3D+ML论文阅读第46页

《Foreground-Aware Relation Network for Geospatial Object ......Remote Sensing Imagery》

论文阅读笔记：《Foreground-AwareRelationNetworkforGeospatialObjectSegmentationinHighSpatialResolutionRemoteSensingImagery

L_彳亍·2023-02-24 07:56

论文阅读笔记：Traffic Accident Risk Prediction via Multi-ViewMulti-Task Spatio-Temporal Networks

文章来源：TrafficAccidentRiskPredictionviaMulti-ViewMulti-TaskSpatio-TemporalNetworks|IEEEJournals&Magazine|IEEEXplore[1]SenzhangWang,JiaqiangZhang,JiyueLi,etal.TrafficAccidentRiskPredictionviaMulti-ViewMu

ayuuuuu·2023-02-22 13:55

论文阅读 Neural Computation of Decisions in Optimization Problems

NeuralComputationofDecisionsinOptimizationProblems动机：需要研究从平台角度出发，进行怎样的促销组合是最优的。github上MIT复现的hopfieldnet代码原文用TSP问题举例原文我要解决的问题输出5*5矩阵，行代表城市，列代表该城市在第几个被访问5*1矩阵，每一列代表一个promo是否采用限制条件1每行&每列只有1个1，整个矩阵总和为5每个元

卜卜贝·2023-02-22 09:32

论文阅读：Volumetric and Multi-View CNNs for Object Classification on 3D Data

Preface 最近由于要做正颌手术中术后变形预测的问题，要处理三维数据，所以在研究三维卷积，三维分类的问题。今天阅读一篇CVPR2016的论文：《VolumetricandMulti-ViewCNNsforObjectClassificationon3DData》。这里是PaperHomepage 这里是PaperCodeAbstract 现在对于3DData的Convolutio

chenxp2311·2023-02-22 09:56

【论文阅读】SSR-Net: 一个小型的软分段回归网络用于年龄估计

原始题目SSR-Net:ACompactSoftStagewiseRegressionNetworkforAgeEstimation中文名称SSR-Net:一个小型的软分段回归网络用于年龄估计发表时间2018年7月13日平台IJCAI-18来源台湾中央研究院、国立台湾大学文章链接https://www.ijcai.org/proceedings/2018/0150.pdf开源代码https://g

理心炼丹·2023-02-22 09:43

论文阅读＞烟雾检测：Smoke detection based on imageprocessing by using grey and transparency features

文章目录通过利用灰度和透明度特征基于图像处理的烟雾检测摘要关键词1介绍2颜色模型和烟雾特征分析3系统3.1烟雾检测算法3.1.1视频帧转换3.1.2运动检测和颜色变换3.1.3去除不需要的亮度像素和标记目标3.1.4通过标准偏差值检测烟雾3.1.5利用傅里叶变换测量透明烟雾4目标追踪与边缘5结果与讨论6结果参考文献Smokedetectionbasedonimageprocessingbyusin

1226km·2023-02-22 09:13

【论文阅读】SCRFD: Sample and Computation 重分配的高效人脸检测

原始题目SampleandComputationRedistributionforEfficientFaceDetection中文名称采样和计算重分配的高效人脸检测发表时间2021年5月10日平台ICLR-2022来源ImperialCollege，InsightFace文章链接https://arxiv.org/pdf/2105.04714.pdf开源代码官方实现：https://github.

理心炼丹·2023-02-22 09:07

【论文阅读】Dynamic Convolution: Attention over Convolution Kernels（CVPR2020）

论文题目：DynamicConvolution:AttentionoverConvolutionKernels（CVPR2020）论文地址：https://arxiv.org/abs/1912.03458代码地址：https://github.com/kaijieshi7/Dynamic-convolution-Pytorchhttps://github.com/prstrive/CondConv

络小绎·2023-02-22 07:46

目标检测--YOLO v1 论文阅读笔记（附代码）

文章目录一、前言1.0灵感来源1.1创新点1.2存在的问题二、网络主要结构核心思想：2.1特征提取网络：2.2损失函数：三、实验结果分析四、代码解读4.1特征提取层：4.2定义检测头：4.3整体模型：4.4主函数：4.5train()函数：4.6训练集的数据处理函数：4.6.1input_process：4.6.2target_process：4.7Loss函数参考文献算是写一个系列吧，目标检测的

Jankin_Tian·2023-02-20 07:33

论文阅读《Few-Shot Learning as Domain Adaptation: Algorithm and Analysis》

论文名称：《Few-ShotLearningasDomainAdaptation:AlgorithmandAnalysis》论文地址：https://arxiv.org/pdf/2002.02050.pdf论文阅读参考

LiBiscuit·2023-02-18 11:02

[论文泛读]2021多篇GNN论文阅读

DiffusionImprovesGraphLearning-NIPS2019假设T是原始的转移矩阵（或者说图卷积矩阵、信息传递矩阵），那么图扩散矩阵定义为：为了保证收敛性，加上约束，。这个转移矩阵可以自行定义：如果我们令，，那么就得到了personalizedpageRank图扩散矩阵。如果我们令，，那么就得到了文献《Theheatkernelasthepagerankofagraph》提出的时

fry3251·2023-02-18 10:35

推荐系统论文阅读（四十三)-Comirec：阿里又一篇多兴趣召回的论文

论文：论文题目：《ControllableMulti-InterestFrameworkforRecommendation》论文地址：https://arxiv.org/pdf/2005.09347.pdf推荐系统中关于用户长短期兴趣建模一直是一个热点问题，而用户的多兴趣召回更是一个更加通用的对用户兴趣建模的方法，我们在之前的mind论文中已经介绍过了如何用胶囊网络来建模用户的多个兴趣点，今天我们

推荐系统论文阅读·2023-02-17 18:59

【论文阅读】略读基于注意力门控图神经网络的文本分类

基于注意力门控图神经网络的文本分类[1]邓朝阳,仲国强,王栋.基于注意力门控图神经网络的文本分类[J/OL].计算机科学:1-14[2022-03-06].模型将文本图数据输入到AGGNN，捕捉非连续单词之间的长距离依赖关系以及上下文语义信息。具体来说：1.首先，将每个输入的文本数据转换为独立的图结构数据；将构建的图结构数据(文本图)送入AGGNN，更新单词节点的特征信息；2.然后，TextPoo

冰淇淋和慕斯蛋糕·2023-02-17 18:12

论文阅读：Convolutional Neural Networks for Sentence Classification

转自：https://blog.csdn.net/chuchus/article/details/778474761.简介TextCNN是利用卷积神经网络对文本进行分类的算法，由YoonKim在“ConvolutionalNeuralNetworksforSentenceClassification”一文(见参考[1])中提出.是2014年的算法.图1-1参考[1]中的论文配图图1-2网络盗图合理

暴躁的猴子·2023-02-17 07:55

论文阅读：GeoAug: Data Augmentation for Few-Shot NeRF with Geometry Constrain

中文标题：使用几何约束增强小样本神经辐射场提出的问题NeRF尽管简介有效，但是往往不能收敛到正确的几何结构。这个问题在小样本学习中尤为明显，往往在没有足够训练数据的情况下，很难使得MLP网络学习到正确的几何的隐表示，表现为深度数据的混乱和失真。创新点提出了一种基于几何约束和隐式深度监督的NeRF的数据增强方法。具体方法几何感知数据增强首先在训练集中6维自由度姿态P加任意噪声：然后渲染在位姿P’下图

BlueagleAI·2023-02-16 23:37

【论文阅读】Human Action Recognition using Factorized Spatio-Temporal Convolutional Networks

【论文阅读】HumanActionRecognitionusingFactorizedSpatio-TemporalConvolutionalNetworks这是一篇15年ICCV的论文，在15年的时候

NRZZN·2023-02-16 22:17

【论文阅读】Multiple Object Tracking in Recent Times: A Literature Review

论文地址：MultipleObjectTrackinginRecentTimes:ALiteratureReview1.摘要多目标跟踪是近年来计算机视觉领域的研究热点之一，尤其是随着自主驾驶技术的发展，多目标跟踪已经成为计算机视觉领域的研究热点之一。MOT是解决拥挤场景遮挡、外观相似、小目标检测困难、ID切换等问题的关键视觉任务之一。为了解决这些挑战，研究人员试图利用Transformer的注意机

RockWang.·2023-02-16 22:47

论文阅读：An end-to-end spatio-temporal attention model for human action recognition from skeleton data

目录创新点（MainContributions）ProposedMethodSpatialAttentionTemperalAttentionJointTrainingoftheNetworksRegularizedObjectiveFunction论文名称：Anend-to-endspatio-temporalattentionmodelforhumanactionrecognitionfrom

小吴同学真棒·2023-02-16 22:16

论文阅读《A Transductive Multi-Head Model for Cross-Domain Few-Shot Learning》

好久不见哈一下子就快月底啦（已经满心欢喜期待五一啦嘻嘻）最近更新都是围绕域适应20/21较新的论文（arxiv上的）大都数网上还没有出现解读材料，故记录仅自我理解，若有偏差可简信交流。论文名称：《ATransductiveMulti-HeadModelforCross-DomainFew-ShotLearning》论文地址：https://arxiv.org/abs/2006.11384v1论文代

LiBiscuit·2023-02-16 22:56

Transformer学习及代码实现 (Attention is all you need论文阅读)

主要章节写在前面整体架构Encoder与Decoder的结构设计EncoderLayerNormEncoderLayer的主要结构Decoder与DecoderLayerAttentionScaledDotProductAttentionMultiHeadAttentionPosition-wiseFeed-ForwardNetworksEmbeddingandSoftmaxPositionEnc

苏偃·2023-02-16 21:23

#论文阅读 LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping

论文阅读LIO-SAM:Tightly-coupledLidarInertialOdometryviaSmoothingandMapping摘要Abstract—Weproposeaframeworkfortightly-coupledlidarinertialodometryviasmoothingandmapping

张张爱学习·2023-02-07 13:27

论文阅读笔记：Resting state fMRI: A review on methods in resting state connectivity analysis and resting...

functionalconnectivity(FC)分析方法seed-basedanalysis本质上seed-basedanalysis是一种model-based的方法。自定义seed/regionofinterest（ROI），以自定义点为准在整个大脑找出与之线性相关的区域。优点：解释力较强，简单易懂。不足：由于ROIs的设定完全依赖于做分析的人，难以看出整个大脑的FCindependent

书案·2023-02-07 12:52

【论文阅读】Improving Multi-hop Question Answering over Knowledge Graphs using Knowledge Base Embeddings

《ImprovingMulti-hopQuestionAnsweringoverKnowledgeGraphsusingKnowledgeBaseEmbeddings》论文来源：ACL2020关键词：多跳KGQA论文链接：https://www.aclweb.org/anthology/2020.acl-main.412.pdf代码链接：https://github.com/malllabiisc

天才少女101·2023-02-07 10:17

强化学习的学习之路（二十）_2021-01-20：Priority Replay Buffer

这个系列后面会不断更新，希望自己在2021年能保证平均每日一更的更新速度，主要是介绍强化学习的基础知识，后面也会更新强化学习的论文阅读专栏。

Chou_pijiang·2023-02-07 10:10

【论文笔记】强化学习论文阅读-Model-Based RL 9篇

简要介绍了一下Model-BasedRL领域的经典论文（2018年以前）。文章目录引子a.ModelislearnedImagination-AugmentedAgentsforDeepReinforcementLearning,Weber,etal,2017.Algorithm:I2A.（deepmind）NeuralNetworkDynamicsforModel-BasedDeepReinfo

邵政道·2023-02-07 09:51

【论文阅读】Pose from Shape: Deep Pose Estimation for Arbitrary 3D Objects

摘要大多数深度位姿估计方法都需要针对特定的对象实例或类别进行训练。在这项工作中，我们提出了一种完全通用的深度姿势估计方法，它不需要网络对相关类别进行训练，也不需要类别中的对象具有规范姿势。我们认为，这是设计机器人系统的关键一步，该系统可以对训练集外的目标进行预测，而不是属于预先定义的类别。我们的主要方法是用目标物体的3D形状表示来动态估计姿态。更准确地说，我们训练了一个卷积神经网络，它将测试图像和

PandAiTech_Seven·2023-02-07 09:40

图神经网络论文阅读(十六) GraLSP: Graph Neural Networks with Local Structural Patterns,AAAI 2020

本文作者来自香港科技大学、北大和北邮，其中包含宋国杰老师和石川老师，这两位都是国内研究图表示学习的翘楚了。之前读石川团队论文的时候自己犯傻发邮件问了一个比较弱智的问题，石川老师还是让学生耐心帮我解答了。本文做了我一直想做的事情：GNN聚合邻居特征的时候同时考虑结构信息。有很多研究都是基于Motif（或者叫graphlet）进行的，比如HighOrderNetworkRepresentation，W

五月的echo·2023-02-07 09:04

【立体匹配论文阅读】【三】INTS

说明本博客可以理解为对论文的翻译和总结整理，并且尽量会在其中添加一些在其他博客搜到的理解，PPT可以在文末下载。PPT是本人创作，希望可以帮到大家。论文注：这里的意思应该是在某个像素聚合的时候只通过一次迭代是没有办法把全局所有像素都聚合进来的，因为八个方向肯定会漏掉某些像素。但是如果在第一次迭代的基础上再进行一次聚合，那么基本上就可以在聚合该像素的时候把所有全局像素都聚合过来。也即非局部方法。非局

凳子花❀·2023-02-07 08:21

论文阅读笔记：多模态的融合数据和方法

论文题目：Multimodalremotesensingbenchmarkdatasetsforlandcoverclassificationwithasharedandspecificfeaturelearningmodel论文链接：https://www.sciencedirect.com/science/article/pii/S0924271621001362?dgcid=rss_sd_a

ru-willow·2023-02-07 08:50

论文阅读笔记2——献给新手的深度学习综述_Recent Advances in Deep Learning: An Overview

这篇综述论文列举出了近年来深度学习的重要研究成果，从方法、架构，以及正则化、优化技术方面进行概述。本人认为，这篇综述对于刚入门的深度学习新手是一份不错的参考资料，在形成基本学术界图景、指导文献查找等方面都能提供帮助。论文地址：https://arxiv.org/pdf/1807.08169v1.pdf摘要：深度学习是机器学习和人工智能研究的最新趋势之一。它也是当今最流行的科学研究趋势之一。深度学习

子季鹰才·2023-02-07 07:14

【论文阅读/翻译笔记】Deep Snake for Real-Time Instance Segmentation

原论文标题：DeepSnakeforReal-TimeInstanceSegmentation原论文链接：https://arxiv.org/abs/2001.01629翻译：张欢荣用于实时实例分割的deepsnake算法SidaPeng1，WenJiang1，HuaijinPi1，XiuliLi2，HujunBao2，XiaoweiZhou1*1ZhejiangUniversity，2Deepw

HuanCaoO·2023-02-07 07:44

2020春县一模试题分析

记叙文夜读题型题量不变，议论文阅读比往年多出一道题，古诗文阅读与往年稍有不同，两个语段各考各的，没有比较题。作文题目命

秋之准备·2023-02-06 22:25

【论文阅读】A Simple Baseline for Multi-Object Tracking

ASimpleBaselineforMulti-ObjectTracking概述基于trackingbydetection的策略，沿用JDE的核心思想（即联合检测和嵌入向量的模型），将检测方法由anchor-base换成anchor-free，超越了现有的SOTA算法。关键词：One-shot、实时研究机构：华科、微软亚研院主要思想论文分析对照之前的算法思路，得出以下三点结论。Anchor-bas

StarkerRegen·2023-02-06 17:40

DnCNN论文阅读笔记【MATLAB】

DnCNN论文阅读笔记论文信息：论文代码：https://github.com/cszn/DnCNNAbstract提出网络：DnCNNs关键技术：Residuallearningandbatchnormalization

Weisong Zhao·2023-02-06 14:03

DnCNN论文阅读笔记

文章重点：提出了一个前馈去噪卷积神经网络（DnCNN）用于图像的去噪，使用了更深的结构、残差学习算法、正则化和批量归一化等方法提高去噪性能。优势是可以处理未知噪声水平的高斯去噪。传统方法：（1）通过建模图像先验，建立去噪模型：缺点：涉及复杂的优化，耗时；模型一般非凸，并且需要手动设计参数，很难达到最优去噪性能。（2）辨别学习方法学习图像先验模型：优点：能够摆脱迭代优化过程；CSF和TNRD在计算效

打着灯笼摸黑·2023-02-06 14:32

HULA论文阅读笔记

HULA:ScalableLoadBalancingUsingProgrammableDataPlanes一文章概述这篇文章针对当前multi-rooted拓扑结构的数据中心网络（leaf-spine，FatTree）中带宽使用效率问题，提出了一种在可编程数据层面实现的基于拥塞感知的分布式的流量均衡策略。这个策略就是每个交换机上维护一个包含nexthop和带宽使用率的表，作为报文路由的依据，策略执

Phlix·2023-02-06 14:18

论文阅读：λ-NIC: Interactive Serverless Compute on Programmable SmartNICs

摘要：人们对无服务器计算越来越感兴趣，无服务器计算是一种云计算模型，可自动执行基础架构资源分配和管理，同时仅根据客户使用的资源向客户收费。这些无服务器框架的高弹性和细粒度，将带来诸如流处理之类的工作量。但是，到目前为止，服务器CPU有限的并发性和高延迟阻止了许多交互式工作负载（例如，Web服务器和数据库客户端）利用无服务器计算来实现高性能。在本文中，我们认为服务器CPU不适合运行无服务器工作负载（

阿明DunDunDun·2023-02-06 12:38

MIT Cheetah（二）

论文阅读：MITCheetah3:DesignandControlofaRobust,DynamicQuadrupedRobot摘要：结构方面，猎豹3采用一种新的腿部设计，除了扩大臀部和膝盖的运动范围外

aaaaPIKACHU·2023-02-06 12:48

MIT Cheetah （三）

论文阅读：DynamicLocomotionintheMITCheetah3ThroughConvexModel-PredictiveControl摘要：提出了一种基于模型预测控制（MPC）的力矩控制四足机器人地面反作用力计算方法

aaaaPIKACHU·2023-02-06 12:44

《SCAttNet: Semantic Segmentation Network with Spatial and Channel ......Remote Sensing Images》

论文阅读笔记：《SCAttNet:SemanticSegmentationNetworkwithSpatialandChannelAttentionMechanismforHigh-ResolutionRemoteSensingImages

L_彳亍·2023-02-06 09:21

高分遥感语义分割论文阅读之一

目录IncorporatingDeepLabv3+andobject-basedimageanalysisforsemanticsegmentationofveryhighresolutionremotesensingimagessummaryResearchObjectiveProblemStatementMethod(s)EvaluationConclusionNotesIncorporati

开始学AI·2023-02-06 09:20

【论文阅读】结合空洞卷积的 FuseNet变体网络高分辨率遥感影像语义分割

【论文阅读】结合空洞卷积的FuseNet变体网络高分辨率遥感影像语义分割一、论文总体框架首先，采用FuseNet变体网络将数字地表模型（digitalsurfacemodel，DSM）图像中包含的高程信息与红绿蓝

川川子溢·2023-02-06 09:48

[论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms

[论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms文章目录[论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms一、总体介绍二、具体作用3.1总体框架

川川子溢·2023-02-06 09:48

【论文阅读】SCAttNet:具有空间和通道注意机制的高分辨率遥感图像语义分割网络

【论文阅读】SCAttNet:具有空间和通道注意机制的高分辨率遥感图像语义分割网络文章目录【论文阅读】SCAttNet:具有空间和通道注意机制的高分辨率遥感图像语义分割网络一、总体介绍二、概述SCAttNet2.1Segnet

川川子溢·2023-02-06 09:46

GPEN论文阅读

论文题目：GANPriorEmbeddedNetworkforBlindFaceRestorationintheWild翻译：用于野外盲人脸恢复的GAN先验嵌入式网络解决的问题：如何利用GAN作为图像先验设计，用于现实人脸图像复原提出的方法：GPEN.步骤：首先训练一个用于高质量人脸图像生成的GAN，并将其作为先验解码器嵌入到U形DNN中，然后使用一组合成的低质量人脸图像对GAN先验嵌入DNN进行

是FL呀·2023-02-06 09:35

论文阅读和分析：Graph Attention Networks

GraphAttentionNetworks图注意力网络（GAT）通过堆叠节点能够关注其邻域特征的层，能够（隐式地）为邻域中的不同节点指定不同的权重，而不需要任何类型的代价高昂的矩阵运算（例如矩阵转置）或依赖于预先了解图结构。通过这种方式，同时解决了基于谱的图神经网络的几个关键挑战，并使的模型易于应用于聚合和传播问题。GAT模型已在四个已建立的转导和诱导图基准上实现或匹配最新结果：Cora、Cit

KPer_Yang·2023-02-06 08:52

论文阅读《Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector》

Attention-RPN和Multi-RelationDetector提出了一种包含带注意力机制的RPN、Multi-RelationDetector和对比训练策略通过度量support和query相似性来解决小样本问题的方法，同时很好地抑制了背景。训练完成的网络可以直接泛化到新类别上，而不需要在新类别上进行微调。具体来说，该方法利用权重共享网络，探索对象对（objectpair）在Multi-

不说话装高手H·2023-02-06 08:21

论文阅读和分析：《DeepGCNs: Can GCNs Go as Deep as CNNs?》

更深的图卷积神经网络，相当于residual在CNN中的应用，使得可以构建更深层次的卷积网络而不会造成梯度消失无法训练的问题。算法原理：学习过Resnet去理解DeepGCNs就会很容易，看图片基本就能明白。提出了用于点云语义分割的GCN架构。（左）我们的框架由三个块组成：GCN骨干块（输入点云的特征转换）、融合块（全局特征生成和融合）和MLP预测块（逐点标签预测）。（右）我们研究了三种类型的GC

KPer_Yang·2023-02-06 08:48

论文阅读 (四)：Multi-Instance Learning by Treating Instances As Non-I.I.D. Samples (MIGraph & miGraph2009)

文章目录引入1算法提出1.1算法示例1.2MIGraph1.2.1图核定义1.2.2边界定义1.3miGraph1.3.1关联矩阵1.3.2图核定义2实验引入论文地址：https://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/icml09miGraph.pdf 论文出发点：包中的实例非独立同分布(non-I.I.D.) 设计的两种方法：

因吉·2023-02-06 08:12

论文阅读 (八)：Multi-instance Learning with Discriminative Bag Mapping (2018MILDM)

文章目录引入1判别包映射1.1总体框架1.2DIP优化1.3DIP评价函数1.4使用DIP映射包1.4.1全局判别包映射(GlobalDiscriminativeBagMapping)1.4.2局部判别包映射(LocalDiscriminativeBagMapping)2实验引入论文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnum