（long-tail）论文阅读第57页

Similarity-Preserving Knowledge Distillation论文阅读

今天分享一篇2020年ICCV关于知识蒸馏的论文，论文地址点这里一.介绍知识蒸馏是一种用于监督“学生”神经网络训练的通用技术，它通过捕获和转移训练过的“教师”网络的知识来实现。虽然最初的动机是为了资源高效深度学习的神经网络压缩任务，但知识蒸馏已经在特权学习、对抗性防御[25]和噪声数据学习[19]等领域找到了更广泛的应用。知识蒸馏在概念上很简单:它通过额外的蒸馏损失来指导学生网络的训练，从而鼓励学

编程龙·2023-01-05 16:23

AI医药论文阅读-使用药物描述和分子结构从文献中提取药物-药物相互作用

202107Usingdrugdescriptionsandmolecularstructuresfordrug-druginteractionextractionfromliterature使用药物描述和分子结构从文献中提取药物-药物相互作用Bioinformatics.2021.07有代码https://github.com/tticoin/DESC_MOL-DDIE目录202107Using

努力AC的潇潇·2023-01-05 16:15

论文阅读——Recognizing Emotion Cause in Conversations

zhangzhang_one·2023-01-05 16:45

车道线检测论文阅读：LaneNet

论文地址：https://arxiv.org/pdf/1802.05591.pdf代码链接：https://github.com/MaybeShewill-CV/lanenet-lane-detection一、论文出发点1.现有的车道线检测网络鲁棒性不好，只适用于预定义的场景和固定的车道线检测。2.对于路面的变化不够鲁棒，比如上下坡。二、论文方法将车道线检测的问题转换为实例分割问题，每个车道形成自

CVplayer111·2023-01-05 16:13

论文阅读和复现：去除PPG运动伪影的IEEE论文

论文阅读和代码复现：《CombiningNonlinearAdaptiveFilteringandSignalDecompositionforMotionArtifactRemovalinWearablePhotoplethysmography

KPer_Yang·2023-01-05 16:09

FOLOLane论文阅读

论文地址：https://arxiv.org/pdf/2105.13680.pdf一、论文创新点主流的车道线检测方法使用语义分割和聚类实现，但像素级的输出存在信息冗余，同时会带来大量噪声。而该论文使用两个分支，一个输出heatmap用于判断像素是否是关键点，另一个分支输出offsets用于精准补偿关键点的位置。输出的网络通过关联算法完成局部到全局的曲线关联，形成多条完整的曲线。二、网络结构第一个h

CVplayer111·2023-01-05 16:08

Few-shot Object Detection via Feature Reweighting论文阅读笔记

Few-shotObjectDetectionviaFeatureReweighting论文阅读笔记本文贡献Motivation其它小样本目标检测的不足整体架构Featureextractor（特征提取模块

XIYIE·2023-01-05 14:02

神经网络加速器设计研究：寒武纪DianNao论文阅读

神经网络加速器设计研究：寒武纪DianNao文章目录研究背景ML技术介绍（CNN&DNN）CNNs中三种类型的层的存储需求分析小规模神经网络加速器结构大规模神经网络加速器结构参考文献研究背景现阶段机器学习算法应用逐渐广泛，为了设计出可以更快运行相关算法的ASIC，提出设计此处主要从相关算法的数量少，应用广，并现阶段常使用SIMD、GPU或FPGA作为其运行平台，效果并不理想，因此提出设计主要贡献提

Jacob-liu·2023-01-05 14:55

论文阅读《Dual-Awareness Attention for Few-Shot Object Detection》

Background＆Motivation小样本分类模型分为两类：optimization-based的元学习方法和metric-based的度量学习方法。而小样本检测模型大多使用迁移学习和度量学习的方法来实现跨域学习，大多都采用平均特征来作为类的表征与模型输出的Query表征进行concatenation或element-wiseproduct等来计算相似度。Motivation是现有的小样本检

不说话装高手H·2023-01-05 14:50

论文阅读笔记---《TransferNet: An Effective and Transparent Framework for Multi-hop Question Answering over》

Abstract多跳问答(QA)是一项具有挑战性的任务，因为它需要在获得答案的每一步都对实体关系进行精确推理。这些关系可以用知识图谱中的标签（例如，配偶）或文本语料库中的文本（例如，他们已经结婚26年）来表示。现有模型通常通过预测顺序关系路径或聚合隐藏图特征来推断答案。前者难以优化，后者缺乏可解释性。在本文中，我们提出了TransferNet，这是一种有效且透明的多跳QA模型，它在统一的框架中支持

Ray.1998·2023-01-05 14:13

SAR影像变化检测方法之（SAR_CD_DDNet（无监督变化检测））论文阅读

一、论文信息1、论文标题：ChangeDetectioninSyntheticApertureRadarImagesUsingaDual-DomainNetwork2、代码链接：https://github.com/summitgao/SAR_CD_DDNet二、摘要合成孔径雷达(SAR)图像的变化检测是一项关键而具有挑战性的任务。现有的方法主要集中在空间域的特征提取上，对频域的特征提取较少关注。

qq_41627642·2023-01-05 12:22

目标检测论文阅读：EfficientDet算法笔记

标题：EfficientDet:ScalableandEfficientObjectDetection会议：CVPR2020论文地址：https://ieeexplore.ieee.org/document/9156454/这篇文章读起来还是比较顺的，每个改进点理解起来都不难，可以说是simplebutwork，特别是提出了可以适用于不同资源限制情景下的一系列检测器。其中对模型进行缩放的方法也极大

Convolution@·2023-01-05 12:22

怎样阅读NLP论文

上的文章分类（preprintornot）3.根据问题（推荐），方法和数据集分类选择更好的PaperConferences会议Relation相关的文章Citation引用数Influence影响Code代码论文阅读顺序做记录收集和组织论文收集基本上好的会

爱敲代码的小雨·2023-01-05 10:41

《论文阅读》PF-Net:Point Fractal Network for 3D Point Cloud Completion

留个笔记自用PF-Net:PointFractalNetworkfor3DPointCloudCompletion做什么首先先得理解点云是什么点云的概念：点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，在获取物体表面每个采样点的空间坐标后，得到的是点的集合，称之为“点云”（PointCloud）。点包含了丰富的信息，包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等等，不一一

未知丶丶·2023-01-05 09:52

#论文阅读&CTG DeepFHR: intelligent prediction of fetal Acidemia using fetal heart rate signals ...

DOI10.1186/s12911-019-1007-5所属期刊BMC论文发表时间2019年12月30日记录时间2023年01月04日记录人TroyeJcanDeepFHR:intelligentpredictionoffetalAcidemiausingfetalheartratesignalsbasedonconvolutionalneuralnetwork一、Datasets CTU-UH

Troye Jcan·2023-01-05 08:02

#论文阅读&CTG The Use of Convolutional Neural Networks in Biomedical Data Processing

DOI10.1007/978-3-319-64265-9_9所属期刊ITBAM2017论文发表时间2017年07月26日记录时间2023年01月03日记录人TroyeJcanTheUseofConvolutionalNeuralNetworksinBiomedicalDataProcessing一、Datasets CTU-UHB，552条数据，包括46例剖腹产和506例阴道分娩，以pH值≤7.

Troye Jcan·2023-01-05 08:32

#论文阅读&CTG Fetal Hypoxia Detection Based on Deep Convolutional Neural Network with Transfer Learning

DOI10.1007/978-3-319-91186-1_25所属期刊CSOC20182018论文发表时间2018年05月17日记录时间2023年01月04日记录人TroyeJcanFetalHypoxiaDetectionBasedonDeepConvolutionalNeuralNetworkwithTransferLearningApproach一、Datasets CTU-UHB，552

Troye Jcan·2023-01-05 08:57

《HAWQ-V3: Dyadic Neural Network Quantization》论文阅读

HAWQ-V3阅读笔记Abstract混合精度量化，integer-only，Methodology只采用均匀量化权重对称量化，激活非对称量化，对量化步长S采用静态量化，采用per-channel的量化方式3.1量化矩阵的乘法与卷积（核心：把浮点数的乘除改为二进制移位）考虑一层隐藏激活为h，权值张量为W，然后是ReLU激活。首先，将h和W量化为Shqh和Swqw，其中Sh和Sw为实值量化尺度，qh

Niko_尼公子不想转码·2023-01-05 08:24

【论文阅读】Co-attention network with label embedding for text classification

基于带有标签嵌入的共同关注网络的文本分类原论文链接地址：https://www.sciencedirect.com/science/article/abs/pii/S0925231221016507论文作者：MinqianLiu,LizhaoLiu,JunyiCao,QingDu一、带标签嵌入的共同关注网络作者提出了一个带标签嵌入的共同关注网络（CNLE）来联合编码输入文本序列和标签序列，然后使用

CS_木成河·2023-01-05 07:07

论文阅读CVPR Maskformer和Mask2former

前言（碎碎念）：七月初学完最原始的transformer之后，一直感觉对attention和transformer的理解云里雾里的，似懂非懂，后来又学习了关于visualtransformer，像是ViT、Swin、MAE、MoCo和DETR之后，尤其是学习了DETR之后感觉那个query更加神奇了。决心趁热打铁，对transformer再加深理解。这两篇工作比较有名，在benchmark的CoC

咯吱咯吱咕嘟咕嘟·2023-01-05 01:14

论文阅读：（arXiv 2021）COIN:COmpression with Implicit Neural Representaions

COIN:COmpressionwithImplicitNeuralRepresentaions(arXiv2021)Paper:https://arxiv.org/abs/2103.03123Code:https://github.com/EmilienDupont/coin2022/6/10:这篇文章其实早就看完了，而且看过两三遍了吧应该。随便写写当做今天的工作任务好了，晚上有朋友约了打游戏滴

倘若我问心无愧呢丶·2023-01-05 01:09

论文阅读16：Reinforcement Learning based Recommender System using Biclustering Technique

ReinforcementLearningbasedRecommenderSystemusingBiclusteringTechnique原文链接：https://arxiv.org/pdf/1801.05532.pdf“强化学习推荐，借助双聚类biclustering减少状态和动作空间优化效率和效果”Abstract：推荐系统致力于在海量的信息中为用户推荐其感兴趣的内容，由于信息的爆炸式增长，推

uuummmmiiii·2023-01-05 00:34

论文阅读|Embedding-based Retrieval in Facebook Search

该论文是facebook发表在KDD2020上的一篇关于搜索召回的paper。这篇文章提到的大多trick对于做过召回的同学比较熟悉了，可贵之处在于全面，包括了特征、样本、模型、全链路等各种细节知识。1.整体思路与框架本文的出发点是搜索只做到query关键词匹配的程度是远远不够的，还要结合用户信息及上下文提供个性化搜索服务，比如一个热爱数码的大学生和农村卖水果的果农搜索【苹果】得到的结果应该分别是

凝眸伏笔·2023-01-05 00:27

论文阅读 [CVPR-2022] Attention Concatenation Volume for Accurate and Efficient Stereo Matching

论文阅读[CVPR-2022]AttentionConcatenationVolumeforAccurateandEfficientStereoMatchingstudyai.com搜索论文:[AttentionConcatenationVolumeforAccurateandEfficientStereoMatching

北岭狼人·2023-01-04 23:22

论文阅读（9）鱼类洄游粒子图像测速技术综述 (2016)

鱼类洄游粒子图像测速技术综述(2016)原文链接：https://www.scirp.org/journal/paperinformation.aspx?paperid=65914写在前面，这几天忙着刷题，整理一下自己学习的题型，论文看得速度也会减缓下来，不过不会断的，继续看，一句话：努力，奋斗！我认为《三体III：死神永生》中维德说的非常对：“失去人性，失去更多；失去兽性，失去一切。”摘要了

汤姆和佩琦·2023-01-04 23:38

【NLP论文翻译】基于显著性感知主题建模的面向主题的客户服务口语对话摘要

本博客为博主论文阅读记录，原论文和github地址如下：原论文下载：https://ojs.aaai.org/index.php/AAAI/article/view/17723/17530代码：https

王政霖LIN·2023-01-04 20:39

联邦学习论文阅读笔记

目录一、前缀基础知识二、论文笔记ATheoreticalPerspectiveonDPFederatedMTL-preprint'20FederatedMulti-TaskLearning-NIPS'17FLTrust_Byzantine-robustFederatedLearningviaTrustBootstrapping-NDSS'21ProvablySecureFederatedLearn

RouTineD·2023-01-04 18:08

FedProx论文阅读笔记

《FEDERATEDOPTIMIZATIONINHETEROGENEOUSNETWORKS》这篇文章提出了一个基于FedAvg的优化框架Fedprox，主要在于解决FedAvg未曾处理的联邦学习中的异构性问题，并提供了更强的鲁棒性。FedAvg在FedAvg中，每个设备在模型训练过程中具有相同的学习率和迭代次数。在每一轮更新中，被选中参与本轮训练的设备K在本地运行E轮SGD，每个设备将更新结果返回

联邦学习小白·2023-01-04 18:35

【联邦学习论文阅读】FedProx（2018）Federated Optimization in Heterogeneous Networks

【FedProx】论文链接：https://arxiv.org/abs/1812.06127摘要联邦学习面临两个关键挑战：系统异构性；统计异构性。本文的FedProx可以解决联邦学习的异构性，可看作FedAvg的泛化和再参数化。理论上保证了当数据为非独立同分布时模型的收敛性，同时通过允许每个参与设备执行可变的工作量，保证了设备级别的系统约束。实验证明，广义FedProx框架相对于FedAvg，在异

Momahe·2023-01-04 18:29

语义分割论文阅读——DDRNet：用于实时和准确的道路场景语义分割的深度双分辨率网络

摘要语义分割是自动驾驶汽车理解周围场景的一项关键技术。如今模型出色的表现通常是以繁重的计算和冗长的推理时间为代价的，这对自动驾驶来说是不可容忍的。使用轻量级架构（编码器-解码器或双路径）或在低分辨率图像上进行推理，最近的方法实现了非常快的场景解析，甚至在单个1080TiGPU上以超过100FPS运行。然而，这些实时方法与基于dilationbackbone的模型在性能上仍有很大差距。为了解决这个问

帽子霖轩·2023-01-04 18:50

【论文笔记】DDRNet论文阅读笔记及复现

paper：DeepDual-resolutionNetworksforReal-timeandAccurateSemanticSegmentationofRoadScenesgithub：https://github.com/ydhongHIT/DDRNetpaddlepaddle复现：notebook在线快速体验轻量级语义分割模型大致分为2类：Encoder-Decoder结构（如ESPNet

嘟嘟太菜了·2023-01-04 18:49

轻量级语义分割模型论文阅读笔记（一）

本文汇总一些阅读过的轻量级语义分割模型相关论文，并记录一些心得感想。ShuffleNet(V1)文章链接代码链接发表时间：2017上古的经典文献。主要贡献是提出pointwisegroupconvolution和channelshuffle两种操作。文章的motivation有两方面：（1）现有方法未充分考虑1x1卷积的计算量，往往仅对3x3以上卷积使用groupconv。（2）仅用分组卷积无法实

Bobholamovix·2023-01-04 18:40

论文阅读：知识图谱技术综述

知识图谱技术综述徐增林1，盛泳潘1，贺丽荣1，王雅芳2目前，随着智能信息服务应用的不断发展，知识图谱已被广泛应用于智能搜索、智能问答、个性化推荐等领域。尤其是在智能搜索中，用户的搜索请求不再局限于简单的关键词匹配，搜索将根据用户查询的情境与意图进行推理，实现概念检索。与此同时，用户的搜索结果将具有层次化、结构化等重要特征。例如，用户搜索的关键词为梵高，引擎就会以知识卡片的形式给出梵高的详细生平、艺

千寻～·2023-01-04 12:51

【论文阅读】《知识图谱可解释推理研究综述》阅读（一）

声明：仅学习使用。仅作为个人阅读笔记~目录1.文章来源2.主要内容3.可解释性知识推理的由来4.事前可解释推理4.1全局可解释的推理4.2局部可解释的推理1.文章来源比起上一篇paper是2017年，这一篇是2022年年底的，没错，就在前两天还是2022年呢哈！祝大家新年快乐！(*▽*)该文章是我近期在《软件学报》(属于国内计算机的核心期刊之一)上搜索“知识图谱研究综述”主题搜索得到的，是在202

追光者♂·2023-01-04 11:47

论文阅读《Hybrid Knowledge Routed Modules for Large-scale Object Detection》

动机：现有的目标检测方法分别处理每个区域的识别，忽略了场景中物体之间的关联的语义关联信息。而这种模式面临着严重的长尾问题时性能会下降。创新点：（1）本文要利用人类常识知识来对大型对象类别进行推理，并在一幅画中达到语义一致性。由此提出了混合知识路由模块（HybridKnowledgeRoutedModules：HKRM）。（2）该模块包含两个部分：用于结构化约束的显式模块（用来约束关于概念的语言知识

沈四岁·2023-01-04 10:13

论文阅读之Attention-based Conditioning Methods for External Knowledge Integration（2019）

文章目录摘要文章贡献ProposedModelWordEmbeddingLayerLSTMLayerSelf-AttentionLayerExternalKnowledgeConditionalAttentionMechanismAttentionalConcatenationAttentionalFeature-basedGatingAttentionalAffineTransformation

Icy Hunter·2023-01-04 09:28

论文阅读笔记五十三：Libra R-CNN: Towards Balanced Learning for Object Detection(CVPR2019)

论文原址：https://arxiv.org/pdf/1904.02701.pdfgithub:https://github.com/OceanPang/Libra_R-CNN摘要相比模型的结构，关注度较少的训练过程对于检测器的成功检测也是十分重要的。本文发现，检测性能主要受限于训练时，samplelevel,featurelevel,objectivelevel的不平衡问题。为此，提出了Libr

?Briella·2023-01-04 09:11

论文阅读笔记三十七：Grid R-CNN（CVPR2018）

论文源址：https://arxiv.org/abs/1811.12030开源代码：未公开摘要本文提出了目标检测网络GridR-CNN，其基于网格定位机制实现准确的目标检测。传统方法主要基于回归操作，GridR-CNN则捕捉详细的空间信息，同时具有全卷积结构中对位置信息的敏感性。【Insteadofusingonlytwoindependentpoints】是指CornerNet预测的不准确性。G

weixin_34378045·2023-01-04 09:11

目标检测论文阅读：Grid R-CNN算法笔记

标题：GridR-CNN会议：CVPR2019论文地址：https://ieeexplore.ieee.org/document/8953602/这篇文章理解起来并不难，但是具体是如何操作的，还是要结合代码来进一步理解。很多地方虽然可以get到作者的想法，但是有一种一知半解的感觉，不知道实现起来要怎么做。Abstrct这篇文章提出了一种非常新颖的、利用网格引导定位机制的目标检测框架，命名为Grid

Convolution@·2023-01-04 09:06

论文阅读-PRGC: Potential Relation and Global Correspondence Based JointRelational Triple Extraction

无脑敲代码，bug漫天飞·2023-01-04 09:33

论文阅读-Relational Triple Extraction: One Step is Enough- IJCAI 2021

无脑敲代码，bug漫天飞·2023-01-04 09:33

论文阅读-虚假信息检测综述 - Fake News Detection on Social Media: A Data Mining Perspective

论文链接：https://arxiv.org/pdf/1708.01967.pdf目录摘要1引言2.假新闻定义2.1假新闻的定义2.2传统新闻媒体上的假新闻2.3社交媒体上的假新闻3.假新闻检测3.1问题定义3.2特征提取3.2.1新闻内容特征3.2.2社会语境特征3.3模型构建3.3.1新闻内容模型3.3.2社会背景模型4.评估检测效果4.1数据集4.2评估指标5.相关领域5.1谣言分类5.2真

无脑敲代码，bug漫天飞·2023-01-04 09:33

论文阅读笔记（二）【ACL2021】知识抽取NER

学习内容由于刚刚进入知识图谱领域，对该领域的研究热点不是很了解，所以本文直接翻译ACL2021中关于知识抽取NER中各个论文的摘要和共享；并且适时在最后写出自己的理解；同时自己也会在了解完全部后给出各个论文的研究分类。1.题目：ImprovingNamedEntityRecognitionbyExternalContextRetrievingandCooperativeLearning（利用外部上

追赶早晨·2023-01-04 09:00

【论文阅读】PRGC: Potential Relation and Global Correspondence Based Joint Relational Triple Extraction

https://arxiv.org/pdf/2106.09895先指出TPLinker存在的问题：为了避免曝光偏差，它利用了相当复杂的解码器，导致了稀疏的标签，关系冗余，基于span的提取能力差作者提出新的模型，包括三部分：PotentialRelationPredictionRelation-SpecificSequenceTaggingGlobalCorrespondence对于主客体对齐，设

今天NLP了吗·2023-01-04 09:58

[论文阅读笔记70]基于token-token grid模型的信息抽取（5篇）

论文1：TPLinker:Single-stageJointExtractionofEntitiesandRelationsThroughTokenPairLinking年份：2020-10-26论文链接：https://aclanthology.org/2020.coling-main.138.pdfhttps://drive.google.com/file/d/1UAIVkuUgs122k02

happyprince·2023-01-04 09:57

[论文阅读笔记52]深度学习实体关系抽取研究综述

来源：软件学报20191.摘要：围绕有监督和远程监督两个领域,系统总结了近几年来中外学者基于深度学习的实体关系抽取研究进展,并对未来可能的研究方向进行了探讨和展望.2.经典的实体关系抽取方法有监督[基于特征和基于核函数的方法,研究词汇、句法和语义特征对实体语义关系抽取的影响]、半监督、弱监督和无监督3.定义实体关系抽取：是指在实体识别的基础上,从非结构化文本中抽取出预先定义的实体关系.—这里研究的

happyprince·2023-01-04 09:27

目标检测论文阅读：Cascade R-CNN算法笔记

标题：CascadeR-CNN:DelvingIntoHighQualityObjectDetection会议：CVPR2018论文地址：https://ieeexplore.ieee.org/document/8578742/这篇文章的改进其实不难，但是关于为何这样改进，motivation是什么，以及实验论证环节，作者做了大量的阐述，逻辑非常清晰，有理有据。原文读起来还是比较拗口的，弄懂每个图

Convolution@·2023-01-04 09:16

CVPR2022 | 论文阅读—Unknown-Aware Object Detection: Learning What You Don’t Know from Videos in the Wild

Unknown-AwareObjectDetection:LearningWhatYouDon’tKnowfromVideosintheWild1.Motivation2.Overviewoftheobjectdetectionframework2.1Spatial-TemporalUnknownDistillation2.1.1Spatialunknowndistillation2.1.2Tem

Liaojiajia-2020·2023-01-04 08:17

【论文阅读笔记|coling2022】OneEE: A One-Stage Framework for Fast Overlapping and NestedEvent Extraction

论文标题：OneEE:AOne-StageFrameworkforFastOverlappingandNestedEventExtraction论文来源：COLING2022论文链接：https://arxiv.org/pdf/2209.02693.pdf代码链接：GitHub-Cao-Hu/OneEE0摘要事件抽取（EE）是信息抽取的一项重要任务，旨在从非结构化文本中抽取结构化事件信息。以前的大

Rose sait·2023-01-04 07:39

Distance-based Confidence Score for Neural Network Classifiers 论文阅读

〇、综述如何可靠衡量分类器预测的置信度是实际应用中的重要问题，并且是分类器设计的关键部分。贝叶斯模型为推理模型不确定度提供了基础数学理论，但是计算代价较大。本篇文章提出了一个简单可测量的方法得到了可靠的置信分数，基于网络中倒数第2层推出的dataembedding。论文调研了获取embedding的两种方式，基于距离的损失函数以及对抗训练。随后论文测试了该方法在分类错误预测任务、分类器集成权重分配

蒋晨阳·2023-01-03 22:43

推荐频道

（long-tail）论文阅读

Similarity-Preserving Knowledge Distillation论文阅读

AI医药论文阅读-使用药物描述和分子结构从文献中提取药物-药物相互作用

论文阅读——Recognizing Emotion Cause in Conversations

车道线检测论文阅读：LaneNet

论文阅读和复现：去除PPG运动伪影的IEEE论文

FOLOLane论文阅读

Few-shot Object Detection via Feature Reweighting论文阅读笔记

神经网络加速器设计研究：寒武纪DianNao论文阅读

论文阅读《Dual-Awareness Attention for Few-Shot Object Detection》

论文阅读笔记---《TransferNet: An Effective and Transparent Framework for Multi-hop Question Answering over》

SAR影像变化检测方法之（SAR_CD_DDNet（无监督变化检测））论文阅读

目标检测论文阅读：EfficientDet算法笔记

怎样阅读NLP论文

《论文阅读》PF-Net:Point Fractal Network for 3D Point Cloud Completion

#论文阅读&CTG DeepFHR: intelligent prediction of fetal Acidemia using fetal heart rate signals ...

#论文阅读&CTG The Use of Convolutional Neural Networks in Biomedical Data Processing

#论文阅读&CTG Fetal Hypoxia Detection Based on Deep Convolutional Neural Network with Transfer Learning

《HAWQ-V3: Dyadic Neural Network Quantization》论文阅读

【论文阅读】Co-attention network with label embedding for text classification

论文阅读CVPR Maskformer和Mask2former

论文阅读：（arXiv 2021）COIN:COmpression with Implicit Neural Representaions

论文阅读16：Reinforcement Learning based Recommender System using Biclustering Technique

论文阅读|Embedding-based Retrieval in Facebook Search

论文阅读 [CVPR-2022] Attention Concatenation Volume for Accurate and Efficient Stereo Matching

论文阅读（9） 鱼类洄游粒子图像测速技术综述 (2016)

【NLP论文翻译】基于显著性感知主题建模的面向主题的客户服务口语对话摘要

联邦学习论文阅读笔记

FedProx论文阅读笔记

【联邦学习论文阅读】FedProx（2018）Federated Optimization in Heterogeneous Networks

语义分割论文阅读——DDRNet：用于实时和准确的道路场景语义分割的深度双分辨率网络

【论文笔记】DDRNet论文阅读笔记及复现

轻量级语义分割模型论文阅读笔记（一）

论文阅读：知识图谱技术综述

【论文阅读】《知识图谱可解释推理研究综述》阅读（一）

论文阅读《Hybrid Knowledge Routed Modules for Large-scale Object Detection》

论文阅读之Attention-based Conditioning Methods for External Knowledge Integration（2019）

论文阅读笔记五十三：Libra R-CNN: Towards Balanced Learning for Object Detection(CVPR2019)

论文阅读笔记三十七：Grid R-CNN（CVPR2018）

目标检测论文阅读：Grid R-CNN算法笔记

论文阅读-PRGC: Potential Relation and Global Correspondence Based JointRelational Triple Extraction

论文阅读-Relational Triple Extraction: One Step is Enough- IJCAI 2021

论文阅读-虚假信息检测综述 - Fake News Detection on Social Media: A Data Mining Perspective

论文阅读笔记（二）【ACL2021】知识抽取NER

【论文阅读】PRGC: Potential Relation and Global Correspondence Based Joint Relational Triple Extraction

[论文阅读笔记70]基于token-token grid模型的信息抽取（5篇）

[论文阅读笔记52]深度学习实体关系抽取研究综述

目标检测论文阅读：Cascade R-CNN算法笔记

CVPR2022 | 论文阅读—Unknown-Aware Object Detection: Learning What You Don’t Know from Videos in the Wild

【论文阅读笔记|coling2022】OneEE: A One-Stage Framework for Fast Overlapping and NestedEvent Extraction

Distance-based Confidence Score for Neural Network Classifiers 论文阅读

论文阅读（9）鱼类洄游粒子图像测速技术综述 (2016)