（long-tail）论文阅读

论文阅读和分析：A Robust Motion Artifact Detection Algorithm for Accurate Detection of Heart Rates

论文阅读和分析：ARobustMotionArtifactDetectionAlgorithmforAccurateDetectionofHeartRatesfromPhotoplethysmographicSignalsusingTime-FrequencySpectralFeatures
KPer_Yang·2023-06-10 08:34

论文阅读和分析：CorNET Deep Learning Framework for Heart Rate Estimation and Biometric Identification

运动伪影造成的结果：最大谱峰不是心率。算法架构：算法用于解决两个问题：1、使用回归得到心率；2、使用分类识别受试者；note:识别受试者出现数据不平衡问题，因为是20个受试者做二分类任务：1:19.解决方法是对Loss加权。（theclasslossisweightedtooffsettheclassimbalance.）note:算法的输入是原始PPG信号，长度L=1000.网络架构：网络使用的
KPer_Yang·2023-06-10 08:33

论文阅读和分析：Binary CorNET Accelerator for HR Estimation From Wrist-PPG

主要贡献：一种完全二值化网络(bCorNET)拓扑结构及其相应的算法-架构映射和高效实现。对CorNET进行量化后，减少计算量，又能实现减轻运动伪影的效果。该框架在22个IEEESPC受试者上的MAE为6.67±5.49bpm。该设计采用ST65nm技术框架，实现3GOPS@1MHz，每个窗口消耗56.1μJ\muJμJ，占用1634KNAND2等效单元面积，从PPG信号估计每隔2s的HR延迟，变
KPer_Yang·2023-06-10 08:00

【论文阅读】ControlNet

简介目标：加入额外的条件（例如边缘图像，深度图像）控制生成的图像现有挑战特定领域上的数据较少，而预训练模型很大，很容易出现过拟合的情况。在资源有限的情况下，只能选择pretrain-finetune的训练方式端到端的训练对于使用是很有必要的idea：将预训练模型拷贝两份分别为：lockedcopy和trainablecopy。前者保留了原始模型的能力，后者使用小样本进行微调。然后通过zerocon
hei_hei_hei_·2023-06-10 05:23

【论文阅读】REPLUG: Retrieval-Augmented Black-Box Language Models

文章目录前言REPLUGREPLUGLSR:TrainingtheDenseRetrieverComputingRetrievalLikelihoodComputingLMlikelihood前言原文地址：REPLUG:Retrieval-AugmentedBlack-BoxLanguageModels本文提出REPLUG，一个将语言模型视为黑盒检索增强的语言模型架构。在REPLUG中，仅将检索得
长命百岁️·2023-06-10 04:01

【论文阅读】Language Models are Few-Shot Learners(GPT-3)

前言本文简要介绍了GPT-3的背景，模型架构，训练数据以及训练方式部分。具体训练细节，实验结果很多，可以在用到的时候再看Intro本文剖析了pretrain-finetune架构存在的问题：对于每个新的任务，都需要大量的标注数据将表达能力更强的模型（预训练阶段要求用大模型）在比较窄的数据（微调阶段是在narrow数据分布上进行的）上训练是不合理的。大模型的效果并不能泛化到OOD数据上人类在接触一个
长命百岁️·2023-06-10 04:29

【论文阅读】Neuralangelo：高保真神经表面重建

【论文阅读】Neuralangelo：高保真神经表面重建Abstract1.Introduction2.Relatedwork3.Approach3.1.预备工作3.2.数值梯度计算3.3.渐进细节层次
WoooChi·2023-06-10 01:32

周二 2021-01-12 23:37 - 07:08 晴 09h07m

看摄影的书，原因，借了没看心里不爽，就看完了周二2021-01-1223:37-07:08晴09h07m一时间记录二概述今天早上睡到7点，然后交流，刷题，拍照，阅读，洗漱，吃饭上午和好朋友交流，日常任务，论文阅读
么得感情的日更机器·2023-06-09 18:14

论文阅读——Fast-BEV: A Fast and Strong Bird’s-Eye ViewPerception Baseline

该论文是商汤科技在BEV(Bird’s-EyeView)方面做的一个又快又准的一个baseline，并实现了在车载芯片，GPU，CPU上均可进行部署。并取得了不错的效果。论文地址：https://arxiv.org/pdf/2301.12511v1.pdf代码地址：https://github.com/sense-gvt/fast-bev一、摘要：近年来，基于鸟瞰(BEV)表示的感知任务受到越来越
吴晓Q·2023-06-09 12:43

宽度学习系统BLS推广到在线学习的论文阅读记录

BELS:ABROADENSEMBLELEARNINGSYSTEMFORDATASTREAMCLASSIFICATION摘要：这篇文章主要是将BLS推广到适用于在线学习的邻域，提出了其如何进行适合在线学习的增量更新，以及面对概念漂移的适应所提出的算法BELS稀疏特征映射的更新在BLS原论文也提到了如何更好的提取特征，然后文中介绍了利用稀疏自编码器的方式并利用ADMM求解权重的过程。那么为了让这个过
FavoriteStar·2023-06-09 11:49

SS-ELM-AE与S2-BLS相关论文阅读记录

Broadlearningsystemforsemi-supervisedlearning摘要：本文认为，原始BLS采用的稀疏自编码器来生成特征节点是一种无监督学习方法，这意味着忽略了标注数据的一些信息，并且难以保证同类样本之间的相似性和相邻性，同时SS-BLS和BLS都是构造线性模型，当不同类的样本分布存在重叠时，难以取得良好的分类效果。因此本文提出了一种新的半监督BLS——S2-BLS。SS-
FavoriteStar·2023-06-09 11:49

进行新类检测以及概念漂移适应的半监督分类框架SACCOS论文阅读笔记

介绍本文主要想解决基于聚类的概念漂移检测方法中常做出的强假设问题，即假设同类比较接近，异类比较远离，并且还假设新类别出现时通常会连续大量出现。针对这些问题，本文提出了一种基于数据流的半监督自适应分类框架SACCOS，能够在概念漂移和概念进化的情况下进行标签预测。主要贡献为：提出了一个半监督框架，它使用基于图的聚类技术来解决概念漂移和概念进化问题对数据流中的数据实例进行在线归一化，以统一其规模，并使
FavoriteStar·2023-06-09 11:48

(GPT3)Language Models are Few-Shot Learners论文阅读

论文地址：https://arxiv.org/pdf/2005.14165v4.pdf摘要最近的工作表明，通过对大量文本语料库进行预训练，然后对特定任务进行微调，许多NLP任务和基准测试取得了实质性进展。虽然在体系结构中通常与任务无关，但此方法仍然需要特定于任务的微调数据集，其中包含数千或数万个示例。相比之下，人类通常只能通过几个例子或简单的指令来执行一项新的语言任务——这是当前的NLP系统在很大
茫茫人海一粒沙·2023-06-09 09:57

论文阅读：CIL: Contrastive Instance Learning Framework for Distantly SupervisedRelation Extraction

论文：CIL:ContrastiveInstanceLearningFrameworkforDistantlySupervisedRelationExtraction用于远距离监督关系提取的对比实例学习框架链接：[2106.10855]CIL:ContrastiveInstanceLearningFrameworkforDistantlySupervisedRelationExtraction(a
三三木木七·2023-06-09 06:04

【论文阅读】Twin Neural Network Regression

论文下载GitHubbib:@ARTICLE{SebastianKevin2022Twin,title={Twinneuralnetworkregression},author={SebastianJohannWetzelandKevinRyczkoandRogerGordonMelkoandIsaacTamblyn},journal={AppliedAILetters},year={2022},
来日可期1314·2023-06-09 02:13

【论文阅读】Semi-Supervised Deep Regression with Uncertainty Consistency and Variational Model Ensembling

论文下载GitHubbib:@INPROCEEDINGS{DaiLi2023Semi,title={Semi-SupervisedDeepRegressionwithUncertaintyConsistencyandVariationalModelEnsemblingviaBayesianNeuralNetworks},author={WeihangDaiandXiaomengLiandKwang
来日可期1314·2023-06-09 02:42

【论文阅读】Twin neural network regression is a semi- supervised regression algorithm

论文下载GitHubbib:@ARTICLE{,title={Twinneuralnetworkregressionisasemi-supervisedregressionalgorithm},author={SebastianJWetzelandRogerGMelkoandIsaacTamblyn},journal={MachineLearning:ScienceandTechnology},y
来日可期1314·2023-06-09 01:06

论文阅读：Syn2Real Transfer Learning for Image Deraining using Gaussian Processes

CVPR2020：Syn2RealTransferLearningforImageDerainingusingGaussianProcesses个人的第一篇博客，现在想记录一下自己近期所看过得论文。首次写文献阅读，文笔功夫很差，如有不足之处，恳请海涵。Paper:https://arxiv.org/abs/2006.05580Code:https://github.com/rajeevyasarl
倘若我问心无愧呢丶·2023-06-09 01:16

【论文阅读】(2023.05.10-2023.06.03)论文阅读简单记录和汇总

(2023.05.10-2023.06.08)论文阅读简单记录和汇总2023/05/10：今天状态，复阳大残，下午淋了点雨吹了点风，直接躺了四个小时还是头晕--应该是阳了没跑了。
倘若我问心无愧呢丶·2023-06-09 01:40

【论文阅读笔记】Contrast image correction method

论文小结：  本文是2010年发表出来的一篇文章，提出的方法是一种增强对比度的方法，其基本原理是自适应参数的ganma校正。ganma校正的目标在于同时校正曝光过度和曝光不足区域的图像。  同时，为了防止光晕伪影，使用双边滤波用于指数校正的掩码。  ganma校正一半的公式如下，本文就是基于此进行的改进。Pixelout=255∗(Pixelin255)γPixel_{out}=255*(\fra
时光机ﾟ·2023-06-08 21:59

论文阅读——PolarDet: A Fast, More Precise Detector for Rotated Target in Aerial Images

PolarDet1Introduction1.1PaperMotivation1.2Paperproposal1.3PaperContributions2Approach2.1PrincipleofCommonlyusedRepresentation2.2PolarDetPipeline2.3CenterPoint2.4PolarAngle2.4.1Definition2.4.2Angle-Los
Liaojiajia-2020·2023-06-08 19:10

论文阅读-（GLIP）Grounded Language-Image Pre-training （目标检测+定位）

Paper：GroundedLanguage-ImagePre-trainingCode：https://github.com/microsoft/GLIP简介：定位任务与图像检测任务非常类似，都是去图中找目标物体的位置，目标检测为给出一张图片找出boundingbox，定位为给出一个图片和文本，根据文本找出物体。GLIP模型统一了目标检测（objectdetection）和定位（groundin
完美屁桃·2023-06-08 19:01

【论文阅读公式推导1】连续体机器人的哈密尔顿动力学推导

推导了一下论文哈密尔顿原理的表达，原论文的计算公式是对的，记录一下。GravagneIA,RahnCD,WalkerID.Goodvibrations:avibrationdampingsetpointcontrollerforcontinuumrobots[C]//Proceedings2001ICRA.IEEEInternationalConferenceonRoboticsandAutoma
小林up·2023-06-08 15:27

【研究周报】第2周

学习周期：2023.03.06～2023.03.11内容产出：我的个人主页1.论文阅读DreamingtoDistill:Data-freeKnowledgeTransferviaDeepInversion
璐宝是我·2023-06-08 12:23

【论文阅读】dreambooth

简介目标：subject-drivengeneration，针对特定物体的图像生成，仅使用少量目标主体图像，dreambooth可以在prompt的指导下生成大量目标主体在不同场景下的图像。例如下图中小狗，我们给定的set就是左侧的inputimages，需要生成小狗在不同背景/场景下的图像做法：微调预训练文生图模型将inputimages绑定到特定的identifier上。并通过添加类别特定保留
hei_hei_hei_·2023-06-07 22:59

【论文阅读】Lora

概述目的在原有大模型上进行finetune，训练个性化模型idea：将pretrainedmodel参数冻住，额外训练一个module进行调整，最终输出是原始输出+经过module的输出。技巧：通过低秩分解大大降低了需要训练参数的数量。矩阵分解：对于一个m∗nm*nm∗n的矩阵，若它的秩是r，则可以通过m∗rm*rm∗r和r∗nr*nr∗n的矩阵近似方法W0W_0W0是预训练模型的参数，△W\tr
hei_hei_hei_·2023-06-07 22:53

[论文阅读] (29)李沐老师视频学习——2.研究的艺术·找问题和明白问题的重要性

《娜璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座，并分享给大家，希望您喜欢。由于作者的英文水平和学术能力不高，需要不断提升，所以还请大家批评指正，非常欢迎大家给我留言评论，学术路上期待与您前行，加油。前一篇带来李沐老师对论文写作和科学研究的分享，介绍如何跟读者建立联系（Research，Researchers，andReaders），更好地让读者信服我们的论文及创新。这篇文章将详细讲
Eastmount·2023-06-07 20:24

[论文阅读] (30)李沐老师视频学习——3.研究的艺术·讲好故事和论点

《娜璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座，并分享给大家，希望您喜欢。由于作者的英文水平和学术能力不高，需要不断提升，所以还请大家批评指正，非常欢迎大家给我留言评论，学术路上期待与您前行，加油。前一篇带来李沐老师对论文写作和科学研究的分享，介绍找问题和明白问题的重要性（AskingQuestions,FindingAnswers），核心为Topic、Question和SoWha
Eastmount·2023-06-07 20:24

[论文阅读] (27) AAAI20 Order Matters: 基于图神经网络的二进制代码相似性检测（腾讯科恩实验室）

《娜璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座，并分享给大家，希望您喜欢。由于作者的英文水平和学术能力不高，需要不断提升，所以还请大家批评指正，非常欢迎大家给我留言评论，学术路上期待与您前行，加油。前一篇文章介绍Excel论文可视化分析基础知识。这篇文章将带来AAAI20腾讯科恩实验室的经典工作——OrderMatters，提出语义感知（Semantic-Aware）神经网络来实现
Eastmount·2023-06-07 20:54

[论文阅读] (28)李沐老师视频学习——1.研究的艺术·跟读者建立联系

《娜璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座，并分享给大家，希望您喜欢。由于作者的英文水平和学术能力不高，需要不断提升，所以还请大家批评指正，非常欢迎大家给我留言评论，学术路上期待与您前行，加油。前一篇文章介绍AAAI20腾讯科恩实验室的经典工作，提出语义感知（Semantic-Aware）神经网络来实现二进制代码相似性检测。这篇文章将带来李沐老师对论文写作和科学研究的分享，主要
Eastmount·2023-06-07 20:54

LG-BPN: Local and Global Blind-Patch Network for Self-Supervised Real-World Denoising 论文阅读笔记

这是CVPR2023的一篇自监督去噪的文章relatedwork里面的R2R、CVF-SID、AP-BSN还没看过，找时间看一下文章提出了一个叫LG-BPN的网络结构，在现有self-superviseddenoising的blindspotnetwork的基础上提出了DSPMC和dilatedtransformerblock两个模块文章在relatedwork里面把noise2noise类的方法
sysu_first_yasuo·2023-06-07 17:49

Deep Frequency Filtering for Domain Generalization论文阅读笔记

这是CVPR2023的一篇论文，讲的是在频域做domaingeneralization，找到频域中generalizable的分量enhance它，suppress那些影响generalization的分量DG是一个研究模型泛化性的领域，尝试通过各自方法使得模型在未见过的测试集上有良好的泛化性。intro部分指出，低频分量更好泛化，而高频分量的拟合则是泛化性和准确率的tradeoff，当对高频分量
sysu_first_yasuo·2023-06-07 17:22

（论文阅读）Chain-of-Thought Prompting Elicits Reasoning in Large Language Models

论文地址https://openreview.net/pdf?id=_VjQlMeSB_J摘要我们探索如何生成一个思维链——一系列中间推理步骤——如何显著提高大型语言模型执行复杂推理的能力。特别是，我们展示了这种推理能力如何通过一种称为思维链提示的简单方法自然地出现在足够大的语言模型中，其中提供了一些思维链演示作为提示中的示例。对三种大型语言模型的实验表明，思维链提示提高了一系列算术、常识和符号推
茫茫人海一粒沙·2023-06-07 16:39

【论文阅读】AlexNet: ImageNet Classification with Deep Convolutional Neural Networks

1.简介AlexNet是一个用于图像识别的卷积神经网络，其应用在ILSVRC比赛中，AlexNet所用的数据集是ImageNet，总共识别1000个类别2.网络结构整体网络结果如下图所示，一共有8层，前五层是卷积层，后三层是全连接层，最后一个全链接层输出是经过softmax处理后的1000分类。（1）输入图像大小：224*224*3（2）第一层卷积设置：卷积–>ReLU–>局部响应归一化（LRN）
orangerfun·2023-06-07 14:45

【论文阅读】Online multi-sensor calibration based on moving object tracking

目录Onlinemulti-sensorcalibrationbasedonmovingobjecttrackingAbstract1.Introduction2.ProposedMethod2.1ObjectDetection2.2Trackingofmovingobjects2.3Track-to-trackassociation2.4Decalibration(解关联)detection2.
ninnyyan·2023-06-07 11:26

【论文阅读】Accurate 3D Localization for MAV Swarms by UWB and IMU Fusion

目录Accurate3DLocalizationforMAVSwarmsbyUWBandIMUFusionAbstractI.InstructionII.SENSORSETUPIII.VANILLAEKFFORUWBIV.UWB&IMUFUSION*A.AugmentedStateVector**B.ImplementationDetails*V.EXPERMENTSA.VICONTestB.Pe
ninnyyan·2023-06-07 11:26

【论文阅读】A Comparative Study on Camera-Radar Calibration Methods

目录AComparativeStudyonCamera-RadarCalibrationMethodsAbstractI.INTRODUCTIONII.CALIBRATIONMETHODSIII.EXPERIMENTSIV.CONCLUSIONWordsAComparativeStudyonCamera-RadarCalibrationMethods综述文Abstractcomparethreet
ninnyyan·2023-06-07 11:15

论文阅读：（ICLR 2021） MULTIPLICATIVE FILTER NETWORKS

论文阅读：ICLR2021MULTIPLICATIVEFILTERNETWORKSCode：https://github.com/boschresearch/multiplicative-filter-networksPaper
倘若我问心无愧呢丶·2023-06-07 06:27

2023/5/7周报

目录摘要论文阅读1、标题和现存问题2、循环神经网络和传统LSTM3、堆叠LSTM和论文模型结构4、实验准备5、结果分析深度学习1、TGCN2、公式3、伪代码总结摘要本周在论文阅读上，阅读了一篇基于注意力机制的堆叠
白小李·2023-06-06 21:54

2023/5/14周报

目录摘要论文阅读1、标题和现存问题2、准备知识3、模型结构4、实验准备5、实验结果深度学习1、大气数据和水质数据2、数据清洗3、项目框架设定总结摘要本周在论文阅读上，阅读了一篇时空图卷积网络:交通预测的深度学习框架的论文
白小李·2023-06-06 21:54

2023/6/4周报

目录摘要论文阅读1、标题和现存问题2、使用GNN进行文本分类3、INDUCT-GCN4、实验准备5、实验结果深度学习1、时空图的种类2、图在环境中的应用3、STGNN总结摘要本周在论文阅读上，阅读了一篇
白小李·2023-06-06 21:54

2023/5/21周报

目录摘要论文阅读1、标题和现存问题2、各个结构3、基于GNN-LSTM-CNN网络轨迹预测模型4、实验准备5、实验结果深度学习1、费舍尔判别2、步骤具体化3、GCN总结摘要本周在论文阅读上，阅读了一篇基于
白小李·2023-06-06 21:37

论文阅读：An Efficient Video Coding System with An Adaptive Overfitted Multi-Scale Attention Network

简介：本文提出一种有效的视频编码系统（EVCS），该系统由常规编解码器和自适应过度拟合多尺度注意力网络（MSAN）组成，以提高编码效率。在在编码器端，MSAN自适应地调整网络大小，并以过拟合的方式针对一组帧进行训练。仅使用当前的编码视频流作为训练集，MSAN即可轻松获得强大的恢复功能。训练后，将学习到的MSAN参数作为编码比特流的一部分传输到解码器。在解码器端，加载了传输参数的MSAN可以非常精心
青吟乐·2023-04-21 21:16

【论文阅读】3D-LaneNet

【论文阅读】3D-LaneNet主要要做的事情就是lanedetection。
许可可可可·2023-04-21 19:38

RUAS论文阅读笔记

这是CVPR2021的一篇暗光增强的论文Retinex增强和去噪部分第一部分的核心公式是一种retinex公式（用于暗图增强的retinex公式有几种类型，虽然本质一样但是对于各个分量的定义不一样）：y=x⊗ty=x\otimesty=x⊗t，其中x是正常光照图片（0-1），t是暗图中的亮度分量（小于1），y则是暗图（0-1）。之所以是这样的定义，可以这么理解，基于的一个假设是认为亮图的亮度分量是
sysu_first_yasuo·2023-04-21 19:37

九（3）班议论文阅读梳理展示

复习阶段自主综合概括知识使之条理化，体系化很重要。三大文体的知识梳理有助于你理清思路，提高阅读题的答题能力。我把班里优秀的议论文知识点思维导图展示给大家，希望大家相互借鉴，对于这部分理论知识牢固掌握，再通过阅读训练迅速强化，达到共同进步。（如果看不清，可下载后放大）王文懿马可文王梓翀杜明洁宋雨静贾茹王奕语张建恒段大田毛睿君任姿静李婧涵杨荔雯李子昂张恬语王若彤李玥葶童静怡宋婧妍蔡沛妤张潇桢吴佳玥
jinsemixiang·2023-04-21 14:41

[论文阅读]Thickened 2D Networks for 3D Medical Image Segmentation

算法流程总的框架还是2.5D网络：先沿着3个轴方向切分slice，每个轴方向的所有切片经过设计的网络后的输出的3D预测图是，最后求3个轴方向预测图的平均值，作为最终预测图。下面我们来看文章中的网络对每个轴的切片是如何处理，通过2D网络得到一个3D的预测图：2：将v方向上的所有切片划分为k组，文章中是每3个slice为1组3,4：k组中的每一组切片输入到f1层，输入：3*H*W，输出：256*H*W
gefeng1209·2023-04-21 13:18

论文阅读 | Event Transformer. A sparse-aware solution for efficient event data processing

前言：CVPR2022workshop用transformer提取事件特征EventTransformer.Asparse-awaresolutionforefficienteventdataprocessing引言从事件相机中提取信息目前已有的比较好的方法可以分为：效果最好的方法是frame-based，用卷积神经网络或循环神经网络，其次是利用图卷积、点卷积、脉冲神经网络等方法来更好的利用事件的
btee·2023-04-21 12:16

论文阅读 | HATS: Histograms of Averaged Time Surfaces for Robust Event-based Object Classification

前言：CVPR2018事件表征方法HATS代码：【here】HATS:HistogramsofAveragedTimeSurfacesforRobustEvent-basedObjectClassification引言目前，物体分类任务中用事件的方法比不过基于帧的方法，原因归咎于两点第一，用于事件的表征方法和网络架构有限第二，缺乏大规模的数据集因此本文针对这两点，提出了一种新的表征方法和并提出了一
btee·2023-04-21 12:15

论文阅读 | End-to-End Learning of Representations for Asynchronous Event-Based Data

前言：CVPR2019事件表征方面论文代码：【here】End-to-EndLearningofRepresentationsforAsynchronousEvent-BasedData前言处理基于事件视觉任务的方式一般分两种，一种是应用可以异步更新的连续模型，另一种是将事件累积到时空域里形成事件包Event-basedvisionalgorithmsaggregateinformationtoe
btee·2023-04-21 12:44
上一页 34 35 36 37 38 39 40 41 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他