论文阅读(English)

论文阅读——Segment Medical Image Using U-Net Combining Recurrent Residuals and Attention

SegmentMedicalImageUsingU-NetCombiningRecurrentResidualsandAttention结合循环残差连接和注意力机制的UNet网络用于医学图像分割
FromMICAD2020Abstract医学图像分割可为临床诊断提供可靠的依据。医学图像分割技术的发展不仅影响着其他医学图像处理技术，比如3D重建等，还在生物医学图像分析中占据极其重要的地位。随着深度学
黄小米吖·2023-10-31 08:54

英语句式参考纯享版 - 主语从句 - 表语从句

that]注意：由从属连词that构成的主语从句，不充当句子成分，不代表实际意义，特殊情况可省略，that口语可省略，句型可以转换为it形式主语[that+主谓宾]+系表ThatwemustlearnEnglishgrammarfirstiswise
we1less·2023-10-31 06:44

蓝蓝的ScalersTalk第七轮新概念朗读持续力训练Day25 20211108

Lesson25DotheEnglishspeakEnglish?
redandblue·2023-10-31 05:38

30-DAY CHALLENGES - NO.12

subtract:王者荣耀(done)今日头条(done)Add:LearnEnglish(done)sleepbefore12pm.(done)getupbefore8pm.
Mr_Waiting·2023-10-31 02:52

QT获取编译时间用于控制版本

//replace()的作用是保证日期为2位，不足的补0//之所以转换是因为_DATE_宏出来的时间格式是月日年的格式QDateDate=QLocale(QLocale::English).toDate
一曲山河醉·2023-10-30 15:32

【论文阅读VLDB23】Online Schema Evolution is (Almost) Free for Snapshot Databases

OnlineSchemaEvolutionis(Almost)FreeforSnapshotDatabases对snapshotDB来说可以几乎在线进行schema的演变。ABSTRACT在现有数据库系统中，对在线和事务模式演变的支持仍然具有挑战性。之前处理这种schema演变基本是patches补丁的方式来做，就会导致很多cornercase，导致一般需要停止DML来执行DDL。本文基于MVCC
Tototototorres·2023-10-30 14:00

ONNX runtime本地终端部署

1、class_index.csv文件：ID,English,Chinese0,A,你1,B,我2,C,他3,D,她2、classification.onnx3、单张图像处理代码如下：importonnxruntimeimporttorchimporttorch.nn.functionalasFimportpandasaspdfromPILimportImagefromtorchvisionimp
Make_magic·2023-10-30 14:56

论文阅读：Fast Optical Flow using Dense Inverse Search

文章目录1.论文总述2021_09_14补充：2.光流鲁棒性遇到的挑战3.保持精度的同时提高速度的一些方法4.Fastinversesearchforcorrespondences5.Fastopticalflowwithmulti-scalereasoning6.FastVariationalrefinement6.1DIS速度7.参数选择及3个结论8.与其他方法对比及4个结论9.本方法的不足之
贾小树·2023-10-30 11:25

论文阅读：Rethinking the Learning Paradigm for Dynamic Facial Expression Recognition【CVPR2023】

文章目录存在的问题：研究思路：研究方法方法概述具体方法三维实例生成实例特征提取动态长期实例聚合实现细节讨论可改进的地方相关概念多实例学习R3D18网络SN可微分学习的自适配归一化论文：https://openaccess.thecvf.com/content/CVPR2023/papers/Wang_Rethinking_the_Learning_Paradigm_for_Dynamic_Faci
卡拉比丘流形·2023-10-30 08:34

S3FD论文阅读笔记

论文：《S3FD:SingleShotScale-invariantFaceDetector》原文链接：https://arxiv.org/abs/1708.05237代码链接：https://github.com/sfzhang15/SFD摘要本文提出了一种基于single-shot尺度不变的人脸实时检测方法，该方法在各种尺度的人脸检测中都具有良好的性能，尤其是在小尺度的人脸检测中。具体来说，我
酉意铭·2023-10-30 06:29

论文阅读笔记格式

写在前面本篇笔记结合了李沐老师论文精读课的第一节【如何读论文】和滑铁卢大学S.Keshav教授写的【Howtoreadpaper】李沐老师课程链接：https://www.bilibili.com/video/BV1H44y1t75x/?spm_id_from=333.999.0.0&vd_source=e0a80296e5f702f44891bb2ca9f637ccS.Keshav教授文章原文：
直博生小艾的科研成长日记·2023-10-30 06:55

论文阅读笔记：A survey of sketches in traffic measurement Design, Optimization, Application

论文阅读笔记：InformationFusion2022:Asurveyofsketchesintrafficmeasurement:Design,Optimization,ApplicationandImplementation
烟花再美，不过·2023-10-30 02:04

《Object Detection in 20 Years: A Survey》论文阅读笔记

这篇文章发表于2019年5月16日，它回顾了1990年~2019年间的400多篇目标检测论文，涵盖了和这一领域相关的众多课题，如目标检测发展过程中的里程碑、目标检测数据集、评价指标、目标检测系统的基本模块、加速技术以及当前的SOTA方法。此外，这篇文章也涉及到一些重要的应用场景，如行人检测、人脸检测以及文本检测等。文章的整体脉络如下：第二部分：目标检测二十多年来的发展史第三部分：加速技术第四部分：
oneoverzero·2023-10-30 02:11

leetcode 面试题 16.08.整数的英语表示

原题如下https://leetcode-cn.com/problems/english-int-lcci/题解/**@v7fgg*执行用时:17ms,在所有Java提交中击败了27.86%的用户*内存消耗
可爱抱抱呀·2023-10-30 02:03

【每日英语听力】20180907 English Pod 口语精讲 D20-I Need More time @ Monster

图片发自AppElementary‐INeedMoreTime蓝色-降调黑色-声调黄色-平调A:So,Casey,howarethingsgoingwiththephotosforthepresskit?B:Yeah,I’vebeenmeaningtotalktoyouaboutthat.Imightneedtoaskforanextensiononthatdeadline.A:You’vehad
般若星星灿的垚淼·2023-10-30 02:59

[毕设记录]@开题调研: 论文阅读记录1

文章目录碎碎念来一波论文阅读记录1.《SmartChatbotforCollegeInformationEnquiryUsingDeepNeuralNetwork》过一遍文章总结吐槽...
临风而眠·2023-10-29 23:40

General Expression In Oral English

1.WithallDueRespect恕我直言，那些和你混在一起的混蛋们只关心政治Withallduerespect,thesesonsofbitchesthatyou'reminglingwith(与..交际)onlycareaboutpolitics
Dream_it_possible！·2023-10-29 22:13

ResNeXt论文阅读笔记.md

目录1.提出背景2.核心思想3.论文核心4.分组卷积5.核心代码论文:AggregatedResidualTransformationsforDeepNeuralNetworks论文地址:https://arxiv.org/abs/1611.05431代码地址Keras:https://github.com/titu1994/Keras-ResNeXtPytorch:https://github.
weixin_30608503·2023-10-29 19:15

论文阅读——RoBERTa A Robustly Optimized BERT Pretraining Approach

RoBERTaARobustlyOptimizedBERTPretrainingApproachAbstractDevlin等人在BERTPre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding提出的BERT预训练研究虽然已达到最优结果，但训练成本比较高，很难彻底得到训练训练的时候通常是在不同大小的私有数据集上进行训练的
Trigger_2017·2023-10-29 18:03

论文阅读——MC-BERT

ConceptualizedRepresentationLearningforChineseBiomedicalTextMining本文介绍本文动机相关工作本文方法1、整个实体MASK2、全跨度Masking3、在生物医学领域的进一步预训练实验1、预训练数据和设置2、Finetuning任务3、实验结果IC数据集个人测试本文介绍论文地址：https://arxiv.org/pdf/2008.108
可乐加冰呀·2023-10-29 18:03

经典论文阅读（4）——BERT

BERT依赖于所有层的上下文进行预训练，学习深度双向表征。屏蔽语言模型MLM随机屏蔽了输入中的一些标记，其目的是根据上下文预测被屏蔽的单词。MLM的目标是将表征融合上下文，以预训练一个深度双向Transformer。除了MLM，还用了一个“下一句预测”任务联合预训练文本对表示。输入表征一个输入token的表征为相应的tokenembedding、segmentembedding、positione
fmf1287·2023-10-29 17:29

论文阅读——BERT

ArXiv：https://arxiv.org/abs/1810.04805github：GitHub-google-research/bert:TensorFlowcodeandpre-trainedmodelsforBERT一、模型及特点：1、模型：深层双向transformerencoder结构BERT-BASE：(L=12,H=768,A=12）BERT-LARGE：(L=24,H=102
じんじん·2023-10-29 17:26

论文阅读——InstructGPT

论文：Training_language_models_to_follow_instructions_with_human_feedback.pdf(openai.com)github：GitHub-openai/following-instructions-human-feedback将语言模型做得更大并不能从本质上使它们更好地遵循用户的意图。例如，大型语言模型可能生成不真实、有害或对用户毫无帮
じんじん·2023-10-29 15:58

[论文阅读]Ghost-free High Dynamic Range Imaging with Context-aware Transformer

多帧高动态范围成像（HighDynamicRangeImaging,HDRI/HDR）旨在通过合并多幅不同曝光程度下的低动态范围图像，生成具有更宽动态范围和更逼真细节的图像。如果这些低动态范围图像完全对齐，则可以很好地融合为HDR图像，但是，实际拍摄到的图像容易受到相机、物体运动的干扰，三张低动态范围图像往往不能很好地得到对齐，直接对三图像做融合的话，所生成的图像容易产生伪影、重影，例如下图所示：
跪求指点·2023-10-29 15:16

HuggingGPT Solving AI Tasks with ChatGPT and its Friends in HuggingFace---论文阅读总结

1、介绍LLMS（Largelanguagemodels）在语言理解、生成、交互和推理方面产生优越的能力，推动了新的研究主题，例如上下文学习、指令学习以及思维链提示。目前LLM技术仍不完善，主要有：限于文本生成的输入和输出形式，当前LLM缺乏处理视觉和语音等复杂信息的能力。在现实场景中，一些复杂任务通常由多个子任务组成，需要多个模型的调度和协作，超出了语言模型的能力。在零样本或少量样本情况下比一些
星冢·2023-10-29 15:10

2020-05-09

周末要回顾一下之前的论文阅读，整理一下教学设计，为下周的比赛做准备
27b99eea3bc7·2023-10-29 14:32

推荐系统论文阅读（五十三)-基于多任务模型的蒸馏召回模型

论文：论文题目：《DistillationbasedMulti-taskLearning:ACandidateGenerationModelforImprovingReadingDuration》论文地址：https://arxiv.org/pdf/2102.07142.pdf中间因为工作原因断更了几个月，今天我们来重新阅读一篇关于蒸馏的论文吧，刚好笔者最近一直在做蒸馏相关的任务。一、背景在qq看
推荐系统论文阅读·2023-10-29 12:57

阿拉鱼的Scalers Talk第五轮新概念朗读持续力训练Day7 2019-10-24

练习材料：Lesson14DoyouspeakEnglish?
小鱼Veronica·2023-10-29 12:29

【论文阅读】Online computation offloading and trajectory scheduling for UAV-enabled wireless powered mobil

文章目录论文基本信息摘要1.引言2.相关工作3.系统模型3.1任务队列模型3.2本地计算3.3基于TDMA（时分多址接入）的任务卸载3.4EnergyQueuingModel能量排队模型3.5无人机能耗（1）UAVserviceenergyconsumption无人机服务能耗（2）UAVflyingenergyconsumption无人机飞行能耗4.PROBLEMFORMULATION问题定式化4
小威W·2023-10-29 11:44

2020-04-16

/结构体的基本用法//习题#include#include;structstudent{intmumber;charname[15];floatchinese;floatmath;floatenglish
王子言_853c·2023-10-29 06:06

MIT Kimera论文阅读笔记

论文出处1.title={Kimera:anOpen-SourceLibraryforReal-TimeMetric-SemanticLocalizationandMapping}2.author={Rosinol,AntoniandAbate,MarcusandChang,YunandCarlone,Luca}3.year={2020}4.booktitle={IEEEIntl.Conf.onR
Compile666·2023-10-28 22:31

CNN可视化论文阅读

论文链接：https://arxiv.org/abs/1311.2901这篇文章采用反卷积的思想实现CNN特征可视化，首先介绍一下什么是反卷积网络。反卷积我们都知道CNN主要是由卷积层和下采样(pooling)层来构建网络结构，一层一层，通过对上一层的输出进行卷积或者pool从而得到维度小一点的featuremaps。而反卷积网络则是一个让特征图像学着映射到原图像的方法，经典的反卷积网络类似于自编
小熊猫Q3·2023-10-28 18:08

166/200反思日记

然后又看了半小时的精要主义之后复习了，学习了一个小时的easyEnglishexpression。又接着洗头。
李Polly·2023-10-28 14:10

Reconstruct Original Digits from English

文章作者：Tyan博客：noahsnail.com|CSDN|1.DescriptionReconstructOriginalDigitsfromEnglish2.Solution解析：Version1
SnailTyan·2023-10-28 14:46

python生成文件夹并向文件夹写文件_Python创建文件夹与文件的快捷方法

项目目录file11创建文件夹file22创建文件1.创建文件夹#批量创建文件夹importos#倒入os模块创建文件夹需要的#保存路径，直接从电脑文件夹中复制过来，但是#注意，直接复制过来的c:\english
weixin_39703468·2023-10-28 10:13

论文阅读——RoBERTa

一、LM效果好但是各种方法之间细致比较有挑战性，因为训练耗费资源多、并且在私有的不同大小的数据集上训练，不同超参数选择对结果影响很大。使用复制研究的方法对BERT预训练的超参数和数据集的影响细致研究，发现BERT训练不够，提出训练BERT的方法RoBERTa。RoBERTa方法：1、训练更长时间、数据集更大2、移除NSP任务3、在更长的序列上训练：Wetrainonlywithfull-lengt
じんじん·2023-10-28 09:23

论文阅读 - Learning Human Interactions with the Influence Model

NIPS'01早期模型要求知识背景：似然函数，极大似然估计、HMM、期望最大化目录1Introduction2TheFacilitatorRoom3TheInfluenceModel3.1(Re)introducingtheInfluenceModel3.2LearningfortheInfluenceModel3.2.1期望——影响力最大化模型3.2.2观察到的影响力模型3.2.3综合数据观察到
无脑敲代码，bug漫天飞·2023-10-28 09:45

论文阅读：RFAConv: Innovating Spatial Attention andStandard Convolutional Operatio|RFAConv:创新空间注意力和标准卷积操作

摘要一、简介3研究方法3.1标准卷积操作回顾3.2空间注意力回顾3.3空间注意与标准卷积运算3.4创新空间注意力和标准卷积操作入数据总结摘要空间注意力被广泛用于提高卷积神经网络的性能。但是，它也有一定的局限性。本文提出了空间注意有效性的新视角，即空间注意机制从本质上解决了卷积核参数共享问题。然而，空间注意生成的注意图所包含的信息对于大尺寸卷积核是不够的。因此，我们提出了一种新的注意机制——接受场注
LL.009·2023-10-28 07:42

论文阅读——ELECTRA

论文下载：https://openreview.net/pdf?id=r1xMH1BtvB另一篇分析文章：ELECTRA详解-知乎一、概述对BERT的tokenmask做了改进。结合了GAN生成对抗模型的思路，但是和GAN不同。不是对选择的token直接用mask替代，而是替换为一个生成器网络产生的token。然后训练模型时并不是只被破坏的token，而是训练一个辨别模型来预测这些被破坏的输入的每
じんじん·2023-10-28 05:15

论文阅读——DistilBERT

ArXiv：https://arxiv.org/abs/1910.01108TrainLoss:DistilBERT：DistilBERT具有与BERT相同的一般结构，层数减少2倍，移除token类型嵌入和pooler。从老师那里取一层来初始化学生。Thetoken-typeembeddingsandthepoolerareremovedwhilethenumberoflayersisreduce
じんじん·2023-10-28 05:14

论文阅读——BART

Arxiv:https://arxiv.org/abs/1910.13461一个去噪自编码器的预训练序列到序列的模型。是一个结合了双向和自回归transformers的模型。预训练分为两个阶段：任意噪声函数破坏文本和序列模型重建原始文本一、模型input：被破坏的文本-->bidirectionalencoder-->left-to-rightautoregressivedecoder-->out
じんじん·2023-10-28 05:14

论文阅读——BERT

BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding1.Motivation2.Contribution3.Method3.1BERT3.2Pre-trainingBERT3.3Fine-tuningBERT4.Experiment4.1GLUE4.2SQuADv1.14.3SWAG4.4Ablation1
猫猫头不写bug·2023-10-28 05:37

论文阅读——MAE

MaskedAutoencodersAreScalableVisionLearners1.一些乱七八糟的知识1.Motivation2.Contribution3.Method3.1核心思想3.2Method4.Experiment4.1MainProperties4.2ComparisonswithPreviousResults4.3在迁移学习上的效果论文地址：https://arxiv.org
猫猫头不写bug·2023-10-28 05:07

论文阅读——GPT3

来自论文：LanguageModelsareFew-ShotLearnersArxiv：https://arxiv.org/abs/2005.14165v2记录下一些概念等。，没有太多细节。预训练LM尽管任务无关，但是要达到好的效果仍然需要在特定数据集或任务上微调。因此需要消除这个限制。解决这些问题的一个潜在途径是元学习——在语言模型的背景下，这意味着该模型在训练时发展了一系列广泛的技能和模式识别
じんじん·2023-10-28 05:29

感恩日记

感恩今天沙老师增加了放生款，2.感恩芷慧下水帮忙放生，感恩她的配合，3.感恩太太今早蒸的美味的红薯，4.感恩妈妈身体健康，让我们们子女没有后顾之忧，5.感恩姐姐在我上学时对我的帮助，6.感恩少萍带她儿子和朋友过店里来了解iEnglish
吕术利·2023-10-28 04:35

泽平 的ScalersTalk第七轮新概念朗读持续力训练Day 242 20211119

练习材料：Lesson36AcrosstheChannelDebbieHartisgoingtoswimacrosstheEnglishChanneltomorrow.SheisgoingtosetoutfromtheFrenchcoastatfiveo'clockinthemorning.Debbieisonlyelevenyearsoldandshehopestosetupanewworldr
郑泽平·2023-10-28 00:11

【自监督论文阅读 4】BYOL

文章目录一、摘要二、引言三、相关工作四、方法4.1BYOL的描述4.2IntuitionsonBYOL’sbehavior（BYOL行为的直觉）4.3实验细节五、实验评估5.1LinearevaluationonImageNet（ImageNet上的线性评估）5.2Semi-supervisedtrainingonImageNet（ImageNet上的半监督训练）5.3Transfertoothe
hjxu2016·2023-10-27 22:20

Day1

singingbyaChineseboyataTVShow.It'samazing,notonlythesong,theperformance,butalsothepronounciationofhisoralEnglish.Hopeyoulikeit
富足的yuki·2023-10-27 20:36

[论文阅读]TR3D——迈向实时室内3D目标检测

TR3DTOWARDSREAL-TIMEINDOOR3DOBJECTDETECTION迈向实时室内3D目标检测论文网址：TR3D论文代码：TR3D论文简读这篇论文提出了TR3D,一个用于室内3D对象检测的快速且准确的全卷积网络方法。主要贡献如下:提出TR3D网络结构,相比普通的连通域卷积处理稀疏的3D数据更有效率。TR3D是在FCAF3D(ECCV2022)的基础上改进的，FCAF3D是一个用于3
一朵小红花HH·2023-10-27 19:40

[论文阅读]centerpoint——基于Center的三维目标检测与跟踪

centerpoint基于Center的三维目标检测和跟踪论文网址：centerpointcenterpoint前向传播过程1.输入:点云数据P2.经过3D编码器(如VoxelNet或者PointPillars),生成俯视图特征图M3.进入检测头,首先是一个可学习的3x3卷积层、BN层、ReLU激活函数4.分支到两个头:(1)中心点heatmap头:进行几个卷积生成K个热力图,表示K类目标的中心点
一朵小红花HH·2023-10-27 19:39
上一页 33 34 35 36 37 38 39 40 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他