CVbaseline论文精读第12页

论文精读:EfficientDet: Scalable and Efficient Object Detection

Abstract首先，本篇论文提出了一种加权双向特征金字塔网络（BiFPN），进行简单、快速的多尺度特征融合；其次，作者提出了一种复合尺度方法，同时统一调整所有主干、特征网络和box/类别预测网络的分辨率、深度和宽度。基于这些优化和更好的骨干，提出了一个目标检测算法称为Effificientdet.1.Introduction目标检测算法有两个挑战:挑战1：高效的多尺度特征融合——FPN、PANe

樱花的浪漫·2022-12-18 07:13

李沐精读论文：transformer 《Attention Is All You Need》 by Google

论文：AttentionIsAllYouNeed视频：Transformer论文逐段精读【论文精读】_哔哩哔哩_bilibili课程（推荐先看这个）：李宏毅机器学习：self-attention（自注意力机制

iwill323·2022-12-18 07:47

【论文精读】Semi-supervised Medical Image Segmentation through Dual-task Consistency

语义分割论文CVPR2021基于双任务一致性的半监督医学图像分割代码：GitHub-HiLab-git/DTC:Semi-supervisedMedicalImageSegmentationthroughDual-taskConsistency目录语义分割论文摘要一、主要亮点二、网络结构1.Dual-taskConsistency2.Semi-supervisedtrainingthroughDu

LANG_C_·2022-12-17 22:10

Temporal Segment Networks:Towards Good Practices for Deep TSN论文精读笔记

TemporalSegmentNetworks:TowardsGoodPracticesforDeepTSN论文精读笔记这篇论文首先解决了双流卷积网络只能处理较短视频帧的缺陷，论文的主要贡献是提出了TemporalSegmentNetwork

Encounter84·2022-12-17 14:51

【论文精读】Focal Inverse Distance Transform Maps for Crowd Localization

文章目录摘要主要贡献主要内容一、FIDT二、LMDS三。I-SSIMloss摘要在本文中，我们关注人群定位任务，这是人群分析的一个重要课题。基于回归的方法大多使用卷积神经网络(CNN)对密度图进行回归，在极度稠密的场景中无法准确定位实例，主要原因有两个：1)密度图由一系列模糊的高斯斑点组成；2)密度图的稠密区域存在严重的重叠。为了解决这个问题，我们提出了一种新的用于人群定位任务的聚焦反距离变换(F

.别拖至春天.·2022-12-17 07:51

Text to image论文精读DR-GAN：分布正则化的生成对抗网络 Distribution-Regularization-for-Text-to-Image-Generation

DR-GAN是北京理工大学者和大连理工大学学于2022年4月提出的一种新的文本到图像生成模型，称为分布正则化生成对抗网络（Distribution-Regularization-for-Text-to-Image-Generation，DR-GAN）论文地址：https://arxiv.org/abs/2204.07945代码地址：https://github.com/Tan-H-C/DR-GAN

中杯可乐多加冰·2022-12-16 19:57

DeiT论文精读

论文地址：https://arxiv.org/abs/2012.12877v2代码地址:https://github.com/facebookresearch/deit.Abstracttransformer需要使用大型基础设施对数亿张图像进行了预训练，从而限制了它们的使用。在这项工作中，作者只在图像上训练transformer。在一台电脑上训练他们不到3天。基于visiontransformer

樱花的浪漫·2022-12-16 19:52

减小模型训练成本的视频动作识别 Efficient Video Transformers with Spatial-Temporal Token Selection 论文精读笔记

减小模型训练成本的视频动作识别EfficientVideoTransformerswithSpatial-TemporalTokenSelection论文笔记一、Abstract二、引言三、相关工作3.1VisionTransformers3.2EfficientVideoRecognition3.3DifferentiableTokenSelection四、Spatial-TemporalTok

乄洛尘·2022-12-16 08:36

李沐精读论文：GAN

论文：https://papers.nips.cc/paper/2014/file/5ca3e9b122f61f8f06494c97b1afccf3-Paper.pdf视频：GAN论文逐段精读【论文精读

iwill323·2022-12-16 08:00

论文精读：VIT - AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE

ABSTRACT虽然Transformer架构已经成为自然语言处理任务的实际标准，但它在计算机视觉中的应用仍然有限。在视觉中，注意力要么与卷积网络结合应用，要么用于替换卷积网络的某些组成部分，同时保持它们的整体结构。我们证明了这种对cnn的依赖是不必要的，而一个直接应用于图像补丁序列的纯Transformer可以很好地执行图像分类任务。当对大量数据进行预训练，并转移到多个中型或小型图像识别基准数据

樱花的浪漫·2022-12-16 07:24

【论文精读】……ConvNeXt……(CNN和Transformer打起来了，A ConvNet for the 2020s)

文章目录一、Abstract（摘要）：二、Introduction（引言）：三、ModernizingaConvNet:aRoadmap（现代化路线）1.MacroDesign模块2.ResNeXt-ify模块3.InvertedBottleneck模块：4.LargeKernelSizes模块：5.variouslayer-wiseMicroDesign模块四、小总结论文题目：AConvNetf

深度不学习！！·2022-12-15 21:37

Attention is all you need 论文精读笔记 Transformer

AttentionPosition-wiseFeedForwardNetworkEmbeddingsandsoftmaxPositionalEncoding为什么使用自注意力Evaluation论文讨论与总结前言本文主要内容来自李沐老师的论文精读视频

Haulyn5·2022-12-15 07:28

Resnet论文精读

resnet也赢下了imagenet的竞赛在cifar-10上训练了100到1000层的数据cnn的主干网络用resnet替换在coco目标检测上也夺冠了计算机图形学可能把图放在标题上面在训练深的网络上，不只是过拟合，训练误差也会很高，不止是过拟合深度太深会出现梯度爆炸或者梯度弥散解决：初始化的时候权重不要太大也不要太小，中间加一些batchnormalization，使得校验每个层的输出和他的梯

CVer1024·2022-12-15 06:32

ViT论文逐段精读【论文精读】-跟李沐学AI

视频链接：ViT论文逐段精读【论文精读】_哔哩哔哩_bilibiliViT：过去一年，CV最有影响力的工作推翻了2012Alexnet提出的CNN在CV的统治地位有足够多的预训练数据，NLP的Transformer

MT_Joy·2022-12-15 06:29

李沐论文精读： ResNet

目录1摘要主要内容主要图表2导论2.1为什么提出残差结构2.2实验验证3实验部分3.1不同配置的ResNet结构3.2残差结构效果对比3.3残差结构中，输入输出维度不一致如何处理3.4深层ResNet引入瓶颈结构Botleneck4代码实现4.1残差块4.2ResNet模型5训练和测试训练方法测试6CIFAR-10实验7为什么残差网络有效论文推荐论文地址：https://arxiv.org/pdf

iwill323·2022-12-15 06:52

可解释机器学习导论

可解释机器学习公开课，包含人工智能可解释性、显著性分析领域的导论、算法综述、经典论文精读、代码实战、前沿讲座。由B站知名人工智能科普UP主“同济子豪兄”主讲。

南京比高IT·2022-12-14 15:47

【研一小白论文精读】《Big Self-Supervised Models are Strong Semi-Supervised Learners》

【研一小白论文精读】研一已经开学了，距离上一次自己写博客也有一段时间了，上一次写的博客我自己看简直又臭又长，这次是第二次，也不知道能不能做出一些改变。

Titus W·2022-12-14 05:09

【学习笔记】对比学习综述（Contrastive Learning Review）

ContrastiveLearningReview朱毅大佬视频讲解笔记对比学习论文综述【论文精读】_哔哩哔哩_bilibili1百花齐放（18-19年中）1.1InstDiscUnsupervisedFeatureLearningviaNon-ParametricInstanceDiscrimination

Merengue_l·2022-12-13 21:51

对比学习论文综述

目录对比学习论文综述【论文精读】_哔哩哔哩_bilibili1.百花齐放2.CV双雄3.不用负样本4.Transformer对比学习论文综述【论文精读】_哔哩哔哩_bilibili1.百花齐放18-19

33奈何33·2022-12-13 21:21

【研一小白论文精读】《MASTERING ATARI WITH DISCRETE WORLD MODELS》

MASTERINGATARIWITHDISCRETEWORLDMODELS主要提出了一种基于模型的强化学习，叫DreamerV2.论文题目:masteringatariwithdiscreteworldmodels论文项目地址及代码:https://danijar.com/project/dreamerv2/没有偏差的报道:https://ai.googleblog.com/2021/02/mas

Titus W·2022-12-13 12:19

CVPR 2020 zui佳论文提名【论文精读】

文章目录1.四个问题2.视频正文什么是对比学习？论文内容1.题目和作者2.摘要3.引言4.结论5.相关工作6.MoCo方法7.实验8.总结3.参考资料1.四个问题解决什么问题做无监督的表征学习用什么方法解决本文提出了MoCo去做无监督的表征学习，虽然是基于对比学习的，但是本文是从另外一个角度来看对比学习，也就是说把对比学习看作是一个字典查询的任务。具体来说，就是做一个动态的字典，这个动态的字典由两

I"ll carry you·2022-12-13 12:48

【视频-文字版】MoCo 论文逐段精读【论文精读】

文章目录0前言0.1介绍什么是对比学习1题目和作者2、摘要3、引言4、结论5、相关工作**损失函数：判别式、生成式、对比学习、对抗学习**代理任务6MoCo方法3.3代理任务MoCo伪代码：7、实验8、总结参考资料0前言MoCoMomentumContrastforUnsupervisedVisualRepresentationLearningMoCo是CVPR2020的最佳论文提名，算是视觉领域

I"ll carry you·2022-12-13 12:48

MoCo论文精读

文章目录1MoCo论文阅读1.1各类监督学习1.2对比学习1.3摘要1.4引言1.5结论1.6方法2参考资料1MoCo论文阅读题目：MomentumContrastforUnsupervisedVisualRepresentationLearning从题目中可以提炼出两个信息：momentum-动量Contrast-对比unsupervised-无监督1.1各类监督学习介绍各类监督学习，本文其实也

Rui@·2022-12-13 12:47

【研一小白论文精读】《MoCo》

其实之前读simclr那篇论文的时候已经涉及到一些moco的内容，现在的moco已经更新到了v3。moco是一种典型的contrastiveunsupervisedlearning。MomentumContrastforUnsupervisedVisualRepresentationLearning在moco提出的时候现有的contrastivelearning有两种手段：第一种是endtoend

Titus W·2022-12-13 12:43

深度之眼Paper带读笔记NLP.9：基于CNN的词级别的文本分类.Baseline.05

文章目录前言论文总览学习目标导图研究意义第一课论文导读论文背景文本分类简介文本分类文本分类发展历史机器学习深度学习前期知识储备第二课论文精读论文整体框架摘要传统/经典算法模型Bag-of-words基于词向量的

oldmao_2000·2022-12-13 09:12

（深度学习论文精读总结）You Only Look Once: Unified, Real-Time Object Detection

一、文献名字和作者文献名：YouOnlyLookOnce:Unified,Real-TimeObjectDetection作者名：JosephRedmon，SantoshDivvala，RossGirshick，AliFarhadi二、阅读时间2019年7月24日~2019年7月26日（本人读的第一篇英文论文，比较慢）三、文献领域目标检测四、文献目的本文主要实现的是目标检测，即对于给定图片，对其中

风中一匹狼v·2022-12-12 20:44

【目标检测论文精读】……YOLO-V1 ……(You Only Look Once: Unified, Real-Time Object Detection)

文章目录Abstract（摘要）Introduction（引言）UnifiedDetection（统一的目标检测）ComparisontoOtherDetectionSystems（和其他模型对比）Experiments（实验）小总结今天开始YOLO系列，这是一篇必读论文！给我冲！YOLO系列:yolov1精读yolov2精读yolov3精读论文题目:YouOnlyLookOnce:Unified

深度不学习！！·2022-12-12 19:11

论文精读-YOLOv1:You Only Look Once:Unified, Real-Time Object Detection

Abstract我们提出了一种新的目标检测方法YOLO。先前在目标检测方面的工作是重新利用分类器来执行检测。相反，我们将目标检测框架为一个回归问题，以确定空间分离的边界框和相关的类概率。一个单一的神经网络在一次评估中直接从完整的图像中预测边界框和类的概率。由于整个检测管道是一个单一的网络，因此可以根据检测性能直接进行端到端优化。我们的统一体系结构运行的速度非常快。我们的基础YOLO模型以每秒45帧

樱花的浪漫·2022-12-12 19:09

【单目3D目标检测】MonoFlex论文精读与代码解析

文章目录PrefaceAbstractContributionsPipelineProblemDefinitionDecoupledRepresentationsofObjectsInside&OutsideObjectsEdgeFusionLossVisualPropertiesRegression2DDetectionDimensionEstimationOrientationEstimati

嗜睡的篠龙·2022-12-12 09:40

PSMNet学习记录：基于深度学习的双目立体匹配算法

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、研究背景二、论文精读1.介绍2.相关工作3.金字塔立体匹配网络3.1网络结构3.2空间金字塔池化模块3.3匹配代价卷3.43DCNN3.5

Scurry﹉·2022-12-11 07:15

【论文精读】SfMLearner——《Unsupervised Learning of Depth and Ego-Motion from Video》

SfM(StructurefromMotion)是一种经典的实现三维重建的算法，从相机运动中实现三维重建（要求相机是运动的，环境是静止的）——根据一组2D图像序列还原3D空间点位置以及相机位姿。《UnsupervisedLearningofDepthandEgo-MotionfromVideo》（SfmLearner）提出了基于自监督学习的单目深度+位姿估计的经典框架，成为最基本的自监督学习的范式

M号攻城狮·2022-12-10 21:40

【论文精读】AlexNet —— 解读《ImageNet Classification with Deep Convolutional Neural Networks》

《ImageNetClassificationwithDeepConvolutionalNeuralNetworks》在2012年发表，将深度卷积神经网络应用于物体识别（图片分类），引发广泛的学界关注并引领深度学习研究的浪潮，成为近年来深度学习发展的奠基作之一。（抱歉各位读者，这是我自己读论文过程中整理的笔记，参考了B站李沐大佬的解读，目前一些细节还没整理完整，有待补充，见谅）Abstract摘要

M号攻城狮·2022-12-10 21:10

【论文精读】LaTr: Layout-Aware Transformer for Scene-Text VQA

概述1.核心问题：STVQA（Scene-TextVisualQuestionAnswering）场景文本视觉问答，利用场景图片中的文本回答问题（相关概念：OCR（OpticalCharacterRecognition）图片文字识别）需要利用多种模态的语义信息进行推理（视觉、语言、场景文本）需要模型具有的能力：（1）先验信息和知识（2）利用视觉、语言、场景文本信息做推理2.研究背景：大概分为三种问

M号攻城狮·2022-12-10 20:58

图像处理之《基于生成对抗网络和梯度下降逼近的鲁棒无覆盖隐写术》论文精读

Hard Coder·2022-12-10 18:55

论文精读：《DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries》

3DObjectDetectionfromMulti-viewImagesvia3D-to-2DQueries文章目录DETR3D:3DObjectDetectionfromMulti-viewImagesvia3D-to-2DQueries论文精读摘要

zyw2002·2022-12-10 18:58

【mvsnet系列论文精读】cascade mvsnet 论文精读

本文最大的贡献是cascade结构无论是在立体匹配（gwcnet）还是在mvsnet结构上使用都能达到很好的效果同时做到了降低内存，提高精度的效果1.网络结构可以看到作者将此结构命名为mvsnet+ours在特征提取方面采用的是金字塔结构，由上到下分别是阶段1-3，整体结构是在第k阶段得到的深度图作为第k+1阶段的深度采样范围参考2.代价体优化2.1深度范围减小，消耗内存减少2.2深度间隔越大，生

Chato_yant·2022-12-10 14:51

【mvsnet系列论文精读】D2HC Rmvsnet 论文精读

D2HCRmvsnet的主要成果是在保持重构精度的同时降低了内存开销，该方法的GPU内存消耗是之前循环方法R-MVSNet[34]的19.4%。1.网络结构新型混合循环多视点立体网络（D2HCRmvsnet）由两个核心模块组成:1)轻型DRENet(densityReceptionExpanded)模块，用于提取具有多尺度上下文信息的原始尺寸密集特征图;2)HU-LSTM(hybridU-LSTM

Chato_yant·2022-12-10 14:42

clip-summary

CLIP总结–LearningTransferableVisualModelsFromNaturalLanguageSupervision视频讲解：CLIP论文精读论文下载：https://openai.com

如果你也听说~·2022-12-09 17:47

TNT:Transformer in transformer论文精读

论文地址:https://arxiv.org/abs/2103.00112源码地址:GitHub-huawei-noah/Efficient-AI-Backbones:EfficientAIBackbonesincludingGhostNet,TNTandMLP,developedbyHuaweiNoah'sArkLab.1.Abstractvisiontransformer首先将输入图像划分为几

樱花的浪漫·2022-12-09 08:00

【Transformer 论文精读】……Swin Transformer……(Hierarchical Vision Transformer using Shifted Windows)

文章目录一、Abstract（摘要）二、Introduction（引言）三、RelatedWork（相关工作）四、Method（方法）1.PatchMerging模块2.W-MSA模块3.SW-MSA、maskedMSA模块五、Conclusion（结论）六、小总结论文题目：SwinTransformer:HierarchicalVisionTransformerusingShiftedWindo

深度不学习！！·2022-12-09 08:59

【论文阅读】视频理解系列论文精读

文章目录1.Large-scaleVideoClassificationwithConvolutionalNeuralNetworks摘要1.介绍2.相关工作3.模型3.1时间信息的融合3.2多分辨率CNN4.实验细节、训练结果5.结论和未来工作2.Two-StreamConvolutionalNetworksforActionRecognitioninVideos摘要1.介绍2.用于视频识别的双

三木今天学习了嘛·2022-12-09 07:20

【自用收藏视频】

沐神-论文精读在讲OpenAIWhisper前先做了一个剪视频小工具【论文精读】OpenAIWhisper精读【论文精读】一些会议视频Self-SupervisedLearning:Self-PredictionandContrastiveLearning

I"ll carry you·2022-12-09 07:18

【论文精读9】MVSNet系列论文详解-AA-RMVSNet

论文名为：AA-RMVSNet:AdaptiveAggregationRecurrentMulti-viewStereoNetwork，CVPR2021（CCFA）本文是MVSNet系列的第9篇，建议看过【论文精读

LiverWhles·2022-12-09 07:14

（一）【Deep video】视频理解论文串讲（上）【论文精读】笔记

b站源视频（视频理解论文串讲（上）【论文精读】）：https://www.bilibili.com/video/BV1fL4y157yA/0前言视频里将视频理解分四大方向：1，hand-crafted-

CV-杨帆·2022-12-09 07:07

视频理解论文串讲（上）【论文精读】

文章目录1.DeepVedio【CNN首次for视频理解】2.Two-Stream【双流网络】针对上面不同方向，有不同的代表工作LSTMlatefusion方向【Beyond-short-snippets】Earlyfusion方向【Convolutionalfusion】长视频【TSNtemporalsegment分段的思想，goodwork】总结from：https://www.bilibil

I"ll carry you·2022-12-09 07:35

Efficient DETR 论文精读

EfficientDETR:ImprovingEnd-to-EndObjectDetectorwithDensePrior高效Detr：改进具有稠密先验的端到端目标检测器一、摘要最近提出的端到端转换器(如DETR和DeformableDETR)具有堆叠6个解码器层的级联结构，可以迭代地更新对象查询，否则它们的性能会严重下降。在本文中，我们研究对象容器的随机初始化，包括对象查询和参考点，主要负责多次

Flying Bulldog·2022-12-09 00:33

【论文精读】基于骨架行为识别（一）—STGCN

calm-one·2022-12-08 15:44

深度学习论文精读[5]：Attention UNet

以CNN为基础的编解码结构在图像分割上展现出了卓越的效果，尤其是医学图像的自动分割上。但一些研究认为以往的FCN和UNet等分割网络存在计算资源和模型参数的过度和重复使用，例如相似的低层次特征被级联内的所有网络重复提取。针对这类普遍性的问题，相关研究提出了给UNet添加注意力门控（AttentionGates,AGs）的方法，形成一个新的图像分割网络结构：AttentionUNet。提出Atten

louwill12·2022-12-08 15:43

深度学习论文精读[6]：UNet++

UNet的编解码结构一经提出以来，大有统一深度学习图像分割之势，后续基于UNet的改进方案也经久不衰，一些研究者也在从网络结构本身来思考UNet的有效性。比如说编解码网络应该取几层，跳跃连接是否能够有更多的变化以及什么样的结构训练起来更加有效等问题。UNet本身是针对医学图像分割任务而提出来的网络结构，该任务不像自然图像分割，对分割精度要求并不是十分严格。但对于医学图像而言，器官和病灶的分割则要求