2022.6论文学习

单目相机 svd 从图像恢复3维位置_论文学习——VINSMono：一种鲁棒且通用的单目视觉惯性系统...

点击上方“视觉部落”，选择“星标”公众号精选作品，第一时间送达文章同步首发于知乎用户yikang专栏Part1.基本信息本文提出了一种基于紧耦合滑动窗口非线性优化方法的单目视觉-惯性系统，来自港科大沈老师实验室。这篇论文的亮点包括提出了效果最佳的IMU预积分理论、估计器初始化机制、故障检测和复原机制、外参在线校订、基于优化的紧耦合VIO、重定位机制以及全局位姿图优化模块等内容。论文开源地址：htt
weixin_39734048·2020-12-04 09:01

论文学习-Image Inpainting for Irregular Holes Using Partial Convolutions

论文题目：ImageInpaintingforIrregularHolesUsingPartialConvolutions论文作者：GuilinLiuFitsumA.Reda（NVIDIACorporation）发表时间和期刊：2018Abstract摘要1、现状：基于深度学习的修复损坏图像方法都是使用基于有效像素（平均值）替代maskedhole的标准卷积网络或者卷积滤波器。2、存在问题：现有方
karl_ll·2020-11-18 01:53

论文学习：Metric Factorization:Recommendation beyond Matrix Factorization

一.概要本文为了缓解矩阵分解存在的问题，提出了一种新技术叫做度量因子分解。本文共分为九节，第一节简要介绍了度量因子分解；第二节对与度量因子分解相关的研究进行了简要回顾；第三节描述了研究问题，并讨论了矩阵分解的局限性；第四节介绍了度量因子分解的基本概念；第五到七节介绍了如何分别通过度量因子分解进行评级预测和项目排名；第八节通过对真实数据集的大量实验证明了模型的有效性；第九节做出了总结与展望。二.相关
python小白22·2020-10-14 21:59

【论文学习】FastText总结

《BagofTricksforEfficientTextClassification》Fasttext:对于高效率文本分类的一揽子技巧论文背景：文本分类是自然语言处理的重要任务，可以用于信息检索、网页搜索、文档分类等。基于深度学习的方法可以达到非常好的效果，但是速度很慢，限制了文本分类的应用。基于机器学习的线性分类器效果也很好，有用于大规模分类任务的潜力。从现在词向量学习中得到的灵感，我们提出了一
lyj157175·2020-10-10 10:48

你与 SCI 的距离，只有一个国庆假期那么短

趁此机会，开启自己的科研论文学习吧！识别下方二维码进入「十一大放价」活动主会场推荐课程一：临床回顾性SCI80%临床医生的第一篇论文，都是做回
丁香园·2020-10-04 00:00

深度学习语义分割开山之作-经典论文-FCN

FCN论文学习笔记泛读：快速浏览把握概要摘要根据图，表格对重点内容进行把握精读论文的结构1.introduction（Figure1.）2.Relatedwork3.Fullyconvolutionalnetworks3.1
peacefairy·2020-09-23 19:46

论文学习-深度学习目标检测2014至201901综述-Deep Learning for Generic Object Detection A Survey

博客：blog.shinelee.me|博客园|CSDN文章目录写在前面目标检测任务与挑战目标检测方法汇总基础子问题基于DCNN的特征表示主干网络（networkbackbone）MethodsForImprovingObjectRepresentationContextModelingDetectionProposalMethodsOtherSpecialIssuesDatasetsandPer
shine-lee·2020-09-17 04:43

谷歌EfficientNet高效卷积网络的学习和使用

文章目录0引言1论文学习1.1摘要1.2介绍1.3相关工作1.3复合模型扩展1.3.1问题公式化1.3.2扩展维度1.3.3复合比例1.4EfficientNet架构1.5实验1.5.1扩大mobilenet
Pluto0054·2020-09-17 03:18

[优质论文]伪造共同访问对推荐系统进行攻击

针对推荐系统的攻击论文原文：FakeCo-visitationInjectionAttackstoRecommenderSystems论文解读：[论文学习]脆弱的推荐系统:通过伪造共同访问对推荐系统进行攻击这篇文章写的很清楚
Kehl·2020-09-16 22:14

《Attributed Social Network Embedding》论文学习笔记

一、研究背景本文提出了一种网络表示学习算法：将结构信息和属性信息同时输入深度神经网络，实现非线性特征抽象，相对传统的浅层神经网络语言模型，有较大性能提升。同时作者提出了离散属性信息的处理方式，是本文的贡献之一。多源信息融合的表示方法主要有以下几种：一、分别建立表示模型，简单拼接作为最终表示向量；二是训练过程中建立联合优化目标函数，实现线性融合；第三种就是作者提到的共同输入深层模型进行特征提取，实现
shoulunzhui6949·2020-09-16 01:44

High Quality Monocular Depth Estimation via Transfer Learning论文学习

HighQualityMonocularDepthEstimationviaTransferLearning贡献方法网络结构复杂性和性能学习损失函数增强策略实验结果数据集实验细节评估质量评估定性结果AblationStudies深度编码深度解码颜色增强泛化到其他数据集结论附录代码实现arXiv:1812.11941v2[cs.CV]10Mar2019贡献三个方面。第一，提出简单的基于转移学习的网络
T0XIc.·2020-09-15 09:24

论文学习笔记： Convolutional Neural Pyramid for Image Processing

论文学习笔记：ConvolutionalNeuralPyramidforImageProcessing原文链接：ConvolutionalNeuralPyramidforImageProcessing前言今年刚出的文章
Nexusis·2020-09-14 09:33

You Only Look Once: Unified, Real-Time Object Detection（YOLOv1）论文学习笔记

摘要：提出了YOLO，将目标检测归为了回归问题，可以在完整图像中进行预测框和类别概率的计算，YOLO是一个端到端的预测框架非常快，可以达到45fps，而对于更小的版本，FastYOLO，可以达到155fps，且依旧保持较高的mAP相比其他预测框架，YOLO可能会预测较多错误的预测框，但很少会有假阳性的出现总体上要比其他预测框架要好，比如DPM，R-CNN等介绍：为了检测目标，一些检测器在图像的不同
小风_·2020-09-14 00:18

The Dataflow Model论文学习笔记

因为是被誉为流计算基石的论文，所以决定花时间学习一下。这篇论文在开篇总结了流计算的应用场景主要是说现在对数据处理的语义越来越复杂，对延时性的要求越来越苛刻。。在这里对SparkStreaming的微批次流处理模型进行了批评，在流计算的时候应该遵从的理念是我们不知道数据何何时流何时被终结，何时数据会完整，唯一确信的是新的数据会源源不断的进来，老的数据会被撤销或者更新。基于这个思路来设计一个流计算编程
周英俊520·2020-09-13 22:24

论文学习MobileNet-v2（超详解）

文章目录1、LinearBottlenecks2、Invertedresiduals3、小结我们在之前一篇文章已经说过MobileNet是为了将复杂的网络能够应用在移动端和资源受限情境下的轻量级神经网络解决方案。在MobileNet网络中主要提出的方案主要是深度可分离卷积和宽度缩放因子、分辨率缩放因子两个超参数。而MobileNet-v2继续致力于构建移动端的轻量级网络。MobileNet-v2依
USTC_SC·2020-09-13 01:20

论文学习-MobileNet-v1

文章目录1、背景2、深度可分离卷积3.1、宽度缩放因子3.2、分辨率缩放因子4.、代码分析1、背景卷积神经网络在计算机视觉任务中已经无处不在，并且总体趋势是向着更深更复杂的网络发展以获得更高的精度，但是这些所造成的是模型尺寸越来越大，速度越来越慢，很难在现实世界中获得实时的运用。作者提出的MobileNet可以构建小尺寸、低延时的模型，可以实现运行在嵌入式的移动视觉任务中。论文方案主要体现在两个方
USTC_SC·2020-09-13 01:20

论文学习—YOLO-v4

文章目录1、背景2.1目标检测的构成2.2、Bagoffreebies2.3、Bagofspecials3、YOLO架构3.1、网络架构3.2、数据增强3.3学习率余弦退火4、小结1、背景目前而言，大部分基于CNN的目标检测系统只适用于一些推荐领域的工作：运行慢精度高的检测系统应用于城市停车位搜素；运行快，精度一般的用于汽车碰撞警告，提高检测系统实时速度与精度，不仅可以让检测系统应用于以上场景，可
USTC_SC·2020-09-13 01:20

YOLO-V2论文学习（超详细）

文章目录YOLO9000:Better,Faster,Stronger1.简单介绍2.设计方案BatchNormalizationHighResolutionClassifierConvolutionalWithAnchorBoxes维度聚类直接位置预测细粒度特征多尺度训练Darknet-193.WordTree背景方案4.小结YOLO9000:Better,Faster,Stronger1.简单
USTC_SC·2020-09-13 01:19

CVPR 2017 Paper列表

精选论文学习分享，实时分享当前热点算法。
cliy·2020-09-12 19:03

Graph Cuts学习笔记2014.5.16----1

进行了一段时间的论文学习后，现在下载了一些代码，准备从OpenCV跟matlab两个方面着手搭建自己的图像分割平台，计划耗时一个月左右的时间！
weixin_30386713·2020-09-12 05:49

【论文学习】How To Backdoor Federated Learning论文学习

写在前面最近每周都在参加组内的论文学习会议，每周都有组内的师兄师姐分享论文。因为我是网络安全的小白，再加上我正好有很多空闲时间，所以会将师兄师姐们分享的论文阅读一下，学习一下。
精致又勤奋的码农·2020-09-12 03:47

【论文学习】Deep Learning for Unsupervised Insider ThreatDetection in Structured Cybersecurity DataStreams

DeepLearningforUnsupervisedInsiderThreatDetectioninStructuredCybersecurityDataStreams论文学习及源码分析持续补充，持续更新中
精致又勤奋的码农·2020-09-12 01:01

2018美赛C题论文学习笔记1

#73767论文一、数据处理1.缺失值处理：缺失过多的直接删掉，缺失少的用插值方法填补缺失值2.异常值处理：用箱线图发现异常值，然后用相邻值得平均值替代3.数据筛选和分类：将能源分为两大类，即清洁可再生能源和传统化石能源清洁可再生能源：氢能，风能，地热能，太阳能，乙醇传统化石能源：煤，石油，天然气，其他燃料至此筛选出11个重要变量（此处AVACD这个似乎有误）二、能源概况针对4个城市的11个变量画
pengion·2020-09-11 13:05

PointNet论文学习

PointNet论文学习简介Pointnet将深度学习应用到了点云的分类和分割问题。
Bungehurst·2020-09-10 15:41

SlowFast Networks for Video Recognition 论文学习

Abstract本文针对视频识别提出了SlowFast网络。该模型有一个Slow分支，以较低的帧率运算，获取空间语义；还有一个Fast分支，以较高的帧率运行，获取精确的时间运动信息。通过降低通道数量，Fast分支可以变得很轻，但也能够学到有用的时域信息。该方法在视频动作分类和检测任务上都取得了很强的表现。作者在主要的视频识别基准（Kinetics,Charades,AVA）都获得了SOTA的准确率
calvinpaean·2020-09-10 10:51

CenterNet：Objects as Points论文学习笔记+代码复现(demo+训练数据)【检测部分】

目录1.关键部分Heatmap了解2.Centernet论文细节：3.尝试复现CneterNet--INSTALL.md安装：4.尝试复现CneterNet--跑跑demo.py：5.尝试复现CneterNet--训练一下VOC：1.关键部分Heatmap了解可以看懂的资料：1.通俗地讲明白了heatmap的计算方法：http://bindog.github.io/blog/2018/02/10/
花噜噜酱·2020-08-26 15:05

论文学习笔记-YOLACT

『写在前面』基于One-stage型目标检测模型提出的One-stage型实例分割模型，可能是首个真正意义上达到实时性（>30fps）的实例分割模型。作者机构：DanielBolya等，UniversityofCalifornia,Davis文章标题：《YOLACT:Real-timeInstanceSegmentation》论文出处：ICCV2019原文链接：https://arxiv.org/
Wilber529·2020-08-26 14:27

论文学习笔记（四）ESPNet: Efficient Spatial Pyramid of Dilated Convolutions for Semantic Segmentation

『写在前面』2018上半年出品的语义分割轻量级网络。论文出处：ECCV2018作者机构：SachinMehta等，UniversityofWashington原文链接：https://arxiv.org/abs/1803.06815v2相关repo：https://github.com/sacmehta/ESPNet目录摘要1介绍2相关工作关于卷积加速膨胀卷积3ESPNet3.1ESP模块将标准卷
Wilber529·2020-08-26 14:27

论文学习笔记-M2Det

『写在前面』Single-shot目标检测新模型，使用multi-level特征。作者机构：QijieZhao等，北京大学&阿里达摩院文章标题：《M2Det:ASingle-ShotObjectDetectorbasedonMulti-LevelFeaturePyramid》原文链接：https://arxiv.org/abs/1811.04533相关repo：https://github.com
Wilber529·2020-08-26 14:57

论文学习笔记 - CenterTrack

『写在前面』CenterNet(Objectsaspoints)作者将CenterNet检测器推广到目标跟踪领域的成果，效果极佳，思路清奇。文章标题：《TrackingObjectsasPoints》作者机构：XingyiZhou等,UTAustin.原文链接：https://arxiv.org/abs/2004.01177相关repo：https://github.com/xingyizhou/
Wilber529·2020-08-26 14:56

论文学习笔记 - FCOS

『写在前面』Anchor-free型检测器的代表作之一。文章标题：《FCOS:FullyConvolutionalOne-StageObjectDetection》作者机构：ZhiTian等,TheUniversityofAdelaide.论文出处：ICCV2019原文链接：https://arxiv.org/abs/1904.01355相关repo：https://github.com/tian
Wilber529·2020-08-26 14:56

论文学习笔记 - YOLOv4

『写在前面』YOLOx新奇tricks大礼包，带领YOLO重回巅峰。文章标题：《YOLOv4:OptimalSpeedandAccuracyofObjectDetection》作者机构：AlexeyBochkovskiy等.原文链接：https://arxiv.org/abs/2004.10934v1相关repo：https://github.com/AlexeyAB/darknet目录摘要1目标
Wilber529·2020-08-26 14:56

论文学习笔记 - ATSS

『写在前面』深入剖析了导致Anchorbased模型与Anchorfree模型性能差距的原因，并基于此提出了自适应训练样本选择（ATSS），达到了新的SOTA.该篇文章作者还是RefineDet（CVPR2018）的一作。文章标题：《BridgingtheGapBetweenAnchor-basedandAnchor-freeDetectionviaAdaptiveTrainingSampleSe
Wilber529·2020-08-26 14:56

CenterNet: Keypoint Triplets for Object Detection 论文学习

论文地址：https://arxiv.org/pdf/1904.07850.pdf代码地址：https://github.com/xingyizhou/CenterNetAbstract在目标检测中，由于缺乏对相关剪裁区域的额外监督，基于关键点的方法通常会得到一大堆错误的物体边框。本文提出了一个有效的方法，在每个裁剪区域内以最小的代价去探索它的视觉模式。我们构建了一个单阶段基于关键点的检测器，叫做
calvinpaean·2020-08-26 12:57

论文学习笔记-CenterNet（Objects as Points）

『写在前面』应用最广泛的Anchor-Free检测模型之一。文章标题：《ObjectsasPoints》作者机构：XingyiZhou等,UTAustin.原文链接：https://arxiv.org/abs/1904.07850相关repo：https://github.com/xingyizhou/CenterNet目录摘要1介绍2相关工作3预备4ObjectsasPoints4.13D目标检
Wilber529·2020-08-26 11:50

GhostNet: More Features from Cheap Operations 论文学习

Abstract在嵌入式设备上设计卷积网络很困难，主要因为内存和计算资源有限。特征图冗余是这些CNN的一个重要特点，但是很少在网络结构设计上得到研究。本文提出了一个创新的Ghost模块，通过低成本的操作输出更多的特征图。基于一组内在的特征图，作者使用一系列低成本的线性变换就可以产生许多的ghost特征图，可以充分地揭示内在特征的信息。Ghost模块可以作为一个即插即用的组建来对现有卷积网络做升级。
calvinpaean·2020-08-25 16:09

声纹识别中PLDA的域自适应的通用框架

AGENERALIZEDFRAMEWORKFORDOMAINADAPTATIONOFPLDAINSPEAKERRECOGNITION2020顶会论文学习提出了一种用于说话人识别中的概率线性判别分析（PLDA
落雪snowflake·2020-08-25 02:52

论文学习学习1

BSN:BoundarySensitiveNetworkforTemporalActionProposalGeneration用于时序动作提名生成的边界敏感网络这张图是这篇论文的流程，大体总结如下：首先将视频分为S小段，每段随机选取一帧，提取RGB和光流信息，分别编码后形成二维的F特征，这是BSN网络的输入。接下来进入BSN网络正题，首先是时序评估模块。采用三层的时序卷积网络对输入中的每个位置上动
哈特谢普苏特·2020-08-25 01:23

Fuzzy analytic hierarchy process（模糊层次分析法）论文学习

论文：FuzzyAnalyticHierarchyProcess:Aperformanceanalysisofvariousalgorithms（查题目了才知道原来Fuzzy是模糊的意思哈哈哈哈对8起那么什么是FAHP和AHP呢？该类方法对于量化评价指标,选择最优方案提供了依据。（原来是决策相关方法AHP存在如下方面的缺陷:检验判断矩阵是否一致非常困难,且检验判断矩阵是否具有一致性的标准CR论文详
resplen·2020-08-24 02:50

基于物品的协同过滤推荐算法——读“Item-Based Collaborative Filtering Recommendation Algorithms”

最近参加KDDCup2012比赛，选了track1，做微博推荐的，找了推荐相关的论文学习。
huagong_adu·2020-08-24 00:14

Paper notes(2):三部图张量分解标签推荐算法

Papernotes（2）:三部图张量分解标签推荐算法1.解决的问题和解决的方法2.文中用到的符号及其定义3.TTD算法本文只是个人用于记录论文学习笔记，如有写错的地方还望各位大佬批评指正。
coldsun233·2020-08-24 00:24

张量网络论文学习1——张量网络的背景和意义

目录系列背景简介张量网络的背景量子多体系统的问题张量网络方法的意义拓宽传统模拟方法的边界一种描述凝聚态物理新的语言多体系统高维希尔伯特空间系列背景简介我算是非常偶然接触到这个领域的，因为虽然作为物理系的学生，但却一直想着去搞计算机，对于物理专业来说，除了本科要学的四大力学，以及大略知道什么固体物理，原分光冷原子之类的一系列名词，就没有更多的了解了。很快就要分流了，才发现自己实际上对于物理的方向还很
基态清原子·2020-08-23 23:58

论文学习（二）---Temporal Convolutional Network （TCN）

关于《AnEmpiricalEvaluationofGenericConvolutionalandRecurrentNetworksforSequenceModeling》论文的学习参考博客网址。1.https://fuhailin.github.io/Temporal-Convolutional-Network/2.https://blog.csdn.net/Kuo_Jun_Lin/articl
超白的小白走在阳光下·2020-08-23 06:55

【论文学习】3D Convolutional Neural Networks for Human Action Recognition

3DConvolutionalNeuralNetworksforHumanActionRecognition原文链接摘要我们考虑的是在不受控制的环境下全自动动作识别。大多数现存的工作依赖于其专业知识从输入中构建复杂的人工特征。而且环境通常假定为可控的。卷积神经网络是一种深度模型，它可以直接作用在原始输入上，因此其特征构建是自动的。然而，这种模型目前仅限制于处理2D模型。在这篇文章中，我们提出一种新
夏洛的网·2020-08-23 06:53

Learning Depth from Monocular Videos using Direct Methods论文学习

论文链接：http://openaccess.thecvf.com/content_cvpr_2018/papers/Wang_Learning_Depth_From_CVPR_2018_paper.pdf（代码已开源鸭）摘要使用非监督的策略从单张图片中学习深度图非常的具有吸引力，因为它可以利用大量且种类丰富的单目视屏数据库，无需groundtruth和双目数据。在之前的工作中，姿态和深度的神经网
你蕾哥永远是你哥·2020-08-22 15:56

《机器学习与计算力学的结合及应用初探 》论文学习

本文是对《机器学习与计算力学的结合及应用初探》论文的一个知识点的整理。摘要：1.介绍了机器学习、数据科学与计算力学相结合的3种形式:第一种是与有限元方程求解方面的结合,直接应用卷积神经网络算法求解线性有限元方程;第二种方式结合有限元计算和机器学习预测复杂材料结构与力学性能的关系.本文作者应用该方法基于细观页岩扫描照片和随机建模算法,成功训练出可以有效预测细观页岩样本等效模量的卷积神经网络;第三种方
weixin_44933854·2020-08-22 14:56

SFTGAN论文学习笔记

“RecoveringRealisticTextureinImageSuper-resolutionbyDeepSpatialFeatureTransform”发表于CVPR2018作者论文、补充材料、数据集及代码地址：http://mmlab.ie.cuhk.edu.hk/projects/SFTGAN/这篇论文提出了使用先验类别信息来解决超分辨率纹理不真实的问题，就是在超分辨率的合成中使用语义
骑猪撞地球J·2020-08-22 04:21

【论文学习】YOLOv3：An Incremental Improvement

论文：YOLOv3源代码：pjreddie.com/yolo/视频：https://youtu.be/MPU2HistivI1.Abstract作者对YOLO进行了进一步的更新，做了一些小设计更改让其表现更好。YOLOv3比YOLOv2相较大了一些，却更加准确，但是依然很快。在320×320YOLOv3在28.2mAP上仅运行了22ms，和SSD的准确度相同但是快了3倍。在关注原有的0.5IOUm
斯丢劈德Tony·2020-08-22 02:55

Deep Residual Learning for Image Recognition 论文学习

DeepResidualLearningforImageRecognition这篇paper讲的是残差网络，用于简化非常深的网络，该框架层能根据输入来学习残差函数而非原始函数。深度网络存在的梯度消失爆炸问题通过BN得到了有效解决，出现的另一个问题是网络的退化问题，这是指当网络深度加深时，准确率提高，随之下降。并且这种下降并不是因为过拟合，因为我们假设深层网络是从浅层网络直接复制来的，理论上深层网络
哈特谢普苏特·2020-08-22 02:55

【论文学习记录】Densely Connected Convolutional Networks

DenseNet是CVPR2017的文章，论文原文《DenselyConnectedConvolutionalNetworks》。在深度神经网络中，随着网络深度的加深，梯度消失问题越来越明显。论文作者为了解决这个问题，直接将所有层连接起来。DenseNet是一种具有密集连接的卷积神经网络。在该网络中，任何两层之间都有直接的连接，也就是说，网络每一层的输入都是前面所有层输出的并集，而该层所学习的特征
heiheiya·2020-08-22 01:49
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他