3D+ML论文阅读第15页

医学图像分割：U_Net 论文阅读

“U-Net:ConvolutionalNetworksforBiomedicalImageSegmentation”是一篇由OlafRonneberger,PhilippFischer,和ThomasBrox发表的论文，于2015年在MICCAI的医学图像计算和计算机辅助干预会议上提出。这篇论文介绍了一种新型的卷积神经网络架构——U-Net，特别是为了处理医学图像分割问题而设计。背景和挑战在医学

北方骑马的萝卜·2023-11-25 10:24

《MIX：多通道信息交叉文本匹配》论文阅读笔记

摘要带注意力机制的多粒度CNNs融合模型，可分为3个步骤如下：1.文中融合两种通道（1）一种是单字、双字、三字等的语义匹配通道；（2）另一种是词权重、POS和位置信息等attention通道。2.语义匹配得到原始匹配矩阵，词权重、pos和position经过attention得到weight矩阵，原始矩阵和weight矩阵点积进行融合。3.

C_weiqi·2023-11-25 09:22

【论文阅读】Image Disentanglement Autoencoder for Steganography without Embedding-CVPR2022

参考链接：[CVPR2022]基于图像解耦生成的无嵌入隐写-知乎这篇论文介绍的很好信息隐藏|ImageDisentanglementAutoencoderforSteganographywithoutEmbedding实现无嵌入隐写的图像无纠缠自动隐写器代码：https://github.com/Lemok00/IDEAS无嵌入隐写（steganographywithoutembedding,SW

岁月漫长_·2023-11-25 06:48

【论文阅读】智能合约安全漏洞检测技术研究综述

一、SC安全漏洞事件2016年6月,黑客利用DAO(decentralizedautonomousorganization)合约的可重入漏洞,窃取了价值约6000万美元的以太币(即以太坊数字货币);2017年7月,由于Parity多签名钱包合约的Delegatecall漏洞(paritymulti-sigwalletdelegatecall）,价值近3亿美元的以太币被冻结;2018年4月,恶意攻击

ZTT-Erolii·2023-11-25 02:39

深度学习系列-图像分类模型-论文阅读&详解

图像分类是深度学习最早大放异彩的领域，因此也出现了很多经典通用好用的网络模型。这篇blog重点在用一边阅读&理解各个模型的出处论文，一边把相关链接(自认为讲解透彻的)以及笔记记录下来，方便以后查阅。既然已经有很多人总结得很详细，我就偷个懒不再重复劳动了，啊哈哈另外，吐个槽，网上的资料真是乱，大家都抄来抄去的，没个准头。为了找个写的明白的资料真实费劲~CNN发展纵览网络类型和性能CNNArchite

城市中迷途小书童·2023-11-24 23:19

论文阅读 (106)：Decoupling maxlogit for out-of-distribution detection (2023 CVPR)

文章目录1概述1.1要点1.2代码1.3引用2预备知识3方法3.1MaxLogit3.2改进MaxCosine和MaxNorm3.3DML+1概述1.1要点题目：解耦最大logit分布外检测(Decouplingmaxlogitforout-of-distributiondetection)方法：提出了一种心机基于logit的OOD方法，解耦最大逻辑(DML)；考虑硬样本和紧凑特征空间，提出改进后

因吉·2023-11-24 22:16

GPT1(Improving Language Understanding by Generative Pre-Training)论文阅读

论文地址：ImprovingLanguageUnderstandingbyGenerativePre-Training1.论文阅读1.1背景介绍在GPT(Generativepre-trainedtransformer

MLTalks·2023-11-24 15:59

深度学习的优化：理论和算法《Optimization for deep learning: theory and algorithms》论文阅读笔记-4.训练神经网络的通用算法

5.训练神经网络的通用算法前面讨论了一些神经网络的特定tricks，这些小技巧需要结合最优化方法，如SGD。通常我们希望得到一个快速且表现好的方法。然而更快的方法通常表现不是最好的，因此我们设定一个可以接受的速度值，在满足这个速度值的情况下，尽可能的提高模型表现。5.1SGD和学习率的计划当前，最流行的方法是SGD和他的变种，SGD每次选择一个样本更新权重。在每个EPOCH开始时，进行shuffl

数据小新手·2023-11-24 12:18

Re52：读论文 How Much Knowledge Can You Pack Into the Parameters of a Language Model?

诸神缄默不语-个人CSDN博文目录诸神缄默不语的论文阅读笔记和分类论文名称：HowMuchKnowledgeCanYouPackIntotheParametersofaLanguageModel?

诸神缄默不语·2023-11-24 01:21

Re51：读论文 Language Models as Knowledge Bases?

诸神缄默不语-个人CSDN博文目录诸神缄默不语的论文阅读笔记和分类论文名称：LanguageModelsasKnowledgeBases?

诸神缄默不语·2023-11-24 01:49

《论文阅读》CAB：认知、情感和行为的共情对话生成 DASFAA 2023

《论文阅读》CAB：认知、情感和行为的共情对话生成前言摘要相关知识CVAE条件变分自编码器最大最小归一化模型架构1.获取Representation2.PriorNetworkandRecognitionNetwork

365JHWZGo·2023-11-23 20:51

论文阅读：Molecular subtypes classification of breast cancer in DCE-MRI using deep features

论文标题：MolecularsubtypesclassificationofbreastcancerinDCE-MRIusingdeepfeatures翻译：基于深部特征的DCE-MRI对乳腺癌分子亚型的分类摘要利用乳腺DCE-MRI识别分子亚型本研究使用了1359张DCE-MRI图像的人工注释数据集，其中70%用于训练，其余用于测试。从该数据集中提取了12个深度特征。数据集首先由具有乳腺MRI解

小源0·2023-11-23 17:02

论文阅读：Cross-layer mutual attention learning for fine-grained visual classification

论文标题：LearnfromeachothertoClassifybetter:Cross-layermutualattentionlearningforfine-grainedvisualclassification翻译：相互学习，更好地分类：跨层相互关注学习，实现细粒度视觉分类摘要细粒度视觉分类(FGVC)很有价值，但也很有挑战性。FGVC的难点主要在于其固有的类间相似性、类内差异性和有限的训

小源0·2023-11-23 17:02

《MedSegDiff Medical Image Segmentation with Diffusion Probabilistic Model》论文阅读理解

《MedSegDiffMedicalImageSegmentationwithDiffusionProbabilisticModel》论文阅读理解领域：AnomalyDetection（缺陷检测）论文地址

wyypersist·2023-11-23 17:31

论文阅读：MedSegDiff: Medical Image Segmentation with Diffusion Probabilistic Model

论文标题：MedSegDiff:MedicalImageSegmentationwithDiffusionProbabilisticModel翻译：MedSegDiff：基于扩散概率模型的医学图像分割名词解释：高频分量（高频信号）对应着图像变化剧烈的部分，也就是图像的边缘（轮廓）或者噪声以及细节部分。1.动态条件编码在大多数条件DPM中，条件先验是一个唯一的给定信息。然而，医学图像分割是出了名的模

小源0·2023-11-23 17:52

【论文阅读笔记】Emu: Enhancing Image Generation Models Using Photogenic Needles in a Haystack

【论文阅读笔记】Emu:EnhancingImageGenerationModelsUsingPhotogenicNeedlesinaHaystack论文阅读笔记论文信息摘要背景方法结果关键发现作者动机相关工作方法

LuH1124·2023-11-23 15:14

【论文阅读笔记】Emu Edit: Precise Image Editing via Recognition and Generation Tasks

【论文阅读笔记】EmuEdit:PreciseImageEditingviaRecognitionandGenerationTasks论文阅读笔记论文信息摘要背景方法结果额外关键发现作者动机相关工作1.

LuH1124·2023-11-23 15:35

论文阅读“Contrastive and attentive graph learning for multi-view clustering”

WangR,LiL,TaoX,etal.Contrastiveandattentivegraphlearningformulti-viewclustering[J].InformationProcessing&Management,2022,59(4):102967.摘要导读基于图的多视图聚类旨在利用多视图图信息来提供聚类解决方案。多视图的一致性约束是多视图图聚类的关键。现有的研究大多是生成融合图

掉了西红柿皮_Kee·2023-11-23 15:30

ResNeSt 2020 论文阅读笔记

ResNeSt:Split-AttentionNetworksGithub:https://github.com/zhanghang1989/ResNeStDetectron2版本Github:https://github.com/zhanghang1989/detectron2-ResNeSt1.Introduction主要谈了一下目前一些ResNet的变体网络存在的问题最近大部分的下游应用还是

Kloping·2023-11-23 14:03

A_Machine_Vision_Apparatus_and_Method_for_Can-End_Inspection-论文阅读笔记

A_Machine_Vision_Apparatus_and_Method_for_Can-End_Inspection一种用于罐端检测的机器视觉装置和方法//2022.6.27日上午10:17开始阅读笔记论文地址https://ieeexplore.ieee.org/document/7476878论文贡献本文介绍了一种用于实时焊缝检测的机器视觉装置。在简要介绍仪器系统设计和成像系统的基础上，重

wyypersist·2023-11-23 10:53

【论文阅读】An Experimental Survey of Missing Data Imputation Algorithms

论文地址：AnExperimentalSurveyofMissingDataImputationAlgorithms|IEEEJournals&Magazine|IEEEXplore处理缺失数据最简单的方法就是是丢弃缺失值的样本，但这会使得数据更加不完整并且导致偏差或影响结果的代表性。因此，研究者提出了一系列填补方法，包括早期的简单统计填补方法、传统的机器学习填补方法和现代深度学习填补算法。早期的

轩儿毛肚·2023-11-23 06:41

Anthropic LLM论文阅读笔记

研究时间：与InstrcutGPT同期的工作，虽然其比ChatGPT发布更晚，但是其实完成的时间比ChatGPT更早。与ChatGPT的应用区别：该模型比ChatGPT回答我不知道的概率更高。将强化学习用于大语言模型（RLHF）：发现这种方法可以提升几乎在所有NLP任务上的性能。随着参数的增加，效果也越来越好。如果模型经过了强化学习的辅助，效果会进一步提升；如果经过了有用性的训练，模型会有更大的提

北岛寒沫·2023-11-23 04:01

【论文阅读】时序动作检测系列论文精读（2018年）

文章目录1.PreciseTemporalActionLocalizationbyEvolvingTemporalProposals论文目的——拟解决问题贡献——创新实现流程详细方法2.CTAP:ComplementaryTemporalActionProposalGeneration论文目的——拟解决问题贡献——创新实现流程详细方法3.BSN:BoundarySensitiveNetworkfo

三木今天学习了嘛·2023-11-23 04:44

【论文阅读】LSSNet

简介LSSNet:ATwo-streamConvolutionalNeuralNetworkforSpottingMacro-andMicro-expressioninLongVideos研究领域：macro-andmicro-expressionspotting期刊：MM21作者：中国电子科技大学-Wang-WangYu代码：williamlee91/mer_spotnotimportant总体

灼灼meou·2023-11-23 04:13

论文阅读：“基于快速特征点提取和描述算法与色调、饱和度和明度的图像特征点匹配算法”

文章目录摘要引言方法实验结果图像预处理结果对比图像配准结果对比参考文献摘要提出了一种基于快速点特征提取和描述（ORB）算法与色调、饱和度和明度（HSV）的图像特征点匹配算法。首先利用双边滤波和均值滤波结合对图像进行预处理，然后使用ORB算法进行特征点提取；接着利用K维二叉树（K-DTree）算法与汉明距离进行特征点粗匹配；再利用图像的HSV信息对匹配特征点对进行二次筛选。实验结果表明，在图像进行预

如松茂矣·2023-11-23 03:58

论文阅读 Forecasting at Scale (二)

最近在看时间序列的文章，回顾下经典论文地址项目地址ForecastingatScale3.2、季节性3.3、假日和活动事件3.4、模型拟合3.5、分析师参与的循环建模4、自动化预测评估4.1、使用基线预测4.2、建模预测准确性4.3、模拟历史预测4.4、识别大的预测误差5、结论6、致谢3.2、季节性企业时间序列通常由于它们所代表的人类行为而具有多期季节性。例如，5天的工作周可以在时间序列上产生每周

赫凯·2023-11-23 02:42

推荐系统 - 排序算法 - 神经网络：FNN 论文阅读

1.前言FNN在文章DeepLearningoverMulti-fieldCategoricalData–ACaseStudyonUserResponsePrediction中提出论文地址该篇论文于2016年发表，提出了基于FM预训练获取离散特征embedding表示(注意这里的“特征”指的是FFM中说的“field”，而不是FM中说的“特征”，比如“性别”算一个特征、“品类”算一个特征)，结合M

愉贵妃珂里叶特氏海兰·2023-11-23 01:43

【论文阅读】NeuralProphet: Explainable Forecasting at Scale

NeuralProphet:ExplainableForecastingatScale前言1、NeuralProphet模型1.1模块组成1.1.1趋势模块1.1.2周期性1.1.3自回归1.1.4滞后回归1.1.5未来回归1.1.6事件与节假日1.2预处理1.2.1缺失值1.2.2标准化1.2.3表式化1.3训练1.3.1损失函数1.3.2正则化1.3.3优化器1.3.4学习率1.3.5批次大小

qq_38142901·2023-11-22 19:57

论文阅读 Forecasting at Scale (一)

最近在看时间序列的文章，回顾下经典论文地址项目地址ForecastingatScale摘要1、介绍2、时间业务序列的特点3、Prophet预测模型3.1、趋势模型3.1.1、非线性饱和增长3.1.2、具有变化点的线性趋势3.1.3、自动转换点选择3.1.4、趋势预测的不确定性摘要预测是一项常见的数据科学任务，能够帮助组织进行容量规划、目标设定和异常检测。尽管其重要性不言而喻，但在生产可靠且高质量的

赫凯·2023-11-22 19:47

推荐系统论文阅读（四十七)-DMIN:用户多兴趣演化网络

论文：论文题目：《DeepMulti-InterestNetworkforClick-throughRatePrediction》论文地址：https://dl.acm.org/doi/pdf/10.1145/3340531.3412092今天来看一篇阿里发在CIKM的shortpaper，主要聚集在多兴趣跟兴趣演化这两个方向。一、背景不管在电商领域还是短视频领域，用户的兴趣通常是多样的，潜藏在一

推荐系统论文阅读·2023-11-22 10:27

论文阅读“ZINB-based Graph Embedding Autoencoder for Single-cell RNA-seq Interpretations”

YuZ,LuY,WangY,etal.ZINB-basedGraphEmbeddingAutoencoderforSingle-cellRNA-seqInterpretations.AAAI2022.摘要导读单细胞RNA测序(scRNA-seq)提供了在单细胞分辨率下的全基因组基因表达水平的高通量信息，实现了对单个细胞的转录组的精确理解。（单细胞RNA测序数据的意义）不幸的是，快速增长的scRNA

掉了西红柿皮_Kee·2023-11-22 03:22

生物信息学之抗癌药物反应论文阅读六：DNN整合基因组谱

论文地址：Predictingdrugresponseoftumorsfromintegratedgenomicprofilesbydeepneuralnetworks利用深度神经网络预测整合基因组谱的肿瘤药物反应作者信息：Yu-ChiaoChiu1,Hung-IHarryChen1,2,TingheZhang2,SongyaoZhang2,3,AparnaGorthi1,Li-JuWang1,Y

Programming_miao·2023-11-22 03:58

Re50：读论文 Large Language Models Struggle to Learn Long-Tail Knowledge

诸神缄默不语-个人CSDN博文目录诸神缄默不语的论文阅读笔记和分类论文名称：LargeLanguageModelsStruggletoLearnLong-TailKnowledgeArXiv网址：https

诸神缄默不语·2023-11-22 02:53

论文阅读：A Critical Review of Recurrent Neural Networks for Sequence Learning

作者：ZacharyC.LiptonUCSD一、论文所解决的问题现有的关于RNN这一类网络的综述太少了，并且论文之间的符号并不统一，本文就是为了RNN而作的综述二、论文的内容（0）整体一览由前馈神经网络-》RNN的早期历史以及发展-》现代RNN的结构-》现代RNN的应用（1）前馈神经网络图1一个神经元图2一个神经网络传统的前馈神经网络虽然能够进行分类和回归，但是这些都是假设数据之间是iid（独立同

xizero00·2023-11-21 18:34

论文阅读笔记：Tailor A soft-prompt-based approach to attribute-based controlled text generation

文章的主要工作（1）提出了一种基于软提示的属性驱动CTG方法，名为Tailor。为了在统一的范式中同时包括单属性和多属性CTG，Tailor使用一组预训练的前缀来引导一个固定的PLM生成具有预定义属性的句子，然后有效地将它们连接起来生成多属性句子。（2）通过实验揭示了连续提示的组合能力。为了增强这种组合，在单属性CTG后探索了两种有效的策略，一种是无需训练的策略（MAPmask+RPsequenc

青云遮夜雨·2023-11-21 17:51

论文阅读笔记：Seen to Unseen Exploring Compositional Generalization of Multi-Attribute Controllable Dialogu

文章的主要工作（1）首次探索用于多属性可控对话生成的组合泛化，并发现现有模型缺乏对分布外的多属性组合的泛化能力。（2）提出了一种解耦的可控生成方法，DCG，它通过属性导向提示的共享映射学习从已见值到未见组合的属性概念，并使用解耦损失来分离不同的属性组合。（3）引入了一个统一的无需参照的评估框架，MAE，用于不同粒度的属性。我们建立了两个基准测试，并且充分的实验结果证明了我们的方法和评价指标的有效性

青云遮夜雨·2023-11-21 17:21

论文阅读笔记-WF攻击入门基本概念

一、WebsiteFingerprintingattack的概念1.网站数据在网络中传输，流量上体现出的一些独特特征，通过分析网站的指纹可以分析出用户身份，访问页面以及其他信息2.WF是流量分析攻击的一个研究领域3.WF攻击通过分析服务器和用户之间的加密通道，分析加密信道流量的时序、方向、数据包大小猜测用户访问的网站内容本质上是一个有监督多分类问题4.主要的攻击目标是基于SSL/TLS的HTTPS

一直在努力的吴二胖·2023-11-21 12:48

（论文阅读34-39）理解CNN

34.文献阅读笔记简介题目Understandingimagerepresentationsbymeasuringtheirequivarianceandequivalence作者KarelLenc,AndreaVedaldi,CVPR,2015.原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Lenc_Un

朽月初二·2023-11-21 09:57

（论文阅读51-57）图像描述3 53

51.文献阅读笔记（KNN）简介题目ExploringNearestNeighborApproachesforImageCaptioning作者JacobDevlin,SaurabhGupta,RossGirshick,MargaretMitchell,C.LawrenceZitnick,arXiv:1505.04467原文链接http://arxiv.org/pdf/1505.04467.pdf

朽月初二·2023-11-21 09:20

【论文阅读笔记】Automatic recognition and classification of microseismic waveforms based on computer vision

【论文阅读笔记】Automaticrecognitionandclassificationofmicroseismicwaveformsbasedoncomputervision摘要微震波形可以分解为时间

luzhoushili·2023-11-21 07:27

【论文阅读笔记】Unsupervised Clustering of Microseismic Signals Using a Contrastive Learning Model

【论文阅读笔记】UnsupervisedClusteringofMicroseismicSignalsUsingaContrastiveLearningModel摘要tscc:预训练和微调预训练：数据增强

luzhoushili·2023-11-21 07:27

基于变形卷积和注意机制的带钢表面缺陷快速检测网络DCAM-Net（论文阅读笔记）

原论文链接->DCAM-Net:ARapidDetectionNetworkforStripSteelSurfaceDefectsBasedonDeformableConvolutionandAttentionMechanism|IEEEJournals&Magazine|IEEEXploreDCAM-Net:ARapidDetectionNetworkforStripSteelSurfaceDe

晴友读钟·2023-11-21 07:24

Toolformer论文阅读笔记（简略版）

文章目录引言方法限制结论引言大语言模型在zero-shot和few-shot情况下，在很多下游任务中取得了很好的结果。大模型存在的限制：无法获取最新的信息、无法进行精确的数学计算、无法理解时间的推移等。这些限制可以通过扩大模型规模一定程度上解决，但是效果并不好。一个简单的方式用于处理这些限制就是让大语言模型能够调用外部工具。现有的通过调用外部工具的方式需要大量的人类标注，或只能针对特定的任务使用工

北岛寒沫·2023-11-21 07:54

【论文阅读笔记】Deep learning for time series classification: a review

【论文阅读笔记】Deeplearningfortimeseriesclassification:areview摘要在这篇文章中，作者通过对TSC的最新DNN架构进行实证研究，探讨了深度学习算法在TSC

luzhoushili·2023-11-21 07:50

论文阅读：“基于特征检测与深度特征描述的点云粗对齐算法”

如松茂矣·2023-11-21 07:50

多视图聚类论文阅读（二）

Deepmulti-viewsemi-supervisedclusteringwithsamplepairwiseconstraintsNeuroCompucting基于样本对约束的深度多视图半监督聚类1.1聚类的相关工作典型相关分析(CCA)[13]寻求两个投影，将两个视图映射到一个低维公共子空间，其中两个视图之间的线性相关性最大。内核典型相关分析(KCCA)[14]通过在CCA中加入内核技巧来

mingqian_chu·2023-11-21 07:49

【论文阅读】SPARK：针对视觉跟踪的空间感知在线增量攻击

SPARK:Spatial-AwareOnlineIncrementalAttackAgainstVisualTrackingintroduction在本文中，我们确定了视觉跟踪对抗性攻击的一个新任务：在线生成难以察觉的扰动，误导跟踪器沿着不正确的（无目标攻击，UA）或指定的轨迹（有针对性的攻击，TA）。为此，我们首先采用现有的攻击方法，即FGSM、BIM和C&W，提出了一种空间感知的基本攻击，并

prinTao·2023-11-21 07:40

Cvpr 2017论文阅读（一）Machine Learning 1

本篇主要是Cvpr2017论文阅读小结，将分成多个主题总结。

goodluckcwl·2023-11-21 06:58

[论文阅读]3DSSD——基于Point的三维单阶段目标检测器

3DSSD基于Point的三维单阶段目标检测器论文地址：3DSSD3DSSD前向传播过程：（1）网络输入:原始点云数据,包含N个点的(x,y,z,r)坐标信息。（2）骨干网络:采用多个SetAbstraction(SA)层进行下采样,并使用融合采样策略保留关键点。得到M个代表点集。（3）候选点生成:只对F-FPS采样的代表点做位移,生成候选中心点。（4）特征提取:为每个候选中心点找到邻域内的K个周

一朵小红花HH·2023-11-21 01:47

论文阅读——DiffusionDet

在目标检测上使用扩散模型前向过程：真实框-->随机框后向过程：随机框-->真实框前向过程：一般一张图片真实框的数目不同，填补到同一的N个框，填补方法可以是重复真实框，填补和图片大小一样的框，或者随机框，填补随机框效果最好。然后，给每个框逐步添加高斯噪声，生成随机框。特征提取和检测decoder解耦。decoder用的SparseR-CNNsample的时候和PPDM不同，多增加一步DDIM处理过程

じんじん·2023-11-21 00:23

推荐频道

3D+ML论文阅读