3D+ML论文阅读第43页

论文阅读_ChatGLM

文章信息name_en:GLM-130B:ANOPENBILINGUALPRE-TRAINEDname_ch:Glm-130B：开放双语预训练模型paper_addr:https://arxiv.org/abs/2210.02414doi:10.48550/arXiv.2210.02414date_read:2023-03-23date_publish:2023-01-01tags:[‘深度学习’

xieyan0811·2023-04-02 09:43

【目标检测论文阅读笔记】QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection

Abstract虽然深度学习的通用目标检测在过去几年取得了巨大成功，但检测小目标的性能和效率却远不尽如人意。促进小目标检测的最常见和有效的方法是使用高分辨率图像或特征图。然而，这两种方法都会导致昂贵的计算，因为计算成本会随着图像和特征尺寸的增加而成正比增长。为了两全其美，我们提出了QueryDet，它使用一种新颖的查询机制来加快基于特征金字塔的目标检测器的推理速度。该管道包括两个步骤：它首先在低分

YoooooL_·2023-04-02 08:12

【目标检测论文阅读笔记】Lightweight multi-scale network for small object detection

ABSTRACT小目标检测在现实世界中有着广泛的应用。在复杂场景中检测小目标非常困难，因为它们的分辨率很低。目前，许多研究在提高小目标检测精度方面取得了重大进展。但是，有些算法不能很好地平衡检测速度和精度。为了解决上述问题，本文提出了一种利用多尺度信息的轻量级多尺度网络(LMSN)。首先，通过多尺度特征融合单元在各个尺度上对语义信息交互进行显式建模；其次，采用轻量级感受野增强模块增强网络的特征提取

YoooooL_·2023-04-02 08:12

【目标检测论文阅读笔记】FE-YOLOv5: Feature enhancement network based on YOLOv5 for small object detection

ABSTRACT由于其固有的特性，小目标在多次下采样后的特征表示较弱，甚至在背景中消失。FPN简单的特征拼接没有充分利用多尺度信息，在信息传递中引入了不相关的上下文，进一步降低了小物体的检测性能。为了解决上述问题，我们提出了简单但有效的FE-YOLOv5。(1)我们设计了特征增强模块(FEM)来捕捉小目标更具辨别力的特征。全局注意力和高级全局上下文信息用于指导浅层的高分辨率特征。全局注意力与跨维度

YoooooL_·2023-04-02 08:11

【目标检测论文阅读笔记】MSFYOLO: Feature Fusion-Based Detection for Small Objects

Abstract目前目标检测算法在小目标检测中的效果很差，主要原因是低层网络缺乏语义信息，小目标检测数据所表达的特征信息非常缺乏。针对上述困难，本文提出了一种基于多尺度特征融合的小目标检测算法。通过在浅层学习浅层特征和在深层学习深层特征，所提出的多尺度特征学习方案侧重于具体特征和抽象特征的融合。它构建了基于多尺度深度特征学习网络的目标检测器（MSFYOLO），并考虑了单个目标与局部环境之间的关系。

YoooooL_·2023-04-02 07:53

Learn from Syntax: Improving PAOTE with Rich Syntactic Knowledge 论文阅读笔记

一、作者ShengqiongWu、HaoFei、YafengRen、DonghongJi、JingyeLiKeyLaboratoryofAerospaceInformationSecurityandTrustedComputing,MinistryofEducationSchoolofCyberScienceandEngineering,WuhanUniversity,Wuhan,ChinaGua

呦，又写BUG呢·2023-04-02 05:37

论文阅读：Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Models

程序猿小闫·2023-04-02 04:51

论文阅读：Few-shot Video-to-Video Synthesis

今日依旧是论文阅读系列。

LiBiscuit·2023-04-01 08:06

论文阅读_知识蒸馏_Meta-KD

英文题目：Meta-KD:AMetaKnowledgeDistillationFrameworkforLanguageModelCompressionacrossDomains中文题目：Meta-KD:跨领域语言模型压缩的元知识蒸馏框架论文地址：http://export.arxiv.org/pdf/2012.01266v1.pdf领域：自然语言处理,知识蒸馏发表时间：2020.12作者：Haoj

xieyan0811·2023-04-01 02:33

论文阅读笔记《Few-Shot Learning with Graph Neural Networks》

王白一·2023-04-01 02:03

2020-04-05(论文阅读)：Prediction of Satellite Time Series Data Based on Long Short Term Memory- Autore...

题目：基于长期短期记忆的卫星时间序列数据预测自回归综合移动平均模型（LSTM-ARIMA）Abstract 时间序列数据分析是一种通过观察历史数据并探索其随机规律来预测未来价值的方法。卫星的在轨运行会生成大量遥测可变时间序列数据。带有生成数据的卫星系统状态预测在卫星健康管理中起着重要作用。然而，用于预测的传统自回归综合移动平均模型（ARIMA）在具有复杂输入的高精度预测中存在困难。为此，我们提出

AllTimeStudy·2023-04-01 00:44

推荐系统论文阅读（四十五)-华为(PAL)：通过联合训练来消除position bias

论文：论文题目：《PAL:APosition-biasAwareLearningFrameworkforCTRPredictioninLiveRecommenderSystems》论文地址：https://www.researchgate.net/publication/335771749_PAL_a_position-bias_aware_learning_framework_for_CTR_p

推荐系统论文阅读·2023-03-31 22:26

实用版ChatBing论文阅读助手教程+新测评

实用版ChatBing论文阅读助手新测评AI进化（更新）的速度太快了！距离我上次的【Chat嘴硬！基于NewBing的论文调研评测报告】，才四天，它已经进化到快能用的地步了！

hehedadaq·2023-03-31 15:19

【论文阅读】A detailed analysis of CICIDS2017 dataset for designing Intrusion Detection Systems

论文对CICIDS2017数据集进行客观评价，介绍了数据集本身存在的缺陷以及解决方法。摘要：CICIDS2017是2017年提出的，包含了当下最新的威胁种类和特征，相比于之前的数据集，没有重大的缺陷，但足以使典型的IDS产生偏差。入侵检测系统需要与时俱进的信息才能够有效的检测到攻击，大量入侵检测系统达到98%准确率，吸引了研究者和企业投入资金和时间为用户提供有效的产品，但是这些模型很少能够被企业所

Mrs.King_UP·2023-03-31 14:21

论文阅读: 1712.BSN

论文针对肖像分割（PortraitSegmentation）。四大创新点提出了BSNet：三个trick：个体边缘敏感算子。全局边缘敏感算子。边缘敏感属性分类器。Boundary-sensitiveNetworkforPortraitSegmentation论文解读

JNingWei·2023-03-31 14:46

(CMU15-721) An Evaluation of Concurrency Control with One Thousand Cores 论文阅读笔记

https://github.com/AlexanderChiuluvB/db-learning-material欢迎star!我做的数据库学习资料整理摘要CPU核数的增多，给并发控制带来了巨大的压力。该论文实验环境为1024核，并且尝试了七种并发控制的方法，但都失败了。启示我们,面对多核芯片应该要重新设计数据库的架构导论现如今的CPU速度提升往往是靠增大核数，而不是提高单核的处理能力。那么对应的

小凯Alex·2023-03-31 09:22

变分系列 Deep Variational Instance Segmentation 论文阅读笔记

变分系列DeepVariationalInstanceSegmentation论文阅读笔记一、Abstract二、引言三、相关工作四、深度变分实例分割4.1Mumford-Shah模型从无监督到有监督的设置

乄洛尘·2023-03-31 04:22

[论文阅读笔记]The Limitations of Deep Learning in Adversarial Settings

论文题目：TheLimitationsofDeepLearninginAdversarialSettings论文地址：https://arxiv.org/abs/1511.07528JSMA算法的主要步骤有以下三个：计算前向导数；基于前向导数构造雅可比显著图；利用修改输入特征。Step1.计算前向导数Thus,weapplythechainruleagaintoobtain:Step2.构造雅可比

wangxiaoguang·2023-03-31 02:00

Weakly-Supervised Crowd Counting Learns from Sorting rather than Locations 论文阅读笔记

弱监督人群计数:基于排序而非位置信息ECCV2020作者：中国科学院大学中国科学院大数据挖掘与知识管理重点实验室中国科学院智能信息处理重点实验室意大利-特兰托大学1、摘要在人群计数数据集中，位置标签是昂贵的，但它们没有被纳入评价指标。此外，现有的多任务方法采用高级任务来提高计算精度。这种研究趋势增加了对注释的需求。本文提出了一种弱监督计数网络，在没有位置监督的情况下直接回归人群数量。此外，我们通过

今天也学习了嗷·2023-03-31 02:32

论文阅读笔记《Nctr: Neighborhood Consensus Transformer for Feature Matching》

核心思想本文提出一种融合邻域一致性的Transfomer结构来实现特征点的匹配（NCTR）。整个的实现流程和思想与SuperGlue相似，改进点在于考虑到了邻域一致性。邻域一致性在许多的传统图像匹配和图匹配任务中都有应用，他基于一个很重要的假设，就是对于一对匹配点，其邻域内的其他点也大概是匹配的，至少是相似程度很高的。而在SuperGlue中注意力机制是面向所有的特征点进行信息聚合，而没有考虑

深视·2023-03-31 01:26

论文阅读笔记《SuperGlue:Learning Feature Matching with Graph Neural Networks》

核心思想本文提出一种基于图神经网络的特征点匹配方法，把图像中的特征点看作图的节点，通过注意力机制聚合特征信息，得到用于匹配的特征向量。然后把匹配问题看作一个可微的最优运输问题（differentiableoptimaltransportproblem），利用SinkhornAlgorithm算法进行求解。整个算法的处理流程如下图所示首先，输入是两幅图像中特征点的位置坐标piAp_i^Api

深视·2023-03-31 01:55

论文阅读笔记《USAC: A Universal Framework for Random Sample Consensus》

本文总结了RANSAC算法的流程与存在的问题，整理了近几年基于RANSAC提出的改进算法，并整合各个算法的优势，提出一个统一的RANSAC算法框架。因此本文也可以看做是一片关于RANSAC算法的论文综述。1.标准RANSAC算法流程 RANSAC随机采样一致性算法是在筛除异常点（outlier），寻找内点（inlier）建立数据模型领域中最常用的算法，其采用“假设-验证”的结构，通过随机采样

深视·2023-03-31 01:55

论文阅读笔记《Joint Graph Learning and Matching for Semantic Feature Correspondence》

核心思想本文提出一种联合图学习和图匹配的算法（GLAM），将图的构建和匹配过程整合到一个端到端的注意力网络中。相比于其他启发式的建图方法，如Delaunay三角法、KNN方法或完全图，通过学习构建的图结构能够更加准确的反映关键点之间的语义关系。与SuperGlue和NCTR类似，本文也采用了自注意力层和交叉注意力层进行信息传递和聚合，但做了两个改进：1.将位置特征向量与每个注意力层输出的特征向

深视·2023-03-31 01:44

论文阅读之Transformer（LayerNorm与BatchNorm)

二维输入batchnorm：每一次把每个列，也就是每个特征，把它在一个mini-batch里面，均值变为0方差变为1。训练的时候可以做小批量，在预测的时候，可以把全局的均值算出来layernorm：每一次把每个行，也就是每个样本，把它均值变为0方差变为1。三维输入看图，跟二维差不多解释为什么layernorm用得多一点？1.在持续的这些序列模型里面，每个样本的长度可能会发生变化，在算均值和方差的时

CandySaltySalty·2023-03-30 20:46

论文阅读和分析：A Tree-Structured Decoder for Image-to-Markup Generation

HMER论文系列1、论文阅读和分析：WhenCountingMeetsHMERCounting-AwareNetworkforHMER_KPer_Yang的博客-CSDN博客2、论文阅读和分析：Syntax-AwareNetworkforHandwrittenMathematicalExpressionRecognition_KPer_Yang

KPer_Yang·2023-03-30 18:36

论文阅读：CSPNet: A NEW BACKBONE THAT CAN ENHANCE LEARNING CAPABILITY OF CNN

文章目录1、论文总述2、深度可分离卷积的局限性3、CSPNet用于目标检测时关注的3个问题4、CSPNet用在denseNet上时的对比示意5、Real-timeobjectdetector的现阶段发展情况6、PartialTransitionLayer的几种形式及效果对比7、ApplyCSPNettoOtherArchitectures8、ExactFusionModel（EFM）的结构及其效果

贾小树·2023-03-30 18:48

论文阅读《Mip-NeRF: A Multiscale Representation for Anti-Aliasing Neural Radiance Fields》

论文地址：https://link.zhihu.com/?target=https%3A//arxiv.org/abs/2103.13415源码地址：https://github.com/google/mipnerf背景知识：图像下采样过程会产生锯齿现象，从信号处理的角度分析：用低频率（低分辨率）的信号来表示（采样）高频率（高分辨率）的信号时，会产生信号的混叠现象。图形学上常用的抗锯齿方法有以下两

CV科研随想录·2023-03-30 17:27

论文阅读《Parallax Attention for Unsupervised Stereo Correspondence Learning》

论文地址：https://ieeexplore.ieee.org/document/9206116源码地址：https://github.com/The-Learning-And-Vision-Atelier-LAVA/PAM概述不同数据集的视图之间的基线、焦距与分辨率不同，基于CostVolume固定预设视差范围的立体匹配方法无法很好处理大视差预测问题。为此，作者提出一个基于视差注意力机制的

CV科研随想录·2023-03-30 17:27

场景生成及编辑&3D定位论文阅读

前置知识归纳偏置关于归纳偏置的理解：首先推荐一篇解释归纳偏置非常好的博客：浅谈归纳偏置(InductiveBias)通俗的，归纳偏置可以理解为，从现实生活中观察到的现象中归纳出一定的规则(heuristics)，然后对模型做一定的约束，从而可以起到“模型选择”的作用，类似贝叶斯学习中的“先验”。机器学习中，很多学习算法经常会对学习的问题做一些关于目标函数的必要假设，称为归纳偏置(Inductive

Iron_lyk·2023-03-30 16:37

论文阅读《Block-NeRF: Scalable Large Scene Neural View Synthesis》

论文地址：https://arxiv.org/pdf/2202.05263.pdf复现源码：https://github.com/dvlab-research/BlockNeRFPytorch概述 Block-NeRF是一种能够表示大规模环境的神经辐射场（NeuralRadianceFields）的变体，将NeRF扩展到渲染跨越多个街区的城市规模场景。该方法将场景分解为单独训练的NeRF，使渲染

CV科研随想录·2023-03-30 16:33

论文阅读《FEW-SHOT LEARNING WITH GRAPH NEURAL NETWORKS》

又到了更新论文阅读的时间啦！十月中旬了还是毫无思绪毫无进展的科研卑微人士真的心态越来越好了。

LiBiscuit·2023-03-30 14:35

Reading Note(8) ——GNN for DSE Optimization

这篇博客是一篇论文阅读札记，这篇论文的主题是使用GNN来优化加速器设计中的设计空间探索耗时过长的问题。

Zheyuan Zou·2023-03-30 12:22

[行人重识别论文阅读]DomainMix: Learning Generalizable Person Re-Identification Without Human Annotations

论文地址项目地址本篇论文解析引自1.论文摘要1.提出利用有标签的合成数据集A和无标签的真实数据集B训练出能泛化到未知场景C的模型。2.为了实现A+B->C，论文提出了一个新的方法DomainMix2.DomainMix框架1.该框架由基于聚类的动态训练数据集生成和域不变的行人再识别特征学习两部分组成。2.动态训练数据集生成部分，我们设计了三个准则用于筛选聚类结果，由此动态生成可靠的训练集3.在域不

zlsd21·2023-03-30 12:21

[行人重识别论文阅读]Meta Batch-Instance Normalization for Generalizable Person Re-Identification

论文地址：https://arxiv.org/abs/2011.14670论文代码：https://github.com/bismex/MetaBIN.预备知识：meta-learning[李宏毅老师的讲解笔记]1文章思想BN（batchnormalization）：图像增强方法，相对于IN来说是增强了不同域间的差异IN（instancenormalization）：DG(Domaingenera

zlsd21·2023-03-30 12:50

初三学生如何提高语文成绩

现代文阅读，主要提高议论文阅读能力和小说、诗歌、散文等文学作品的阅读欣赏能力。文言文阅读，重在理解文中重点词句，对作者的观点、态度作分析、评价，并能调动课内积累，阅读浅易的课外文言文。

好人_9906·2023-03-30 07:17

[论文阅读] State-Relabeling Adversarial Active Learning

论文地址：https://arxiv.org/abs/2004.04943代码：https://github.com/Beichen1996/SRAAL发表于：CVPR20Abstract主动学习是通过对最有代表性的样本进行采样来设计标签高效的算法，由一个专家来标注。在本文中，我们提出了一个状态重标注对抗性主动学习模型(SRAAL)，它利用注释和已标注/未标注的状态信息来获得信息量最大的未标注样本

xiongxyowo·2023-03-30 03:08

【论文阅读】 Few-shot object detection via Feature Reweighting

Few-shotobjectdetection的开山之作之一~~属于Metric-basedMethods特征学习器使用来自具有足够样本的基本类的训练数据来提取可推广以检测新对象类的metafeatures。Thereweightingmodule将新类别中的一些supportexamples转换为全局向量，该全局向量indicatesmetafeatures对于检测相应物体的重要性或相关性。这两

c1assy·2023-03-30 03:44

【论文阅读】Learning to Rank Proposals for Siamese Visual Tracking

LearningtoRankProposalsforSiameseVisualTracking：2021TIP引入Therearetwomainchallengesforvisualtracking：首先，待跟踪目标具有类不可知性和任意性，关于目标的先验信息很少。其次，仅仅向跟踪器提供一个初始图像，tracker需要适应目标的外观变化和处理外部干扰，如遮挡。上述挑战可以部分地通过鉴别discrim

c1assy·2023-03-30 03:44

【论文阅读】Frustratingly Simple Few-Shot Object Detection

从几个例子中检测稀有物体是一个新出现的问题。先前的工作表明Meta-Learning是一种有希望的方法。但是，微调技术很少引起注意。我们发现，在稀有类上只对现有探测器的最后一层进行微调对于Few-ShotObjectDetection至关重要。这样一种简单的方法在当前基准上比元学习方法高出大约2~20个百分点，有时甚至比以前的方法提高了一倍的准确率。然而，少数样本中的高方差(highvarianc

c1assy·2023-03-30 03:43

[论文阅读笔记] Boosting Adversarial Attacks with Momentum

BoostingAdversarialAttackswithMomentum（CVPR2018）SourceCode:https://github.com/dongyp13/Non-Targeted-Adversarial-Attackshttps://github.com/dongyp13/Targeted-Adversarial-Attacks.文章概述：本文提出了一种基于动量法(Moment

大鲨鱼冲鸭·2023-03-30 02:52

【论文阅读】Research on video adversarial attack with long living cycle

论文链接：添加链接描述MethodOPTIMIZATIONPROBLEMDESCRIPTIONXXX是浮点数域中的对抗视频示例，XcX_cXc表示encoded的视频对抗示例。设E=Xˆ−XE=Xˆ−XE=Xˆ−X表示在对抗中增加的扰动，Ec=Xc−XE_c=Xc−XEc=Xc−X表示视频压缩编码损失。ouroptimizationquestioncanbepresentedasEq.1:ytru

c1assy·2023-03-30 02:42

低照度增强--论文阅读【《Toward Fast, Flexible, and Robust Low-Light Image Enhancement》】

文章目录前言一、基本原理Retinex理论y=zⓧx单尺度Retinex算法（SSR）二、论文内容1.网络结构IlluminationEastimationSelf-CalibratedModule：作用使每个阶段的结果收敛到同一状态。2.损失函数保真度损失平滑损失3.讨论Operation-InsensitiveAdaptability（操作不敏感适应性，即在不同的简单操作设置下获得稳定的性能）

Vaeeeeeee·2023-03-29 21:12

【论文阅读】Multi-Modal Sarcasm Detection via Cross-Modal Graph Convolutional Network 嘲讽检测，多模态，跨模态，图神经网络

本博客系博主根据个人理解所写，非逐字逐句翻译，预知详情，请参阅论文原文。发表地点：ACL2022；论文下载链接：Multi-ModalSarcasmDetectionviaCross-ModalGraphConvolutionalNetwork-ACLAnthology代码链接：https://github.com/HITSZ-HLT/CMGCN；摘要：随着在线发布包含多模态信息的博客的流行，很多

me_yundou·2023-03-29 01:31

MapReduce论文阅读记录

本文为阅读MapReduce论文的记录，内容主要是论文的第三部分——实现。方便本人今后查看。1.运行概述下图展示了MapReduce过程的整体情况这里写图片描述当用户程序执行MapReduce时，会依次发生以下动作（对应图中的标号）：用户程序中的MapReduce库将输入文件分成M个分片，每片有16M-64M（由用户决定），MapReduce库还会将程序拷贝到集群机器上。集群中有一个master，

草捏子·2023-03-29 00:47

论文阅读和分析：Hybrid Mathematical Symbol Recognition using Support Vector Machines