CNNS 第8页

Gated-SCNN: Gated Shape CNNs for Semantic Segmentation——论文阅读理解

TitleGated-SCNN:GatedShapeCNNsforSemanticSegmentation标题Gated-SCNN:门控形状CNN用于语义分割pdfhttps://arxiv.org/pdf/1907.05740.pdfcodehttps://github.com/nv-tlabs/GSCNN摘要当前用于图像分割的最新方法形成了密集的图像表示，其中颜色，形状和纹理信息都在CNN中一

Nick Blog·2020-08-24 04:36

NLP预训练模型综述

现在深度学习越来越火了，在NLP领域主要使用CNNs、RNNs、GNNs以及attention机制。

wshzd·2020-08-24 04:26

论文阅读——Gated-SCNN: Gated Shape CNNs for Semantic Segmentation

论文阅读之GSCNNGated-SCNN:GatedShapeCNNsforSemanticSegmentationBilinear+ASPP的GSCNN语义分割网络fromICCV2019ProjectWebsite摘要目前的语义分割还是通过逐像素点的密集分类框架完成，但有时不太理想。本文设计了一种双流模型，在常规流之外引入形状流分支额外处理形状信息，而且负责处理形状信息的网络结构不用太深就可以

黄小米吖·2020-08-24 01:52

车道线检测Learning Lightweight Lane Detection CNNs by Self Attention Distillation

LearningLightweightLaneDetectionCNNsbySelfAttentionDistillation2019ICCV摘要由于车道标注中固有的非常稀疏的监控信号，训练车道检测的深度模型是一个挑战。没有从更丰富的环境中学习，这些模型往往在具有挑战性的场景中失败，例如，严重的遮挡、模糊的车道和糟糕的照明条件。本文提出了一种新的知识蒸馏方法，即自我注意力蒸馏（selfattent

yours13·2020-08-24 01:40

CVPR2018论文阅读--Occluded Pedestrian Detection Through Guided Attention in CNNs

引言以往的在行人检测中解决遮挡问题都是设计特定的遮挡Pattern。这样做的最大问题是不能够枚举出来所有的遮挡情况。因此，该文提出一种attentionmechanism来帮助检测器

GuanghaoChen·2020-08-24 01:31

在CNNs中通过引导注意力进行遮挡行人检测（论文翻译）

OccludedPedestrianDetectionThroughGuidedAttentioninCNNsbasedontheFasterRCNN1.介绍为了在一个连贯的模型中处理广泛的频繁和不太频繁的遮挡模式，我们提出了不同的注意机制，这就使得检测器更加注意可见的身体部位。这些注意机制是由基于cnn的不同通道的检测器。注意力机制在不同信道学习适当的注意力参数从而有效地处理不同的遮挡模式。1.

Niu950315·2020-08-23 23:51

基于全局误差重构的深度卷积神经网络压缩方法

最近在看这篇文章，翻译出来略作整理，本人能力有限，翻译不足之处还请谅解摘要近年来，在图像分类、目标检测、目标分析和人脸校正等诸多领域，卷积神经网络（CNNs）都取得了巨大的成功。

amulet0703·2020-08-23 22:31

[深度学习从入门到女装]Gated-SCNN: Gated Shape CNNs for Semantic Segmentation

论文地址：Gated-SCNN:GatedShapeCNNsforSemanticSegmentation一篇来自英伟达的语义分割的论文论文提出了使用gate思想，构造了一个two-stream的CNN，主干网络就是一般的语义分割网络，子网络叫shape网络，是进行一个boundary的学习，也就是目标的边界，然后在sub网络使用了一个gatedconvlayer，其实我理解起来就是相当于一个sp

炼丹师·2020-08-23 22:45

【关系抽取】《Self-Attention Enhanced CNNs and Collaborative Curriculum Learning for Distantly Supervised》

《Self-AttentionEnhancedCNNsandCollaborativeCurriculumLearningforDistantlySupervisedRelationExtraction》Abstract和往常的远程监督关系抽取差不多，首先说下远程监督的优点，可以省去标注人力物力；缺点就是按照外部知识来进行标注，容易导致标注的关系是错误的，因此作者提出了CCL(collaborat

nlp_xiaobai·2020-08-23 22:44

【今日CS 视觉论文速览】14 Dec 2018

充分利用了通道间的信息和CNNs的表示能力，并处理了激活函数对信息流的损耗。

hitrjj·2020-08-23 19:34

卷积神经网络小结(Convolutional Neural Networks)

CNNs应用的最成功的一个例子：YannLeCun（曾经是Hinton组的researchassociate）http://yann.lecun.com/exdb/lenet/index.htmlcodeproject

zjxiaolu·2020-08-23 08:27

时间卷积网络（TCN）在 NLP 多领域发光，RNN 或将没落

卷积神经网络（ConvolutionalNeuralNets,CNNs）是图像和视频识别领域公认的主力军，而循环神经网络（RecurrentNeuralNets,RNNs）在自然语言处理领域的地位与其是相似的

煊琰·2020-08-23 04:25

见过最好的神经网络CNN解释

卷积神经网络（ConvNets或者CNNs）属于神经网络的范畴，已经在诸如图像识别和分类的领域证明了其高效的能力。卷积神经网络可以成功识别人脸、物体和交通信号，从而为机器人和自动驾驶汽车提供视力。

ruiyiin·2020-08-23 02:16

2018-04-22 project literature

图像分类比赛中，你可以用如下方案举一反三可以模仿这个进行Howto(quickly)buildadeeplearningimagedataset机器学习系列(4)_机器学习算法一览，应用建议与解决思路吊炸天的CNNs

kamin·2020-08-23 02:16

腾讯Deep CNNS卷积加速架构

[转载]深度卷积网络大提速及其问题已有4882次阅读2015-1-2108:53|个人分类:人工智能|系统分类:观点评述|文章来源:转载GeoffreyHinton的努力，使得深度学习（DeepLearning，DL）成为实现机器智能的核心技术。然而，深度学习的一些坑，如大型神经网络的计算负载、训练性能，并不那么容易克服。现在，深度学习的爱好者可以通过Facebook的福利消除这一障碍：日前，Fa

cbd_2012·2020-08-22 21:47

【CRFASRNN】Conditional Random Fields as Recurrent Neural Networks.md

近些年有方法都尝试利用dnn的能力实现semanticsegmentation任务.但是，这种方法的一个核心问题是深度学习技术描绘视觉对象的能力有限.为了解决上述问题，本文提出了一种新的形式的CNN，它结合了CNNs

明天去哪·2020-08-22 14:14

Cancer Metastasis DetectionWith Neural Conditional Random Field(NCRF)翻译

qq_22239093·2020-08-22 13:02

Conditional Random Fields as Recurrent Neural Networks

作者提出一种新的卷积网络形式，结合了卷积神经网络（CNNs）和条件随机场（CRFs）。

算法学习者·2020-08-22 11:20

【译】DeepLab V1：基于Deep CNNs和全连接CRFs的语义图像分割

基于DeepCNNs和全连接CRFs的语义图像分割[译]SEMANTICIMAGESEGMENTATIONWITHDEEPCONVOLUTIONALNETSANDFULLYCONNECTEDAuthor:Liang-ChiehChanlcchen@cs.ucla.edu摘要DCNNs近期在高级视觉任务中表现出非常好的性能，比如图像分类和目标跟踪。本文联合DCNNs和概率图模型来解决像素级分类任务,

hukai7190·2020-08-22 00:18

Deep CNNs for Diabetic Retinopathy Detection笔记

DeepCNNsforDiabeticRetinopathyDetection笔记1.主要工作使用卷积神经网络实现DR的两种分类（都是2分类模型）；2.数据集Kaggleanepochwassetto2000trainingexamplesnumberofpostive(眼底正常类)andnegative(1-4级非正常类)examplesareequal.3.预处理图片大小变为256*256；e

Kerui95·2020-08-21 09:53

卷积原理

在这篇文章中，我主要关注CNNs的一些典型问题。

abyss_miracle·2020-08-21 08:33

如何简单生成生成对抗网络？

深度学习现今主要是依靠神经网络模型来进行学习的，可大致分为三种基础模型，首先的就是卷积神经网络（ConvolutionalNeuralNetworks,CNNs，1998）、循环神经网络（RecurrentNeuralNetworks

Ftwhale·2020-08-21 08:28

区块链媒体币世界被指发币，CNNS联合比特儿交易所收割韭菜

当然，币世界可不傻，币世界作为一家国内主体的区块链媒体公司，肯定是不能发币的，于是，采取了一招叫曲线救国的方法，用国外的一个基金会随便发行一个叫CNNS的代币，与币世界的积分进

blockeye·2020-08-21 03:04

Large-scale Video Classification with Convolution Neural Networks

Large-scaleVideoClassificationwithConvolutionNeuralNetworks摘要：卷积神经网络（CNNs）在图像识别问题中已经被当做一个有力的模型被建立起来。

leek1727·2020-08-20 16:42

火币的阳光普照Prime Lite，该咋撸？

自从gate开启了ieo得阳光普照模式之后，连续三个项目，从一片赞颂跌落到cnns用户堵门维权，可谓是一朝不慎跌落神坛，究其缘由自视甚高和运营能力不足。

淡淡咖啡味·2020-08-20 08:23

Gated-SCNN: Gated Shape CNNs for Semantic Segmentation

门控-SCNN：用于语义分割的门控形状CNNProjectWebsite:https://nv-tlabs.github.io/GSCNN/Abstract目前最先进的图像分割方法形成了一种密集的图像表示，其中的颜色、形状和纹理信息都是在深度CNN中一起处理的。然而，这可能不理想，因为它们包含与识别相关的非常不同类型的信息。在此，我们提出了一种用于语义分割的新的双流CNN架构，其将形状信息显式地称

迷路在代码中·2020-08-19 17:30

对图像分类的重新思考，神经网络似乎遵循一种令人困惑的简单策略来对图像进行分类...

CNNs非常擅长对经过干扰的图像进行分类，但人类却不行。在这篇文章中，我会向大家展示为什么最先进的深度神经网络对混乱的图像仍然能够很好地识别，以及这个现象是如何

ronghuaiyang·2020-08-19 15:02

Deep-Learning之卷积神经网络（小白入门）

Deep-Learning之卷积神经网络（小白入门）一、初识卷积神经网络（CNNs/ConvNets）卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。

jeanlu·2020-08-19 10:39

论文写作准备（二）—— 《Interpretable Convolutional Neural Networks》阅读

一、摘要为了阐明神经网络高级（深层）卷积层中的知识表示，提出了一种将传统卷积神经网络(CNNs)变为可解释性CNN的方法。在此可解释性CNN中，深层卷积层中的每个卷积核代表一个特定的对象部分。

我学数学我骄傲·2020-08-19 05:02

深度补全（Sparsity Invariant CNNs）-论文阅读-翻译

目录SparsityInvariantCNNsAbstract1、介绍2、相关工作3、方法3.1简单的方法3.2稀疏卷积3.2.1skipconnections4、大规模数据集4.1数据集的评测5、实验5.1.深度上采样5.1.1Synthetic-to-RealDomainAdaptation5.2.ComparisontoGuidedUpsampling5.2.1SparsityEvaluat

skyjhyp11·2020-08-19 03:57

Understanding Convolutional Neural Networks for NLP

WhenwehearaboutConvolutionalNeuralNetwork(CNNs),wetypicallythinkofComputerVision.CNNswereresponsibleformajorbreakthroughsinImageClassificationandarethecoreofmostComputerVisionsystemstoday

zldeng_scir·2020-08-18 18:09

Mixture of counting cnns: Adaptive integration of cnns specialized to specific appearance for crowd

在人群统计方面，目前使用一个预测器的方法不能够很好地处理密度和规模不断变化的人群。基于此，作者提出使用多个专门用于特定人群表面的CNN，这些CNN在多场景图片训练中被学出来，并且具有很好地鲁棒性。与单CNN和固定权重的聚合CNN相比，此方法具有更低的错误率。上图是MoC-CNN(MixtureofCountingCNNs)的框架图，它由两种类型的CNN构成，专家CNN提取不同人群表面特征，而门CN

大戏·2020-08-18 02:24

CVPR2020-HRank：Filter Pruning using High-Rank Feature Map

属性的重要性(PropertyImportance)：基于CNNs的固有属性对滤波器进行修剪。这些修剪方法不会弥补网络训练损失。剪枝后，通过微调提高模型性能。

安静到无声·2020-08-17 23:19

Pipeline基于FPGA的CNN加速项目说明

PipeCNNAboutPipeCNNisanOpenCL-basedFPGAAcceleratorforLarge-ScaleConvolutionalNeuralNetworks(CNNs).ThereisagrowingtrendamongtheFPGAcommunitytoutilizeHighLevelSynthesis

诺佛_·2020-08-17 20:34

人群计数--Mixture of Counting CNNs

MixtureofCountingCNNs:AdaptiveIntegrationofCNNsSpecializedtoSpecificAppearanceforCrowdCountinghttps://arxiv.org/abs/1703.09393本文是人群计数的，不是人群密度估计。所以网络结构比较比较简单。这里主要的思路是针对不同场景的scaleandcongestion造成图像块的Appe

O天涯海阁O·2020-08-17 19:26

从LeNet-5看卷积神经网络CNNs

一、概述：自从2010年Hinton大神团队使用深度学习（DeepLearning）算法在ImageNet比赛中获得冠军之后，深度学习算法的触角在计算机视觉、语音识别、自然语言处理等领域不断延伸，并且在这些领域都取得了极大的成功。而2015年的ImageNet比赛也到处都是深度学习算法的影子。深度学习建立在各种神经网络结构的基础上，借助于GPU和大数据，使得深层的神经网络也能被很好的学习。其中卷积

AlexInML·2020-08-17 15:01

深度补全（Sparsity Invariant CNNs）-论文阅读-翻译

（由于是直接从word上复制的，可能存在格式问题）SparsityInvariantCNNs翻译Abstract本文考虑了基于稀疏输入的卷积神经网络，并将其应用于稀疏激光扫描数据的深度上采样。首先，传统的卷积网络在应用于稀疏数据时表现较差，即使在向网络提供缺失数据的位置时也是如此。为了克服这个问题，本文提出了一个简单而有效的稀疏卷积层，它明确地考虑了卷积运算中缺失数据的位置。而且在与各种基准方法相

小小usper·2020-08-17 15:41

适用于少量数据的深度学习结构

传统的CNNs(AlexNet,VGG,GoogLeNet,ResNet,DenseNet…)在数据集中每个类样本数量较多的情况下表现良好。不幸的是，当你拥有一个小数据集时，它们通常不能很好地工作。

ronghuaiyang·2020-08-17 15:31

LeNet-5网络解读及代码实现

CNNs是现代最先进的基于深度学习的计算机视觉基础。

despacito,·2020-08-17 14:02

【FAS】《Face Anti-Spoofing Using Patch and Depth-Based CNNs》

2017IEEEInternationalJointConferenceonBiometrics(IJCB)1BackgroundandMotivation传统的人脸识别系统做活体检测的方法大致可以分为如下三类texture-basedmethods（pixelintensity和各种不同形式的attacks没有明确关系，因此想要提取出比较鲁棒的纹理特征还是比较难的）motionbasedmeth

bryant_meng·2020-08-17 12:29

GhostNet : 轻量级网络模型，性能超越MobileNetV3(CVRP2020, 华为诺亚)

https://arxiv.org/pdf/1911.11907.pdf代码：https://github.com/huawei-noah/ghostnet主要思想由于存储和计算资源的限制，卷积神经网络（CNNs

3Ｄ视觉工坊·2020-08-17 11:06

你应该知道的9篇深度学习论文（CNNs 理解）

当时看到英文的博客，本想翻译给感兴趣的同学们看看，没想到已经有人翻译，于是进行了转载，留给自己和更多的人学习，本文仅供参考。英文博客：https://adeshpande3.github.io/adeshpande3.github.io/The-9-Deep-Learning-Papers-You-Need-To-Know-About.html原文网址：http://blog.csdn.net/d

xazzh·2020-08-16 22:42

你应该知道的9篇深度学习论文（CNNs 理解）

当时看到英文的博客，本想翻译给感兴趣的同学们看看，没想到已经有人翻译，于是进行了转载，留给自己和更多的人学习，本文仅供参考。英文博客：https://adeshpande3.github.io/adeshpande3.github.io/The-9-Deep-Learning-Papers-You-Need-To-Know-About.html原文网址：http://blog.csdn.net/d

xazzh·2020-08-16 22:32

（摘要）ICLR 2017 神经网络压缩，Incremental Network Quantization: Towards Lossless CNNs with Low-Precision Weig

目录目录原文摘要原文原文：https://arxiv.org/abs/1702.03044代码：https://github.com/Zhouaojun/Incremental-Network-Quantization摘要IncrementalNetworkQuantization(INQ)是一种神经网络压缩方法。它以已训练的任意全精度网络作为输入，输出权值为0或2的整数次幂的网络。通过以下两个创

yingpeng_zhong·2020-08-16 17:44

三维卷积：全景图像Spherical CNNs（Code）

将球形信号的平面投影作为卷积神经网络的输入的这种TooNaive做法是注定要失败的，Cnns的巨大成就来源于局部感受野的权值共享，而多层结构总能找到不同rect的相同目标，给出响应。

wishchin·2020-08-16 09:56

旧时重提（关于卷积神经网络在语音鉴定方面的成就）

以下资料主要是为了解决图像智能问答的应用模型（SANs与ShowandTell的区别）深度学习领域里的很多主要突破都来源于卷积神经网络（CNNs或者ConvNets），但对大多数人来说卷积神经网络是一个非常不直观的推断过程

adamBug391·2020-08-16 04:54

《Strip Pooling: Rethinking Spatial Pooling for Scene Parsing》——笔记

StripPooling:RethinkingSpatialPoolingforSceneParsing当前方法的不足之处提高CNNs中远程依赖的建模能力的一种方法是采用self-attention机制或者

花前月下意·2020-08-15 15:00

Faster-RCNN利用代码实现讲解算法原理

Faster-RCNN利用代码实现讲解原理在学习Faster-RCNN时,阅读论文发现很多的细节不是很清楚,突然之间在网上看见ObjectDetectionandClassificationusingR-CNNs

DaneAI·2020-08-15 07:23

Downsample 平移不变性

源代码：https://github.com/adobe/antialiased-cnns/tree/430d54870a2c1c5b258fd38f5f796df44aefee79/models_lpfBaselineAnti-aliasedreplacement

ShellCollector·2020-08-14 23:53

基于注意力的卷积神经网络关系抽取模型Attention CNNS

基于注意力的卷积神经网络关系抽取模型AttentionCNNS模型源自：论文RelationClassificationviaMulti-LevelAttentionCNNs要点本模型的精髓在于使用了两次注意力机制与输入数据特征组合。对于输入数据而言考虑了与语义相关的词向量，与实体位置相关的位置向量，这两种向量进行拼接构成了最初始的向量。使用滑动窗口的方式进行获取目标词与周围词组合在一起的综合向量

rn仙人板板·2020-08-14 08:17

推荐频道

CNNS

Gated-SCNN: Gated Shape CNNs for Semantic Segmentation——论文阅读理解

NLP预训练模型综述

论文阅读——Gated-SCNN: Gated Shape CNNs for Semantic Segmentation

车道线检测Learning Lightweight Lane Detection CNNs by Self Attention Distillation

CVPR2018论文阅读--Occluded Pedestrian Detection Through Guided Attention in CNNs

在CNNs中通过引导注意力进行遮挡行人检测（论文翻译）

基于全局误差重构的深度卷积神经网络压缩方法

[深度学习从入门到女装]Gated-SCNN: Gated Shape CNNs for Semantic Segmentation

【关系抽取】《Self-Attention Enhanced CNNs and Collaborative Curriculum Learning for Distantly Supervised》

【今日CS 视觉论文速览】14 Dec 2018

卷积神经网络小结(Convolutional Neural Networks)

时间卷积网络（TCN）在 NLP 多领域发光，RNN 或将没落

见过最好的神经网络CNN解释

2018-04-22 project literature

腾讯Deep CNNS卷积加速架构

【CRFASRNN】Conditional Random Fields as Recurrent Neural Networks.md

Cancer Metastasis DetectionWith Neural Conditional Random Field(NCRF)翻译

Conditional Random Fields as Recurrent Neural Networks

【译】DeepLab V1：基于Deep CNNs和全连接CRFs的语义图像分割

Deep CNNs for Diabetic Retinopathy Detection笔记

卷积原理

如何简单生成生成对抗网络 ？

区块链媒体币世界被指发币，CNNS联合比特儿交易所收割韭菜

Large-scale Video Classification with Convolution Neural Networks

火币的阳光普照Prime Lite，该咋撸？

Gated-SCNN: Gated Shape CNNs for Semantic Segmentation

对图像分类的重新思考，神经网络似乎遵循一种令人困惑的简单策略来对图像进行分类...

Deep-Learning之卷积神经网络（小白入门）

论文写作准备（二）—— 《Interpretable Convolutional Neural Networks》阅读

深度补全（Sparsity Invariant CNNs）-论文阅读-翻译

Understanding Convolutional Neural Networks for NLP

Mixture of counting cnns: Adaptive integration of cnns specialized to specific appearance for crowd

CVPR2020-HRank：Filter Pruning using High-Rank Feature Map

Pipeline基于FPGA的CNN加速项目说明

人群计数--Mixture of Counting CNNs

从LeNet-5看卷积神经网络CNNs

深度补全（Sparsity Invariant CNNs）-论文阅读-翻译

适用于少量数据的深度学习结构

LeNet-5网络解读及代码实现

【FAS】《Face Anti-Spoofing Using Patch and Depth-Based CNNs》

GhostNet : 轻量级网络模型，性能超越MobileNetV3(CVRP2020, 华为诺亚)

你应该知道的9篇深度学习论文（CNNs 理解）

你应该知道的9篇深度学习论文（CNNs 理解）

（摘要）ICLR 2017 神经网络压缩，Incremental Network Quantization: Towards Lossless CNNs with Low-Precision Weig

三维卷积：全景图像Spherical CNNs（Code）

旧时重提（关于卷积神经网络在语音鉴定方面的成就）

《Strip Pooling: Rethinking Spatial Pooling for Scene Parsing》——笔记

Faster-RCNN利用代码实现讲解算法原理

Downsample 平移不变性

基于注意力的卷积神经网络关系抽取模型Attention CNNS

如何简单生成生成对抗网络？