2022.5论文学习

论文学习Learning from Context or Names? An Empirical Study on Neural Relation Extraction

摘要神经模型已经在关系抽取（RE）领域取得了瞩目的成功。然后，我们还不明白到底是哪种类型的信息影响了RE模型去判断，去进一步的提升这些模型的性能。为此，我们实证研究了文本中两个主要的信息来源：文本的上下文和实体名字。我们发现：第一点，当上下文信息作为主要信息来源，RE模型…我们进行了广泛的实验去支撑我们的观点，并且显示出我们的框架可以提升不同的RE神经模型的有效性和鲁棒性。代码和数据集可以从htt
Jolly-XB·2023-02-01 08:29

【论文学习记录】Ultra Fast Structure-aware Deep Lane Detection 车道线检测算法解读

UltraFastStructure-awareDeepLaneDetection个人学习记录论文链接github0.摘要1.当前像素级分割的问题场景适应能力差速度慢2.人类识别车道线的特点利用了上下文信息（可以理解为人类的联想能力）和全局信息3.本文车道线检测算法基于人类识别车道线的特点–提出结构损失函数（structuralloss）速度快，可以应对有挑战性的场景4.具体实现基于行的选择（ro
Zannnne·2023-01-31 16:34

[深度学习论文学习笔记]多模态融合的深度学习脑肿瘤检测方法

多模态融合的深度学习脑肿瘤检测方法论文：http://www.photon.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=22355摘要：针对目前传统方法脑肿瘤检测准确率低的问题，提出一种基于深度学习的三维脑肿瘤检测方法.首先将不同模态的脑肿瘤磁共振成像影像进行融合，获取不同模态下的脑肿瘤病灶三维空间特征；然后在卷积层和池化层之
Slientsake·2023-01-30 18:28

【论文学习】Soft-NMS: 用一行代码改进目标检测

在目标检测领域，非极大值抑制是目标检测管道中的重要一环。那么你知道它的原理吗？它有哪些缺点？如何改进？本文会介绍NMS和改进方法Soft-NMS。后续会陆续介绍其他几篇有名的NMS变体，包括IoU-GuidedNMS、AdaptiveNMS、DIoU-NMS、Softer-NMS等。详情关注【CV面试宝典】，回复关键词【NMS】可获取NMS与其变体的论文资料。摘要非极大值抑制（NMS）是目标检测管
行路南·2023-01-30 14:22

【论文学习】UPHDR-GAN: Generative Adversarial Network forHigh Dynamic Range Imaging with Unpaired Data

UPHDR-GAN：基于非配对数据的高动态范围成像生成对抗网络摘要introduction主要贡献proposedmethod网络框图网络详介1、输入2、生成器输出3、生成器4、鉴别器5、Min-patchModule损失函数优化方程目标函数GANLoss:摘要本文提出了一种有效融合多曝光输入的方法，利用未配对数据集生成高质量的高动态范围(HDR)图像。基于深度学习的HDR图像生成方法严重依赖成对
这也太难了趴·2023-01-29 12:15

基于噪声伪标签和对抗学习的医学图像分割标注高效学习

解决方案：一没有图像标注对的学习二为训练图像生成伪标签2.1为训练图像生成伪标签2.2VAE-Based鉴别器2.3鉴别器引导的发生器信道校准这里有不太理解（未写完）三从嘈杂的伪标签学习四讨论与总结：五本次论文学习的问题与不理解之处
初学者冲冲冲·2023-01-29 12:08

高光谱目标检测论文学习（4）——Hierarchical Suppression Method for Hyperspectral Target Detection

前言这篇论文是一篇稍微老一点的论文，发表于TGRS2016，主要讲了一种对CEM的改进方法，也是一篇基本思路比较简单的顶会论文。主要想通过这篇论文体会一下如何对现有经典方法进行改进。思路我们首先来回忆一下之前学过的一些高光谱目标检测方法。我们在这个系列中的前几篇文章中已经了解了很多可以用于高光谱目标检测的方法了，比如MF、ACE、AMF、ASD、OSP、CEM等等，这些方法如果给他们分个类的话，大
MrBamboo2000·2023-01-27 09:09

高光谱目标检测论文学习（6）—— Bayesian Constrained Energy Minimization for Hyperspectral Target Detection

前言之前我们我们学习了HCEM和ECEM两种CEM的改进方法，这两种方法的相同点是都考虑了实际情况，加入了非线性检测的部分，从而提升了检测性能，不同的是一个主要是采用分层迭代的思想，一个采用集成学习、级联检测的思想。在这一篇文章中我们重点介绍一种新的方法BCEM，这是一种利用贝叶斯的思想去优化改进目标光谱，从而达到提升检测性能的目的。思路回顾我们之前提过的几种CEM变种方法，他们都是默认给定的目标
MrBamboo2000·2023-01-27 09:39

高光谱目标检测论文学习（5）—— Ensemble-Based Cascaded CEM for HTD

前言上一篇我们学习的对CEM进行改进的方法是多层串联（HCEM），这种方法的本质是进行多次迭代来增加精度并使用了非线性处理来贴合真实世界情况。CEM作为一种检测器，其与分类器在很大程度上是极其相似的，而随着机器学习的兴起，集成学习成为提升分类器性能的一大重要方法。本文便是利用了集成学习的思想去对CEM进行改进，并借鉴了hCEM加入非线性处理的思想进一步贴合真实世界情况。思路CEM是一种当目标先验知
MrBamboo2000·2023-01-27 09:38

Multi-branch and Multi-scale Attention Learning for Fine-Grained Visual Categorization 论文学习

AbstractILSVRC（ImageNet大规模视觉识别挑战赛）是计算机视觉领域最权威的学术竞赛之一。直接将ILSVRC每年的冠军方案应用在细粒度视觉分类（FGVC）任务上无法取得很好的表现。对于FGVC任务而言，类间差异小而类内差异大的特点使这个问题变得很有挑战性。本文的注意力目标定位模块（AOLM）可以预测目标的位置，注意力局部提议模块（APPM）可以发现信息丰富的局部区域，无需边框或部分
calvinpaean·2023-01-25 22:30

SiamBAN论文学习

SiameseBAN论文来源论文背景主要贡献论文分析网络框架创新点一：BoxAdaptiveHead创新点二：Ground-truth创新点三：AnchorFree论文流程训练部分：跟踪部分论文翻译Abstract1.Introduction2.RelatedWorks2.1.SiameseNetworkBasedVisualTrackers2.2.Anchor-freeObjectDetecto
瞳瞳瞳呀·2023-01-25 12:11

fastspeech2复现github项目--数据准备

在完成FastSpeech2论文学习后，对github上一个复现的仓库进行学习，帮助理解算法实现过程中的一些细节；所选择的复现仓库是基于pytorch实现，链接为https://github.com/ming024
zzfive·2023-01-25 07:51

论文学习笔记 - Language Models with Transformers

1相关工作语言模型主要是基于RNN和Transformer两种。在Transformer提出以前，RNN及其相关变体如LSTM等，一直是语言建模方面的中流砥柱。而Transformer的出现改变了这一状况。Transformer由于没有循环结构，在处理文本这类序列数据时要比循环结构的RNN高效。2解决问题但是随着NLP的发展，模型容量越来越大，层越来越深，参数越来越多，要训练一个优良的模型需要大量
不忘初心，坚持前行·2023-01-24 08:11

【论文学习】图神经网络对抗攻击顶会论文汇总（2018-2021年）

图对抗攻击在信贷领域，结合贷款人的金钱交易来评估他的信用情况，人与人的交易记录就是用图来表示。对于图来说，特征往往是离散的（例如图的结构特征，一条边要么存在，要么不存在）。对于图来说，很难定义图上的微小扰动。在图像对抗攻击领域，通常是在训练好的模型上输入扰动图片使其预测错误evasionattack，但是在图对抗攻击领域是让扰动后的图上重训练的模型性能变差，这种攻击被称为投毒攻击。图卷积网络图卷积
精致又勤奋的码农·2023-01-19 20:00

CenterNet论文学习解读

文章目录资源原理简介相关研究使用anchor的目标检测优势使用关键点的目标检测优势单目3D目标检测优势网络结构预备知识损失函数推理2D检测3D检测：人体姿态估计backbone代码解读创建模型resnet_dcndla34_dcn资源论文题目：ObjectsasPoints论文地址：https://arxiv.org/pdf/1904.07850.pdf发布时间：2019.4.16机构：UTAus
措不及防·2023-01-19 06:12

GIKT论文学习

GIKT:AGraph-basedInteractionModelforKnowledgeTracing文章和代码：https://github.com/Rimoku/GIKTGIKT代码详解：待补充目录摘要实验结果介绍相关工作定义GIKT方法EmbeddingLayerEmbeddingPropagation学生状态演变历史回顾模块（HistoryRecapModule）广义交互模块(Gener
多尝试多记录多积累·2023-01-18 23:55

YOLO-V4 论文学习+唐宇迪博士课程学习笔记

论文主要贡献：1.利用单GPU即可训练一个目标检测器.2.验证了Bag-of-Freebies和Bag-of-Specials方法在训练目标检测器当中的作用。3.对包括CBN、PAN、SAM在内的现有方法进行了改进。数据增强:1.Mosaic数据增强参考CutMix将四张图像（每张各自进行数据增强）拼接成一张进行训练：2.SAT数据增强（Self-adversarial-training自对抗训练
Mechantronic Bao·2023-01-18 19:15

【论文学习笔记】《Cotatron》

《Cotatron:Transcription-GuidedSpeechEncoderforAny-to-ManyVoiceConversionwithoutParallelData》论文学习文章目录《
FallenDarkStar·2023-01-18 10:55

CSPNet 论文学习

Abstract神经网络为计算机视觉任务如目标检测，提供了stateoftheart的方法，取得了难以置信的成绩。但是，这些成绩都过于依赖高计算量，使我们无法在廉价的设备上使用这些先进的方法。本文从网络结构的角度出发，提出了跨阶段局部网络（CSPNet），缓解之前的方法对高计算成本的依赖。作者认为，网络优化过程中存在大量重复的梯度信息。CSPNet尊重梯度的多样性，将网络中各阶段的特征图整合起来。
calvinpaean·2023-01-16 09:36

论文学习《BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding》

文章分为两部分，第一部分为论文《BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding》的学习，转自[NLP自然语言处理]谷歌BERT模型深度解析。第二部分是BERT相关论文、文章、代码推荐。一、前言最近谷歌搞了个大新闻，公司AI团队新发布的BERT模型，在机器阅读理解顶级水平测试SQuAD1.1中表现出惊人
XB_please·2023-01-15 18:13

KPConv 论文学习笔记

Motivation传统的2D卷积神经网络只能运用在固定的数据结构中，而对于三维的数据没办法很好的处理。对于点云数据来讲，点云有三维坐标加上特征，而且是无序的，但是点云的空间位置是包含有信息的，所以如何利用这样的信息对点云数据的处理非常重要。Introduction通过对于核点（kernelpoint）赋予权重矩阵并通过其定义空间，每一个核点的影响范围由一个函数确定。核点的个数是可变的。同时在基础
健身的程序猿·2023-01-15 14:27

TensorFlow2安装教程

Anaconda3清华镜像源：Indexof/anaconda/archive/|清华大学开源软件镜像站|TsinghuaOpenSourceMirror选择自己系统对应的anaconda版本，这里我选择的是2022.5
好帆果子·2023-01-15 14:38

AlexNet网络模型复现

原始论文；2.对AlexNet网络结构进行学习；3.复现AlexNet网络模型；4.采用数据库（含有5类鲜花）对模型进行了训练和验证，10epoch下精度可达70%；二、过程0.AlexNet介绍1.论文学习
Wiseym·2023-01-15 11:57

李群李代数学习笔记

前言因为论文学习的需要，入门了一下李群和李代数，觉得B站的这个视频讲得不错：视频地址为机器人学——李群、李代数快速入门，这里记录一下。
小林up·2023-01-15 07:58

fastspeech2复现github项目--模型训练

在完成fastspeech论文学习后，对github上一个复现的仓库进行学习，帮助理解算法实现过程中的一些细节；所选择的仓库复现仓库是基于pytorch实现，链接为https://github.com/
zzfive·2023-01-15 07:10

fastspeech复现github项目--数据准备

在完成fastspeech论文学习后，对github上一个复现的仓库进行学习，帮助理解算法实现过程中的一些细节；所选择的仓库复现仓库是基于pytorch实现，链接为https://github.com/
zzfive·2023-01-15 07:40

fastspeech复现github项目--模型训练

在完成fastspeech论文学习后，对github上一个复现的仓库进行学习，帮助理解算法实现过程中的一些细节；所选择的复现仓库是基于pytorch实现，链接为https://github.com/xcmyz
zzfive·2023-01-15 07:40

fastspeech2复现github项目--模型构建

在完成fastspeech论文学习后，对github上一个复现的仓库进行学习，帮助理解算法实现过程中的一些细节；所选择的仓库复现仓库是基于pytorch实现，链接为https://github.com/
zzfive·2023-01-15 07:40

fastspeech复现github项目--模型构建

在完成fastspeech论文学习后，对github上一个复现的仓库进行学习，帮助理解算法实现过程中的一些细节；所选择的仓库复现仓库是基于pytorch实现，链接为https://github.com/
zzfive·2023-01-15 07:08

《EfficientDet:Scalable and Efficient Object Detection》论文学习

论文地址：https://arxiv.org/pdf/1911.09070.pdfgithub地址：https://github.com/google/automl/tree/master/efficientdet研究目的：在计算机视觉中，提出高效的模型优化措施，用于目标检测的神经网络体系结构的选择。研究重点：1.提出了加权双向特征金字塔（BiFPN），该网络可以轻松快速的进行多尺度特征融合。2.
小T每日一学·2023-01-14 16:28

AlexNet论文学习

AlexNet论文阅读个人心得：1.更大的数据集（如ImageNet）可以帮助CNN训练至收敛。2.适合的梯度下降函数（Relu）可以加速训练3.GPU并行运算更加迅速4.数据增广、批处理训练dropout、池化操作、LRN正则化可以减少过拟合摘要Alex小组训练了一个DCNN，由五个卷积层，一些max-pooling层，三个全连接层组成，采用了GPU训练和"dropout"正则化，在ImageN
20220723开始学Java·2023-01-14 00:59

迁移学习—— Transfer Feature Learning with Joint Distribution Adaptation

《ICCVTransferFeatureLearningwithJointDistributionAdaptation》论文学习2013IEEEInternationalConferenceonComputerVision
orokok·2023-01-12 12:36

迁移学习——Low-Rank Transfer Subspace Learning

《Low-RankTransferSubspaceLearning》论文学习2012IEEE12thInternationalConferenceonDataMining文章目录摘要一、介绍1.1相关工作二
orokok·2023-01-12 12:35

SiamFC论文学习笔记

SiamFC论文学习笔记引言相似度学习网络结构损失函数的定义优化与训练方案总结引言这是我写下的第一篇博文，主要目的是提升学习自己的主动性，对自己学到的知识进行及时总结反思，也便于在后续回顾时起到温故而知新的效果
forever compass·2023-01-11 15:56

SiamRPN论文学习笔记（上）

SiamRPN论文学习笔记（上）引言SiamRPN的网络结构孪生子网络部分区域候选子网络部分RPN的诞生区域候选子网络训练阶段两阶段训练anchors尺寸设置分类分支中anchors正负例选取策略损失函数的选取将单目标检测策略应用到跟踪中引言在目标跟踪领域
forever compass·2023-01-11 15:19

【论文学习】《Practical Attacks on Voice Spoofing Countermeasures》

《PracticalAttacksonVoiceSpoofingCountermeasures》论文学习文章目录《PracticalAttacksonVoiceSpoofingCountermeasures
FallenDarkStar·2023-01-11 10:34

HOI经典论文WACV 2018 | Learning to Detect Human-Object Interactions 论文学习笔记

本文研究内容为在静态图像种检测人物交互关系。其被定义为预测一个人、物边界框，以及一个将他们联系起来的交互类标签。HOI检测是计算机视觉种一个基本的问题，因为它提供了被检测物体之间交互的语义信息。同时本文引入了HICO-DET，一个新的HOI检测的基准数据集，使用实例标注来扩充当前的HICO分类基准数据集。本文还提出了基于人物对区域的卷积神经网络（HO-RCNN），该方法的核心就是交互模式，它是一个
ycolourful·2023-01-11 09:33

Few-shot YOLOv3: Few-shot Object Detection on Optical Remote Sensing Images论文学习以及复现

写在前面    之前复现了基于yolov2的小样本目标检测的论文，经过在其他数据集（如一些包含小目标的遥感数据集），检测效果不是很好，可能是由于v2的性能的问题，v2网络本身只有一种尺度的预测特征图，相比于从v3开始的多个预测特征图，性能逊色一些。    下面就学习复现基于v3的小样本目标检测算法，github链接链接:FSODM。感觉这个代码有点冷门，可能是由于作者给的说明太少吧。环境配置   
小火车、摆动的旋律·2023-01-11 01:13

源码阅读之FewshotDetection

进行的相关阅读，需要自行查看的可以去提取，原文是“Few-shotObjectDetectionviaFeatureReweighting,ICCV2019”这边由于项目相关需要用到fewshot，进行了相关的论文学习
beingod0·2023-01-11 01:11

Few-shot Object Detection via Feature Reweighting论文学习以及复现

复现Few-shotObjectDetectionviaFeatureReweighting论文代码写在前面本电脑配置环境配置PreparedatasetBaseTrainingTrainTheModelEvaluatetheModel写在前面    最近在看Few-shotObjectDetection的开篇之作，看完论文后，打算先开始复现论文代码，跑跑看。    论文:link.    代码:
小火车、摆动的旋律·2023-01-11 01:40

HRNet的学习笔记

1HRNet论文学习论文：《DeepHigh-ResolutionRepresentationLearningforVisualRecognition》arxiv链接：https://arxiv.org
songyuc·2023-01-10 14:37

3D目标检测——CLOCs论文学习笔记

CLOCs：Camera-LiDARObjectCandidatesFusionfor3DObjectDetection文章链接：https://www.researchgate.net/publication/344067087_CLOCs_Camera-LiDAR_Object_Candidates_Fusion_for_3D_Object_Detectiongithub：https://gi
Jeremy Cui·2023-01-10 09:46

学习日记2021-03-16论文学习

显著性物体检测研究综述基于优化融合的卷积网络显著目标检测*马杉杉，彭来献![在这里插入图片描述](https://img-blog.csdnimg.cn/20210316101836650.png基于显著增强分层双线性池化网络的细粒度图像分类陈珺莹,陈莹*
Ger. 假老练·2023-01-07 22:27

深度知识追踪（Deep Knowledge Tracing）论文学习（简要归纳）

深度知识追踪（DeepKnowledgeTracing）ChrisPiech∗,JonathanSpencer∗,JonathanHuang∗‡,SuryaGanguli∗,MehranSahami∗,LeonidasGuibas∗,JaschaSohl-Dickstein∗†∗StanfordUniversity,†KhanAcademy,‡Google发布正在：NIPS'15（人工智能A会）N
sereasuesue·2023-01-07 17:47

【论文学习】Towards Accurate Oriented Object Detection in Aerial Images with Adaptive Multi-level Feature

AFF-Det：通过自适应多级特征融合实现航空图像中的精确定向目标检测论文链接：《TowardsAccurateOrientedObjectDetectioninAerialImageswithAdaptiveMulti-levelFeatureFusion》代码链接：暂无本文中提出了一种新型的两阶段检测器，该检测器具有自适应特征融合功能，可以实现航空图像中高精度的定向物体检测，命名为AFF-De
pinfan12138·2023-01-07 13:14

（2022.5）ImportError: cannot import name ‘get_config‘ from ‘tensorflow.python.eager.context‘

今天调试代码，发现了这个报错，尝试了很多方法，都解决不了后来经过广泛的调查与尝试，从国外某位大佬处找到了解决方案，发现是tensorflow版本的问题：当前报错环境下的tensorflow的版本为2.3.0进入下面这个网站，或者可以直接复制粘贴以下代码，建议使用清华源进行下载tensorflow·PyPI将tensorflow升级为tensorflow2.8.0pipinstalltensorfl
水果味的程序员·2023-01-07 08:06

【论文学习】RoBERTa

目录摘要训练过程分析摘要RoBERTa（ARobustlyOptimizedBERTPretrainingApproach）基本与BERT一致，但在以下方面做了一些细节调整：1）在更多数据上，以更大batch_size，训练更长时间；2）取消NSP任务；3）更大序列长度上训练（实际都是512，只不过数据处理上尽量选取长文本作为输入）；4）dynamicmask。训练过程分析dynamicmask：
凯子要面包·2023-01-05 16:28

论文学习随记：PF-Net: Point Fractal Network for 3D Point Cloud Completion

文章目录1.什么是genus-wisedistortionsproblem（属类失真问题）2.FPN结构3.GAN网络1.什么是genus-wisedistortionsproblem（属类失真问题）原文：Nonetheless,thereconstructedpointsmaystillhavegenus-wisedistortionswhentheoriginalsurfaceistoocom
Pikoyoo·2023-01-05 09:16

【论文学习】FD-MonbileNet: IMPROVED MOBILENET WITH A FAST DOWNSAMPLING STRATEGY

原文链接：https://arxiv.org/abs/1802.03750作者介绍了一种高效且在有限运算量限制上十分准确的网络：Fast-DownsamplingMobileNet（FD-MobileNet）。其中心思想是在MobileNet框架上应用一种快速下采样策略。在FD-MobileNet中，作者在12层中运行了32倍的下采样，这仅是原始MobileNet层数的一半。这样的设计有3个优点：
斯丢劈德Tony·2023-01-05 01:40

逐句解析点积注意力pytorch源码（配图解）

前言结合pytorch源码和原始论文学习ScaledDot-ProductAttention的原理。原论文链接：AttentionIsAllYouNeed原论文中的网络结构如下图所示。
coder1479·2023-01-04 02:37
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他