超分辨论文笔记第8页

【论文笔记】Holographic embeddings of knowledge graphs

github代码摘要提出全息嵌入（HOLE）来学习整个知识图的组合向量空间表示。背景现有的能够捕获关系数据中丰富交互的嵌入模型通常在可伸缩性方面受到限制。反之亦然，可以有效计算的模型通常表达能力要低得多。1.本文引入全息嵌入（HOLE），它使用实体嵌入（向量表示）的循环关联来创建二进制关系数据的组合表示。通过使用相关性作为组合运算符，HOLE可以捕获丰富的交互，但同时保持计算效率高、易于训练、可扩

CodingJazz·2023-11-20 08:15

【论文笔记】Relation Embedding with Dihedral Group in Knowledge Graph

摘要提出了一个新的模型称为二面体，以二面体对称群命名。这种新模型学习知识图嵌入，可以自然地捕获关系组合。此外，我们的方法对离散值参数化的关系嵌入进行建模，从而大大减少了解空间。背景关系组合的一个关键特性是，在许多情况下，它可以是非交换的。例如，在的父母和配偶之间交换顺序将导致完全不同的关系（父母与法律中的父母）。我们认为，为了在链接预测任务中学习关系组合，这种非交换属性应该被显式地建模。在本文中，

CodingJazz·2023-11-20 08:15

【论文笔记】EMBEDDING ENTITIES AND RELATIONS FOR LEARN-ING AND INFERENCE IN KNOWLEDGE BASES

摘要提出了一个准确率更高的双线性公式，一个利用学习到的关系嵌入来挖掘逻辑规则的方法。背景在可扩展到大型知识库的关系学习方法上有张量因子分解和基于神经嵌入的模型两种流行的方法。它们学习使用实体与关系的低维来表示编码关系。本文重点研究了基于能量目标的神经嵌入模型。最近的嵌入模型TransE比RESCAL等张量因子分解方法预测性能更好。本文贡献：(1)提出了一个通用的多关系学习框架，该框架统一了过去开发

CodingJazz·2023-11-20 08:45

Deep Learning for Image and Point Cloud Fusion in Autonomous Driving: A Review（自动驾驶图像点云融合深度学习综述）论文笔记

原文链接：https://arxiv.org/pdf/2004.05224.pdfII.深度学习的简要回顾B.点云深度学习本文将点云深度学习方法分为5类，即基于体素、基于2D视图、基于点、基于图以及基于索引/树的方法。（2）基于索引/树的方法引入树状数据结构（如kd树、八叉树），自适应地划分分辨率，减小计算量。通过建立不平衡的树，可以根据点云密度划分区域。这样，点密度低的区域可以有低分辨率。根据树

byzy·2023-11-20 07:35

MVSNet论文笔记

知识推荐号·2023-11-20 03:40

水一水前端

------------[230405]--------------------------------------------------------------------------+添加GPU超分辨率功能到内置的

m0_63628140·2023-11-20 02:22

基于深度学习的超分辨率综述

1.单图像超分辨率重建SISR方法框架由两部分组成，非线性映射学习和上采样模块。

teacher_ma_·2023-11-20 02:21

基于深度学习的单帧图像超分辨率重建综述

论文标题：基于深度学习的单帧图像超分辨率重建综述作者：吴靖，叶晓晶，黄峰，陈丽琼，王志锋，刘文犀发表日期：2022年9月阅读日期：2023.11.18研究背景：图像超分辨率重建是计算机视觉中的基本图像处理技术之一

小蒋的技术栈记录·2023-11-20 02:46

网络空间安全论文笔记3——缺陷

Asystematicliteraturereviewonsoftwaredetectpredictionusingartificialintelligence:Datasets,DataValidationMethods,Approaches,andTools软件缺陷预测的系统文献综述：从数据集、数据验证方法、缺陷检测和预测方法、工具以及对未来研究人员的建议几个角度展开缺陷预测方法框架发现缺陷的

TARO_ZERO·2023-11-19 21:53

【时间序列综述】Transformer in Time Series：A Survey 论文笔记

文章全名：TransformersinTimeSeries:ASurvey文章链接：[论文地址]([2202.07125v2]TransformersinTimeSeries:ASurvey(arxiv.org))来源：IJCAI2023完成单位：阿里巴巴达摩院、上海交通大学摘要Transformer在自然语言处理和计算机视觉领域都取得了诸多成果，Transformer的捕获长距离依赖和交互的能力

Henry_Zhao10·2023-11-19 19:03

深度学习中对抗生成网络GAN背后的数学原理

GAN的主要应用目标：生成式任务（生成、重建、超分辨率、风格迁移、补全、上采样等）GAN的核心思想：生成器G和判别器D的一代代博弈生成器：生成网络，通过输入生成图像判别器：二分类网络，将生成器生成图像作为负样本

金戈鐡馬·2023-11-19 19:58

【RL+Transformer综述】A Survey on Transformers in Reinforcement Learning论文笔记

文章题目：ASurveyonTransformersinReinforcementLearning论文地址：论文地址来源：arxiv完成单位：清华大学、北京大学、BAAI、腾讯IntroductionTransformer结构能够建模长期的依赖关系，并且具有良好的伸缩性（可处理不同长度的序列数据）最初将Transformer运用到强化学习，是通过将自注意力应用到表征学习，来提取实体间的关系，从而更

Henry_Zhao10·2023-11-19 19:56

【论文笔记】OCR

github.com/murtazahassan/Learn-OpenCV-in-3-hourshttps://www.cnblogs.com/skyfsm/p/8029668.html《转载OCR技术系列》https://www.cnblogs.com/wujianming-110117/p/12600905.html《字符识别OCR原理及应用实现》01基于传统算法的OCR技术传统的OCR技术通

zoroooooo·2023-11-19 08:43

CV综述图像超分辨率整理---目录

CV综述图像超分辨率整理---目录图像任务图像增强之SR任务视频任务之SR任务OCR任务图像分类目标检测图像分割正文：图像增强之SR任务学习SR文档：参考博客:典型应用常见挑战比赛/数据集经典SR方法插值法

慕一Chambers·2023-11-19 08:39

论文笔记之DeepFM: A Factorization-Machine based Neural Network for CTR Prediction

DeepFM:AFactorization-MachinebasedNeuralNetworkforCTRPrediction目标：CTR预估文中指出以前的CTR预估模型仅考虑low-order的特征交互或者仅考虑high-order的特征交互，或者需要手工设计特征。文中提出了DeepFM来同时学习low-order和high-order的特征交互，并且不需要手工设计特征。DeepFMDeepFM

小弦弦喵喵喵·2023-11-19 07:13

SENET论文笔记注意力机制

SENet论文笔记注意力机制Squeeze-and-ExcitationNetworks2019Abstract传统卷积都是在特征层级上通过提高空间编码质量提高表示能力SENet注重通道关系，自适应地调整通道方向特征图权重

B1CK·2023-11-19 06:10

Cascade-MVSNet论文笔记

Cascade-MVSNet论文笔记摘要1立体匹配（StereoMatching）2多视图立体视觉（Multi-ViewStereo）3立体视觉和立体视觉的高分辨率输出4代价体表达方式（CostvolumeFormulation

知识推荐号·2023-11-18 22:34

【论文笔记】基于在线预测和规划的机器人动态跟踪抓取方法

目录摘要关键词0引言1在线预测与运动规划算法设计(1)在线预测(2)运动规划(3)动态跟踪及抓取2动态跟踪算法设计3实验验证3.1动态跟踪抓取实验(1)系统框架(2)动态跟踪抓取实验3.2融合轨迹连续性3.3动态跟踪鲁棒性4结语摘要内容：基于ROS框架，以6自由度ABB机器人为研究对象，设计了一种基于在线预测和规划的机器人动态跟踪抓取方法。问题的提出与解决：通过预先检测目标物的运动状态在线预测其运

Ctrl+Alt+L·2023-11-17 15:15

机器学习笔记（伪标签）/论文笔记 Pseudo-Label: The Simple and Efficient Semi-Supervised Learning Method for Deep Neu

Pseudo-Label:TheSimpleandEfficientSemi-SupervisedLearningMethodforDeepNeuralNetworks20131伪标签未标记的数据由监督学习网络标记。（将具有最大预测概率的类作为伪标签）然后使用标记数据和伪标记数据训练网络。2伪标签的损失函数损失函数分为真实标签部分和伪标签部分伪标签部分的权重使用a(t)来进行调节，如果a(t)特别

UQI-LIUWJ·2023-11-16 12:24

【知识增强】A Survey of Knowledge-Enhanced Pre-trained LM 论文笔记

ASurveyofKnowledge-EnhancedPre-trainedLanguageModelsLinmeiHu,ZeyiLiu,ZiwangZhao,LeiHou,LiqiangNie,SeniorMember,IEEEandJuanziLi2023年8月的一篇关于知识增强预训练模型的文献综述论文思维导图思维导图网页上看不清的话，可以存储到本地再看大纲笔记摘要:预训练语言模型(PLMs)

辰阳星宇·2023-11-16 06:37

NovelD: A Simple yet Effective Exploration Criterion论文笔记

NovelD:一种简单而有效的探索准则1、Motivation针对稀疏奖励环境下的智能体探索问题，许多工作中采用各种内在奖励(IntrinsicReward)设计来指导困难探索环境中的探索，例如：ICM：基于前向动力学模型的好奇心驱动探索RND：基于随机网络蒸馏驱动的探索Count-Based：基于伪计数驱动的探索但是本文作者从实验中观察到，如果有多个感兴趣的区域，这些方法有时会很快使智能体被困在

Gabriel17·2023-11-16 06:31

论文笔记——BiFormer

Title:BiFormer:VisionTransformerwithBi-LevelRoutingAttentionPaper:https://arxiv.org/pdf/2303.08810.pdfCode:https://github.com/rayleizhu/BiFormer一、前言众所周知，Transformer相比于CNNs的一大核心优势便是借助自注意力机制的优势捕捉长距离上下文依

Sciws·2023-11-16 06:56

[论文笔记]DDRNet

AbstractDDRNet由两个深度分支组成，在这两个分支之间执行多次双边融合上下文提取器DeepAggregationPyramidPoolingModule(DAPPM)扩大有效感受域，并基于低分辨率特征映射融合多尺度上下文精度高且轻量IntroductionBisenet提出了一种由空间路径和上下文路径组成的新型双边网络，空间路径利用三个相对较宽的3×3卷积层来捕获空间细节，上下文路径是一

Meliodas`·2023-11-16 03:18

论文笔记——Camouflaged Object Detection

文章目录1简介2网络结构2.1SearchModule(SM)2.2IdentificationModule(IM)2020年CVPR的一篇文章，文章名为“伪装物体检测”。代码地址1简介伪装物体：“无缝”嵌入周围环境的物体。分为两类自然伪装物体：一般是动物，如昆虫，头足类动物；人工伪装物体：缺陷，游戏艺术隐藏信息。伪装物体检测与其他任务的区别和联系：我们可以从上面这幅图看出，通用物体指的是图像中所

随机ID·2023-11-15 14:39

「需求广场」需求词更新明细（十六）

2022.7.12上线需求词：No.需求词No.需求词No.需求词1超分辨率重建95idea快捷键189pid调参2视频编解码96linux切换到root用户190openmv与arduino串口通信3fpga

CSDN文库小助手·2023-11-15 11:29

【Python&图像超分】Real-ESRGAN图像超分模型（超分辨率重建）详细安装和使用教程

1前言图像超分是一种图像处理技术，旨在提高图像的分辨率，使其具有更高的清晰度和细节。这一技术通常用于图像重建、图像恢复、图像增强等领域，可以帮助我们更好地理解和利用图像信息。图像超分技术可以通过多种方法实现，包括插值算法、深度学习等。其中，深度学习的方法在近年来得到了广泛的关注和应用。基于深度学习的图像超分技术，可以利用深度神经网络学习图像的高频部分，从而提高了图像的分辨率和清晰度。目前应用较多的

RS迷途小书童·2023-11-15 09:00

多模态情感分析研究综述论文笔记

这里写目录标题论文标题引言论文学术结构1、总体介绍2、介绍叙述式多模态情感分析3、介绍交互式多模态情感分析4、多模态情感分析存在的交互建模科学问题5、结束语阅读论文初体验思维导图论文标题《多模态情感分析研究综述》引言多模态情感分析现已成为自然语言处理领域的核心研究课题之一，分为两类子课题：1、叙述式多模态情感分析2、交互式多模态情感分析论文学术结构1、总体介绍从情感分析这个大方面出发，结合现代社会

Daniel_Muei·2023-11-15 04:27

MobileSAM论文笔记

摘要自Meta研究团队发布SAM（SegmentAnythingModel）项目依赖，因其令人惊艳的零样本迁移特性和与其他视觉应用兼容的高通用性，引起了极大的关注。由于大多数类似的应用都需要运行在资源限制的边缘设备，如手机，因此，本文的目标是通过使用轻量化的encoder替换原始计算量大的encoder使其称为移动友好型模型。一个简单的思路是按照SAM原文训练一个新的轻量化的SAM，但是效果不理想

hello_dear_you·2023-11-13 14:14

论文笔记--Baichuan 2: Open Large-scale Language Models

论文笔记--Baichuan2:OpenLarge-scaleLanguageModels1.文章简介2.文章概括3文章重点技术3.1预训练3.1.1预训练数据3.1.2模型架构3.2对齐3.2.1SFT3.2.2RewardModel

Isawany·2023-11-13 11:15

BEVFormer论文笔记（详细版）

论文论文链接：《BEVFormer:LearningBird’s-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotemporalTransformers》代码链接：https://github.com/zhiqi-li/BEVFormer阅读顺序：我之前在哔哩哔哩上跟着李沐一起读论文，按照他的方法：先看题目（比如这篇文章，它的重点就是Sp

西米611·2023-11-12 13:36

NL2SQL领域：RAT-SQL论文笔记

RAT-SQL:Relation-AwareSchemaEncodingandLinkingforText-to-SQLParsers以关系感知的方法对数据库模式编码和链接的text-to-SQL模型1.问题聚焦：SchemaEncoding：对表结构（表名、列名、列类型、主键、外键等等）进行编码SchemaLinking：把Question中表述的内容与具体的表名和列名对齐2.主要创新点：包含“

mochine·2023-11-12 10:49

论文笔记：SimiDTR: Deep Trajectory Recovery with Enhanced Trajectory Similarity

DASFFA20231intro1.1背景由于设备和环境的限制（设备故障，信号缺失），许多轨迹以低采样率记录，或者存在缺失的位置，称为不完整轨迹恢复不完整轨迹的缺失空间-时间点并降低它们的不确定性是非常重要的一般来说，关于轨迹恢复的先前研究可以分为两个方向第一个方向：模拟用户在不同位置之间的转换模式，以预测用户的缺失位置本质上是一个分类任务，恢复的轨迹通常由位置或POI组成第二个方向：基于记录的不

UQI-LIUWJ·2023-11-12 01:46

论文笔记：AttnMove: History Enhanced Trajectory Recovery via AttentionalNetwork

AAAI20211intro1.1背景将用户稀疏的轨迹数据恢复至细粒度的轨迹数据是十分重要的恢复稀疏轨迹数据至细粒度轨迹数据是非常困难的已观察到的用户位置数据十分稀疏，使得未观察到的用户位置存在较多的不确定性真实数据中存在大量噪声，如何有效的挖掘周期性规律存在一定困难经常在历史轨迹中被访问的地点并不一定会是目标时间窗缺失的地点，如何利用用户历史上的位置数据是另一个挑战1.2论文思路提出了一个基于注

UQI-LIUWJ·2023-11-12 01:14

【论文笔记】Denoising Diffusion Probabilistic Models

PreKnowledge1.条件概率的一般形式P(A,B)=P(B∣A)P(A)P(A,B)=P(B|A)P(A)P(A,B)=P(B∣A)P(A)P(A,B,C)=P(C∣B,A)P(B,A)=P(C∣B,A)P(B∣A)P(A)P(A,B,C)=P(C|B,A)P(B,A)=P(C|B,A)P(B|A)P(A)P(A,B,C)=P(C∣B,A)P(B,A)=P(C∣B,A)P(B∣A)P(A)

xhyu61·2023-11-11 17:02

CRNN论文笔记

CRNN最近在看天池大赛的学习赛零基础入门CV-街景字符编码识别，其中官方给出的demo中baseline就有CRNN版本，因此在这里看一看CRNN的论文。前期知识储备：概率论：了解基本的概率论知识，掌握条件概率的概念和公式CNN：了解卷积神经网络CNN的结构，掌握CNN的基本工作原理LSTM：了解长短时记忆网络LSTM的结构，掌握LSTM的基本工作原理CTC：了解CTC算法的思想，掌握基于DP实

在学习的王哈哈·2023-11-11 12:15

Exploration by random network distillation论文笔记

ExplorationbyRandomNetworkDistillation(2018)随机网络蒸馏探索0、问题这篇文章提出的随机网络蒸馏方法与Curiosity-drivenExplorationbySelf-supervisedPrediction中提出的好奇心机制的区别？猜想：本文是基于随机网络蒸馏提出的intrinsicreward设计方式，好奇心是基于前向动力学模型的误差设计的intri

Gabriel17·2023-11-11 02:30

Count-based exploration with neural density models论文笔记

Count-basedexplorationwithneuraldensitymodels[J].InternationalConferenceonMachineLearning,InternationalConferenceonMachineLearning,2017.基于计数的神经密度模型探索0、问题这篇文章的关键在于弄懂pseudo-count的概念，以及是如何运用pseudo-count去

Gabriel17·2023-11-11 02:57

Discrete Cosine Transform Network for Guided Depth Map Super-Resolution

DiscreteCosineTransformNetworkforGuidedDepthMapSuper-ResolutionCVPR2022论文下载地址：https://arxiv.org/pdf/2104.06977论文代码地址：https://github.com/Zhaozixiang1228/GDSR-DCTNet引导深度超分辨率

Nemoforest·2023-11-11 02:51

论文笔记：DALL-E2：Hierarchical Text-ConditionalImage Generation with CLIP Latents(未完成)

本文鉴于作为参考感谢作者论文笔记：DALL-E2：HierarchicalText-ConditionalImageGenerationwithCLIPLatents详解_hierarchicaltext-conditionalimagegenerationwit_nocol

VimpireSC·2023-11-10 22:06

获奖算法模型开源，RTE 2020超分辨率图像质量挑战赛圆满落幕

9月26日，RTE2020Innovationchallenge超分辨率图像质量挑战赛，在线上结束的决赛比拼。这个赛道主要考察图像超分辨率算法模型的同时兼顾性能图像的质量的能力。

声网·2023-11-10 22:45

AIGC：使用生成对抗网络GAN实现MINST手写数字图像生成

GAN的应用十分广泛，它的应用包括图像合成、图像编辑、风格迁移、图像超分辨率以及图像转换，数据增强等。1.1背景具有开创性工作的生成对抗网

智慧医疗探索者·2023-11-10 18:33

Learning an Animatable Detailed 3D Face Model from In-The-Wild Images论文笔记

LearninganAnimatableDetailed3DFaceModelfromIn-The-WildImages论文笔记论文目标:提出一个端到端的框架,可以从非受控的图片中学习高质量、可动画的3D

binlin1209·2023-11-10 10:28

论文笔记系列-Neural Network Search ：A Survey

论文笔记系列-NeuralNetworkSearch：ASurvey论文笔记NASautomlsurveyreviewreinforcementlearningBayesianOptimizationevolutionaryalgorithm

aiwanghuan5017·2023-11-10 01:17

论文笔记：CVPR2021 Bottom-Up Shift and Reasoning for Referring Image Segmentation

任务名字：ReferringImageSegmentation(RIS)keywords：one-stageRIS、graph、relationreasoning背景：方法比较vision-and-languageapproachesbasedontheirdesigningprinciples,（1）multimodalfusionandrepresentationlearning（2）lang

_击空明兮溯流光_·2023-11-09 23:44

传音影像团队图像超分辨领域的论文被国际计算机视觉顶级会议ICCV 2023录用

传音影像团队与哈尔滨工业大学机器学习研究中心合作完成的图像超分辨领域的论文“MetaF2N:BlindImageSuper-ResolutionbyLearningEfficientModelAdaptationfromFaces

IT观察·2023-11-09 21:37

论文笔记：CROSSFORMER: TRANSFORMER UTILIZING CROSSDIMENSION DEPENDENCY FOR MULTIVARIATE TIME SERIES FOREC

ICLR20231intro1.1motivation之前用Transformer预测时间序列的工作，大多集中在建模时间维度的关系上。利用时间维度的自注意力机制，建立不同时间步之间的关系而在多元时间序列预测中，各个变量之间的关系也很重要。之前的模型，主要是将每个时间步的多元变量压缩成一个embedding，再进行时间维度的attention。这种方法的问题是缺少对不同变量之间关系的建模，直接每个时

UQI-LIUWJ·2023-11-09 14:26

Markov Chain Fingerprinting to Classify Encrypted Traffic 论文笔记

0.Abstract在本文中，提出了用于SSL/TLS会话中传输的应用程序流量的随机指纹。这个指纹基于一阶齐次马尔可夫链，模型识别应用程序的准确率，并提供了检测异常对话的可能性。1.Introduction通过SSL/TLS会话时的头部信息创建统计指纹，用于分类应用流量。研究了12个使用SSL/TLS的代表性应用程序的马尔可夫链指纹，建立的模型展现出特定的结构，这种结构能够通过比较应用程序流量和和

想出成果的acmer·2023-11-09 05:55

论文笔记：SSD: Single Shot MultiBox Detector

一、基本信息标题：SSD:SingleShotMultiBoxDetector时间：2016引用格式：Liu,Wei,etal.“Ssd:Singleshotmultiboxdetector.”Europeanconferenceoncomputervision.Springer,Cham,2016.二、研究背景相比FasterRCNN有明显的速度优势，相比YOLO又有明显的mAP优势（不过已经被

snoopy_21·2023-11-09 02:45

论文笔记：AAAI 2019 Hypergraph Neural Networks

1.前言论文链接：http://gaoyue.org/paper/HGNN.pdfgithub：https://github.com/iMoonLab/HGNN在本文中提出了一个用于数据表示学习的超图神经网络(HGNN)框架，它可以在超图结构中编码高阶数据相关性。面对在实践中学习复杂数据表示的挑战，特别是在处理复杂数据时，超图在数据建模方面更加灵活。该方法设计了超边卷积运算来处理表示学习过程中的数

饮冰l·2023-11-08 19:46

【论文笔记】Point Cloud Forecasting as a Proxy for 4D Occupancy Forecasting

原文链接：https://arxiv.org/abs/2302.131301.引言运动规划需要预测其余物体的运动，但相应的感知模块如建图、目标检测、跟踪和轨迹预测通常都需要大量人力标注HD地图、语义标签、边界框或物体的轨迹，难以扩展到大型无标签数据集上。3D点云预测是一种自监督方法，但其算法隐式地捕捉传感器的外参（自车运动）、内参（激光雷达的采样模式）和其余物体的形状与运动。但自动驾驶系统需要预测

byzy·2023-11-08 18:50

推荐频道

超分辨论文笔记