颖网络SpatialCNN，在图片的行和列上做信息传递。可以有效的识别强先验结构的目标。论文提出了一个大型的车道检测数据集，用于进一步推动自动驾驶发展。代码:官

weixin_33725272·2020-06-28 04:22

Name Disambiguaiton in Aminer论文解读

NamedisambiguationinAminer:Clustering,Maintenance,andHumanintheloopAminer是一个免费的在线学术搜索和挖掘系统，已经搜集了超过13亿研究者档案和超过20亿的论文。论文通过结合全局和局部的信息提出了一个新颖的表示学习方法。还提出了一个端到端簇大小估计方法，此方法明显优于传统基于BIC的方法。这张图是Aminer中作者名消歧框架的概

weixin_30783913·2020-06-28 00:15

深度学习笔记（十二）车道线检测 LaneNet

anInstanceSegmentationApproach代码：https://github.com/MaybeShewill-CV/lanenet-lane-detection参考：车道线检测算法LaneNet+H-Net（论文解读

weixin_30674525·2020-06-27 23:20

CVPR2019 | Libra R-CNN 论文解读

作者|文永亮学校|哈尔滨工业大学（深圳）研究方向|目标检测、GAN推荐理由这是一篇发表于CVPR2019的paper，是浙江大学和香港中文大学的工作，这篇文章十分有趣，网友戏称：“无痛涨点，实现简单，良心paper。”，在我看来确实是这样的，没有太大的改造结构，不需增加计算成本的条件下，居然能涨两个点mAP。除了本文解读的LibraR-CNN（天秤座RCNN）[1]，我还记得陈恺他们港中文的实验室

weixin_30555515·2020-06-27 21:19

Meta-Transfer Learning for Few-Shot Learning 元迁移学习论文解读

我之前写过一篇元迁移学习的论文笔记，一种迁移学习和元学习的集成模型。但是本文的元迁移学习方法完全不同于上一篇论文。Abstract由于深度神经网络容易对小样本过拟合，所以元学习倾向于使用浅层神经网络，但浅层神经网络限制了模型的性能。本文提出了meta-transferlearning(MTL)模型，MTL模型可以采用深层神经网络。其中，meta指的是训练多个任务，transfer指的是为深层神经网

miguemath·2020-06-27 13:54

CRNN论文解读与复现

一、NetworkArchitecture1.ConvoluionalLayers:Inputimage:100x32(gray-scaleimage)Conv0:100x32x1*3x3x1x64——>100x32x64(maps:64k:3x3s:1p:1)Maxpool0:100x32x64——>50x16x64(window:2x2s:2)Conv1:50x16x64*3x3x64x128

佳乐Change·2020-06-27 12:47

中科大少年班毕业生撑起AI半壁江山！科技圈天才少年盘点

科技圈天才少年盘点原创：刘燕AI前线AI前线微信号ai-front功能介绍面向AI爱好者、开发者和科学家，提供AI领域技术资讯、一线业界实践案例、搜罗整理业界技术分享干货、AI论文解读。

大吉机器人·2020-06-27 10:35

RAdam论文解读

中国博士生提出最先进AI训练优化器，收敛快精度高，网友亲测：Adam可以退休了论文解读：Radam：ONTHEVARIANCEOFTHEADAPTIVELEARNINGRATEANDBEYOND上面的了链接是对论文的解读

yealxxy·2020-06-27 08:59

Unet++论文解读

论文地址：https://arxiv.org/pdf/1807.10165.pdf作者知乎解读：https://zhuanlan.zhihu.com/p/44958351（推荐先看这篇解读，作者做研究的态度和方式我非常赞同，我自己也是这样做的，觉得比较有效，而且容易激起自身的研究兴趣）接下来，我总结了作者研究的心路历程：（1）Unet这个三年不动的拓扑结构真的一点儿毛病都没有吗？我和作者有过同样的

mjiansun·2020-06-27 05:44

人脸关键点检测PFLD论文解读

liguiyuan112·2020-06-27 04:11

轻量级网络--MobileNet论文解读

MobileNetV1MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplications原文地址：MobileNetV1代码:TensorFlow官方github-Tensorflowgithub-CaffeAbstractMobileNets是为移动和嵌入式设备提出的高效模型。MobileNets基于流线型架构(s

DFann·2020-06-27 02:31

Semantic Segmentation --Improve Semantic Segmentation by Global Convolutional Network（GCN）论文解读

LargeKernelMatters——GCN论文全称：LargeKernelMatters——ImproveSemanticSegmentationbyGlobalConvolutionalNetwork作者栏里面有熟悉的Face++的JianSun~原文地址：LargeKernelMatters——GCN实现代码:PyTorchAbstract在现有的模型架构设计中有这样一个趋势:堆叠小卷积核

DFann·2020-06-27 02:30

Semantic Segmentation--ICNet for Real-Time Semantic Segmentation on High-Resolution Images论文解读

ICNetICNetforReal-TimeSemanticSegmentationonHigh-ResolutionImages原文地址：ICNet代码:github-CaffeTensorFlowAbstractICNet是一个基于PSPNet的实时语义分割网络，设计目的是减少PSPNet推断时期的耗时，论文对PSPNet做了深入分析，在PSPNet的基础上引入级联特征融合模块，实现快速且高质

DFann·2020-06-27 02:30

MTCNN 人脸检测论文解读，及tensorflow代码实现

2.2网络结构2.3代价函数3预测阶段MTCNN简介《JointFaceDetectionandAlignmentusingMulti-taskCascadedConvolutionalNetworks》论文解读

Nine-days·2020-06-27 02:22

GCN学习（转载）

GCN的学习如下：ConvolutionalNeuralNetworksonGraphswithFastLocalizedSpectralFiltering论文解读(andcode)：https://blog.csdn.net

_____miss·2020-06-27 01:59

人脸检测：MTCNN

《JointFaceDetectionandAlignmentusingMulti-taskCascadedConvolutionalNetworks》论文解读。

tinyzhao·2020-06-26 19:11

干货 | 为你解读34篇ACL论文

论文解读共包括LongPapers、ShortPapers、StudentResearchWorkshop、SystemDemonstrations等几个部分。

数据派THU·2020-06-26 17:38

Inception V3论文解读和代码解析

目录论文解读代码解析小结论文解读在介绍inceptionV2时提到过，inceptionV3的论文依据是RethinkingtheInceptionArchitectureforComputerVision

stesha_chen·2020-06-26 14:14

多目标跟踪--统一跟踪框架论文解读

商汤等新出的多目标跟踪论文Multi-ObjectTrackingwithMultipleCuesandSwitcher-AwareClassification。该论文提出了一个融入单目标跟踪网络、ReID网络和数据关联的统一多目标跟踪（MOT）框架。单目标跟踪网络借鉴目前在VOT领域中的最新研究成果Siamese-RPN用于捕获短期线索有助于补偿检测器由于物体遮挡造成的漏检，解决跟丢问题；ReI

JRRG·2020-06-26 14:58

论文解读|【Densenet】密集连接的卷积网络（附Pytorch代码讲解）

@[toc]1简单介绍论文题目：DenselyConnectedConvolutionalNetworks发表机构：康奈尔大学，清华大学，FacebookAI发表时间：2018年1月论文代码：https://github.com/WangXiaoCao/attention-is-all-you-need-pytorchpytorch代码：https://github.com/WangXiaoCao

王小小小草·2020-06-26 11:14

《A Neural Algorithm of Artistic Style》论文解读

最近由于风格迁移这一块调研性比较多，所以接下来会有一系列的风格迁移比较有代表性的论文解读，今天从始祖文《ANeuralAlgorithmofArtisticStyle》开始。

mumumuyanyanyan·2020-06-26 11:15

论文解读： Double DIP

论文解读：Double-DIP”:UnsupervisedImageDecompositionviaCoupledDeep-Image-PriorsUnsupervisedImageDecompositionviaCoupledDeep-Image-Priors

Matrix_11·2020-06-26 09:52

论文解读：手机拍照暗光成像

HandheldMobilePhotographyinVeryLowLight在手机拍照中，暗光拍摄是一个非常有挑战的应用场景，受限于手机的硬件配置，没有单反的大镜头，没有单反的大sensor，所以相对单反来说，手机的硬件配置显得有点先天不足，但是硬件不足，算法来凑，计算摄影，在手机拍照领域，已经越来越受到重视，谷歌更加是这个方向的领先者，这几年，谷歌的计算摄影团队在ACMSiggraph上总是会

Matrix_11·2020-06-26 09:52

深度学习论文解读——知识蒸馏

1.简介在大规模的的机器学习任务中，我们经常需要使用集成学习来训练一些相似的模型，而这会消耗大量的计算资源。并且在部署为实际应用时，也会由于模型/网络过于复杂而难以部署。针对此问题，Hinton提出了一种压缩网络的有效方法——知识蒸馏(KnowledgeDistillation)[1]。并且讨论了知识蒸馏的其他优势。2.蒸馏方法当我们已经有一个训练好的，较为笨重的模型(cumbersomemode

leo的学习之旅(公众号同名)·2020-06-26 01:41

CVPR 2019 论文解读 | 具有高标签利用率的图滤波半监督学习方法

具有高标签利用率的图滤波半监督学习方法本文解读了一篇被CVPR2019大会接收的半监督学习方向的论文,点击此处跳转至arXiv查看原文。在之前AI研习社直播的CVPR论文分享会上，论文的作者之一吴晓明老师做了现场分享，大家可以将第一个回放视频跳转到1:59:23处听吴老师的现场讲解。本文基于论文原文和老师的PPT对文章内容进行了重新梳理和解读，详略适中，希望对大家有帮助。《Label-Effici

AI 研习社·2020-06-26 00:20

CVPR 2019 论文解读 | 基于多级神经纹理迁移的图像超分辨方法 (Adobe Research)

基于多级神经纹理迁移的图像超分辨方法超分辨（Super-Resolution）图像恢复旨在从低分辨模糊图像中恢复出高分辨的清晰图像，是计算机视觉中的一个重要任务，在工业界有非常强的应用前景。CVPR是图像超分辨研究的集中地之一，光今年录用的超分辨及相关研究方向的论文就不下10篇。本文解读其中一篇由Adobe研究院为一作发表的超分辨研究方向的论文。可通过1)原文arXiv链接2)项目主页3)代码gi