Convolutional 第23页

部分翻译 Hidden Two-Stream Convolutional Networks for Action Recognition

导师说这个不适合我，以后读研究生的时候再回来看吧。---------------------割------------------------（我是个新手）毕业设计需要，想找一种动作识别的方法，看到了这篇，粗略翻译一下前面一部分。附别人的阅读笔记点击打开链接相关信息点击打开链接--------------------割--------------------------摘要：人类行为的视频分析包括

慧眼与松香·2022-06-02 07:22

卷积神经网络（convolutional neural network, CNN）

基本定义卷积神经网络(convolutionalneuralnetwork,CNN)，是一类包含卷积计算且具有深度结构的前馈神经网络。卷积神经网络是受生物学上感受野（ReceptiveField）的机制而提出的。卷积神经网络专门用来处理具有类似网格结构的数据的神经网络。例如，时间序列数据（可以认为是在时间轴上有规律地采样形成的一维网格）和图像数据（可以看作是二维的像素网格）。1.卷积层（convo

有梦想的雨·2022-05-29 13:59

VGGNet 阅读理解 - Very Deep Convolutional Networks for Large-Scale Image Recognition

论文理解-VGGNet-VeryDeepConvolutionalNetworksforLarge-ScaleImageRecognition[VGG-Paper][原文地址-Verydeepconvolutionalnetworksforlarge-scaleimagerecognition]一篇对VGGNet理解比较详细的博客，很长很详尽，十分受用.转载并非常感谢原博主-Yuens’sBlog

AIHGF·2022-05-29 07:10

论文笔记 Very Deep Convolutional Networks for Large-Scale Visual Recognition - ICLR 2014

VGGVeryDeepConvolutionalNetworksforLarge-ScaleVisualRecognitionKarenSimonyanandAndrewZissermanICLR,2014(PDF)(Citations73354)Contribution通过堆叠多个3x3的卷积核来替代大尺度卷积核（减少所需参数，两个3x3的卷积核和一个5x5的卷积核具有相同的感受野，三个3x3的

CiLin-Yan·2022-05-29 07:01

基于CNN的动态手势识别：Real-time Hand Gesture Detection and Classification Using Convolutional Neural Networks

Real-timeHandGestureDetectionandClassificationUsingConvolutionalNeuralNetworks论文解读1.概述2.简介3.方法3.1构架（1）检测器（2）分类器（3）后处理（4）一次性激活（Single-timeActivation）（5）激活的评估4.实验4.1使用EgoGesture数据集的离线结果4.2离线结果使用nvGestur

Airs_Gao·2022-05-24 07:35

About Crash Course In Convolutional Neural Networks

ConvolutionalNeuralNetworksareapowerfulartificialneuralnetworktechnique.Thesenetworkspreservethespatialstructureoftheproblemandweredevelopedforobjectrecognitiontaskssuchashandwrittendigitrecognition.T

梦想家DBA·2022-05-23 07:15

【论文笔记】(DGCN-HN) Deep Graph Convolutional Networks with Hybrid Normalization for Accurate and …

文章目录1.Intro1.1层数不够1.2使用固定的归一化规则2.METHOD2.1DeepGraphConvolutionalNetworkforRecommendation2.2HybridNormalizationforFlexibleModelingofNeighborImportance2.3SimplifiedAttentionNetworkforAdaptiveCombination

·2022-05-22 07:45

【论文笔记】Revisiting Graph based Collaborative Filtering: A Linear Residual Graph Convolutional Network

LR-GCCF1.Abstract2.Introduction3.LR-GCCF3.1模型总体结构（OverallStructureoftheProposedModel）3.2线性嵌入传播(LinearEmbeddingPropagation)3.3残差偏好预测(ResidualPreferencePrediction)3.4模型学习(ModelLearning)4.模型对比1.Abstract基

·2022-05-22 07:15

论文笔记：AAAI 2020 Revisiting Graph based Collaborative Filtering: A Linear Residual Graph Convolutional

饮冰l·2022-05-22 07:29

论文研读（三）：FCOS: Fully Convolutional One-Stage Object Detection之补充

正文解读：论文研读（三）：FCOS:FullyConvolutionalOne-StageObjectDetection目标检测目标检测可以理解为是物体识别和物体定位的综合，不仅仅要识别出物体属于哪个分类，更重要的是得到物体在图片中的具体位置。在自然图像中，基于深度学习的目标检测技术包括anchor-based和anchor-free两大类。基于anchor-based的技术包括一个阶段和两个

@彼岸花·2022-05-21 18:04

李宏毅机器学习(6)-卷积神经网络

首先分别从Smallregion、SamePattern和Subsamping三个角度引入CNN的设计思路；接着详细介绍了CNN的架构，Convolutional、MaxPooling和Flatten，

ATMh__zhang·2022-05-20 07:29

卷积神经网络(原理与代码实现)

卷积神经网络1、卷积的概念2、感受野的概念3、全零填充(padding)4、Tensorflow描述卷积层4.1卷积(Convolutional)4.2批标准化（BatchNormalization，BN

别团等shy哥发育·2022-05-17 07:46

深度学习+pytorch自学笔记（十）——含并行连结的网络（GoogLeNet）、批量归一化、残差网络（ResNet）、稠密连接网络（DenseNet）

https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter05_CNN/5.9_googlenethttps://zh-v2.d2l.ai/chapter_convolutional-modern

子非鱼icon·2022-05-16 07:04

Spatial Group-wise Enhance: Improving Semantic Feature Learning in Convolutional Networks

论文链接：https://arxiv.org/pdf/1905.09646.pdf代码链接https://github.com/implus/PytorchInsight卷积神经网络（CNN）通过收集不同层次和不同部分的语义子特征来生成复杂对象的特征表示。这些子特征通常可以以分组形式分布在每一层的特征向量中，代表各种语义实体。然而，这些子特征的激活往往在空间上受到相似模式和噪声背景的影响，从而导致

智安科技*·2022-05-03 07:10

《SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS》代码详解（Tensorflow版）

paper链接code链接目录1.文件目录结构2.运行方法、要求2.1运行方法2.2.运行要求3.数据集4.代码分析4.1requirements.txt4.2setup.py4.3__init__.py4.4train.py4.5model.py4.6layer.py4.7inits.py4.8metrics.py4.9自用测试5.参考1.文件目录结构2.运行方法、要求2.1运行方法cdgcnp

Good_Ly·2022-04-22 07:23

CNN实现过程（卷积神经网络Convolutional Neural Networks）

1.图像的输入一张照片是如何输入到神经网络中的。众所周知，计算机适合处理的是矩阵运算，所以必须要把图片转换成矩阵后计算机才能认识。所有的彩色图像都由红绿蓝（RGB）叠加而成，成为图像的三个通道，一张图片在计算机中存储也是通过这三个矩阵完成的。RGB这三个矩阵称为为图像的3个通道，也作为神经网络的输入数据。（直方图均衡里边可以先把RGB转化为HSV处理）2.卷积神经网络的组成与其他神经网络相同，CN

国服最强貂蝉·2022-04-16 07:29

【CVPR 2021】剪枝篇（二）：Convolutional Neural Network Pruning with Structural Redundancy Reduction

【CVPR2021】剪枝篇（二）：ConvolutionalNeuralNetworkPruningwithStructuralRedundancyReduction论文地址：主要问题：主要思路：理论分析：基本定义：公式和声明：具体实现：基本符号：模型剪枝：图理论：整体架构：建立冗余图：ℓℓ

BIT可达鸭·2022-04-16 07:24

Paper Reading: Variational Convolutional Neural Network Pruning

ApruningmethodthatbasedonBatchNormalizationlayer.VariationalConvolutionalNeuralNetworkPruningContentBriefintroductionImplementationWhatischannelsaliencyHowtomakegooduseofchannelsaliencyparameterMeansu

surtol·2022-04-16 07:47

【模型剪枝】|Pruning Convolutional Neural Networks for Resource Efficient Inference

https://github.com/jacobgil/pytorch-pruning[ICLR’17]论文链接：https://arxiv.org/abs/1611.06440这篇论文来自NVIDIA，论文中提出了一种用于修剪神经网络中的卷积核的新公式，以实现有效的推理。剪枝之后的VGG准确率从98.7%掉到97.5%.网络大小从538MB压缩到150MB.在i7CPU上，对一张图的推断时间从0

rrr2·2022-04-16 07:11

Convolutional Neural Network Pruning with Structural Redundancy Reduction 公式解读

ConvolutionalNeuralNetworkPruningwithStructuralRedundancyReduction公式解读3，Claim3.1引入网络的五种剪枝情况3.2粗略证明文章的中心思想3.3详细比较五种情况3.3.1切比雪夫不等式3.3.2使用切比雪夫不等式4，Methodology4.2Pruningwithstructuralredundancyreduction4.

a578831363·2022-04-16 07:30

【论文分享】小样本图片分类方法：AwGCN：Few-Shot Learning With Attention-Weighted Graph Convolutional Networks

题目：Few-ShotLearningWithAttention-WeightedGraphConvolutionalNetworksForHyperspectralImageClassification链接：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9190752源码：-时间：2020.10会议：ICIP（CCF-C）机构：

vector<>·2022-04-08 08:36

李宏毅2021年机器学习笔记———卷积神经网络

Observation1：感受野Observation2：权值共享Observation3：MaxPoolingThewholeCNN 我们开始探讨Network的架构设计，第一个Network架构的变形是Convolutional

weixin_42053151·2022-04-04 10:52

2021李宏毅机器学习笔记--8Convolutional Neural Network CNN卷积神经网络

8ConvolutionalNeuralNetworkCNN卷积神经网络摘要1CNN可以用于图像处理的原因1.1鉴别时只需要看图像的某一部分1.2相同的部位出现在图像不同的位置无需重复训练1.3二次抽样缩小图像2CNN的步骤2.1Convolutional

guoxinxin0605·2022-04-04 10:45

论文阅读 SV-RCNet: Workflow Recognition From Surgical Videos Using Recurrent Convolutional Network

SV-RCNet:WorkflowRecognitionFromSurgicalVideosUsingRecurrentConvolutionalNetworkIEEETransactionsonMedicalImaging2018task手术工作流识别阅读记录对于第一个视频片段，这个视频片段的相位标签是P1。第二行显示ResNet-50的注意图，它更关注分布在图像底部的脂肪区域。因此，对grou

WXiujie123456·2022-04-01 18:53

论文阅读 MS-TCN++: Multi-Stage Temporal Convolutional Network for Action Segmentation

MS-TCN++:Multi-StageTemporalConvolutionalNetworkforActionSegmentationIEEEtransactionsonpatternanalysisandmachineintelligence2020task动作分割阅读记录这篇文章仅汇报Ms-TCN基础上的创新点，故篇幅较短说明以上内容均为作者本人平时阅读并且汇报使用，内容整理全凭个人理解，

WXiujie123456·2022-04-01 18:51

VGGNet《Very Deep Convolutional Networks for Large-Scale Image Recognition》外文翻译

VGGNet《VeryDeepConvolutionalNetworksforLarge-ScaleImageRecognition》外文翻译Abstract摘要1.INTRODUCTION引言2.CONVNETCONFIGURATIONSConvNet配置2.1ARCHITECTURE架构2.2CONFIGURATIONS配置2.3DISCUSSION讨论3.CLASSIFICATIONFRAM

Jsper0420·2022-04-01 07:00

空间注意力机制sam_【论文解读】用于卷积神经网络的注意力机制(Attention)----CBAM: Convolutional Block Attention Module...

摘要论文提出了ConvolutionalBlockAttentionModule(CBAM)，这是一种为卷积神将网络设计的，简单有效的注意力模块(AttentionModule)。对于卷积神经网络生成的featuremap，CBAM从通道和空间两个维度计算featuremap的attentionmap，然后将attentionmap与输入的featuremap相乘来进行特征的自适应学习。CBAM是

weixin_39938165·2022-03-29 07:10

论文阅读：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

论文阅读：SEMI-SUPERVISEDCLASSIFICATIONWITHGRAPHCONVOLUTIONALNETWORKS目录Abstract1.INTRODUCTION2.FASTAPPROXIMATECONVOLUTIONSONGRAPHS2.1SpectralGraphConvolutions谱图卷积2.2Layer-WiseLinearModel3Semi-SupervisedNod

我真傻了都·2022-03-28 07:06

Spatial Temporal Graph Convolutional Networks (ST-GCN) 代码调试，实现+论文阅读

仓库地址：https://github.com/yysijie/st-gcn论文：SpatialTemporalGraphConvolutionalNetworksforSkeleton-BasedActionRecognitionSijieYan,YuanjunXiongandDahuaLin,AAAI2018.基于骨架的动作识别的时间空间图卷积网络效果：ST-GCN能够利用人类骨骼的局部模式和

tang-0203·2022-03-27 07:28

DCANet: Learning Connected Attentions for Convolutional Neural Networks

论文链接：https://arxiv.org/pdf/2007.05099.pdf源码：https://github.com/ma-xu/DCANet/blob/master/models/resnet/resnet_se_dca.py虽然自我注意机制在许多视觉任务中显示出良好的效果，但它一次只考虑当前的特征，这种方式不能充分利用注意力机制信息。在本文中，作者提出了深度连接注意网络（DCANet）

小小小～·2022-03-23 11:30

SA-NET: SHUFFLE ATTENTION FOR DEEP CONVOLUTIONAL NEURAL NETWORKS

论文地址：https://arxiv.org/pdf/2102.00240.pdfGithub地址：https://github.com/wofmanaf/SA-Net/blob/main/models/sa_resnet.py注意机制使神经网络能够准确地聚焦于输入的所有相关元素，已成为改善深层神经网络性能的重要组成部分。计算机视觉研究中广泛使用的注意机制主要有两种：空间注意力和通道注意力，它们分

小小小～·2022-03-23 11:29

【图卷积网络】Graph Convolutional Network

1.图卷积网络1.1.为什么会出现图卷积网络普通卷积神经网络研究的对象是具备Euclideandomains的数据，Euclideandomainsdata数据最显著的特征是他们具有规则的空间结构，如图片是规则的正方形，语音是规则的一维序列等，这些特征都可以用一维或二维的矩阵来表示，卷积神经网络处理起来比较高效。然而，现实生活中很多数据不具备规则的空间结构，称为NonEuclideandata，如

来日可期1314·2022-03-17 07:21

Unsupervisd Reprsentation Learning With Deep Convolutional Generative Adversarial Networks 阅读笔记

论文重要内容节选AbstractInrecentyears,supervisedlearningwithconvolutionalnetworks(CNNs)hasseenhugeadoptionincomputervisionapplications.Comparatively,unsupervisedlearningwithCNNshasreceivedlessattention.Inthis

isinstance·2022-03-15 07:39

论文笔记《DermaKNet: Incorporating the knowledge of dermatologists to Convolutional Neural Networks for 》

这是博主自己读论文的笔记，论文题目太长标题都写不下了…原文请在DermaKNet:IncorporatingtheKnowledgeofDermatologiststoConvolutionalNeuralNetworksforSkinLesionDiagnosis下载~解决的问题：皮肤病灶诊断（分类）动机：基于CNN的计算机辅助诊断性能很高但是缺乏对最终决策的潜在因素和属性的可解释性限制了计算机

SMALLSNOWa·2022-03-12 07:02

【论文阅读】Deep multi-path convolutional neural network joint with salient region attention for facial。。。

论文阅读笔记引言网络结构实验结果引言引言部分其实没说什么，就提了一句：如果我们用权重去衡量“每个patch”或“某些区域”在表情识别任务中的重要性的话会更好。比如微笑表情其实和嘴角区域的关系更大，可以给这个区域赋予更高的权重；额头区域在微笑表情的判别任务中似乎没有太重要，所以可以给这个区域赋予更低的权重。网络结构网络结构分为3部分：VGG-Face、SERD、MPVS-Net。首先上两个网络整体图

柠檬不喝橙汁·2022-03-04 07:47

论文解读（Geom-GCN）《Geom-GCN: Geometric Graph Convolutional Networks》

PaperInformationTitle：Geom-GCN:GeometricGraphConvolutionalNetworksAuthors：HongbinPei,BingzhenWei,K.Chang,YuLei,BoYangSources：2020,ICLRPaper：DownloadCode：DownloadAbstractMPNN存在的问题：即丢失了节点与其邻居间的结构信息和无法捕获

Learner-·2022-03-03 21:00

论文解读（Geom-GCN）《Geom-GCN: Geometric Graph Convolutional Networks》

PaperInformationTitle：Geom-GCN:GeometricGraphConvolutionalNetworksAuthors：HongbinPei,BingzhenWei,K.Chang,YuLei,BoYangSources：2020,ICLRPaper：DownloadCode：DownloadAbstractMessage-passingneuralnetworks(M

Learner-·2022-03-03 16:00

李宏毅2021机器学习笔记——CNN

CNN我们开始探讨Network的架构设计,第一个Network架构的变形是Convolutional的NeuralNetwork,它的缩写是CNN,它是专门被用在影像上的,我希望透过CNN这个例子,来让大家知道

Alex_SCY·2022-03-03 07:58

Gather-Excite:Exploiting Feature Context in Convolutional Neural Networks

Gather-Excite:ExploitingFeatureContextinConvolutionalNeuralNetworksGather-Excite：在卷积神经网络中利用特征上下文Abstract尽管在卷积神经网络（CNN）中使用自底向上的局部运算符可以很好地匹配自然图像的某些统计信息，但它也可能阻止此类模型捕获上下文的远程特征交互。在这项工作中，我们提出了一种简单，轻量级的方法，以在

Never_Jiao·2022-03-02 12:57

pytorch实现 | Deformable Convolutional Networks | CVPR | 2017

文章转载自微信公众号：【机器学习炼丹术】，请支持原创。这一篇文章，来讲解一下可变卷积的代码实现逻辑和可视化效果。全部基于python，没有C++。大部分代码来自：https://github.com/oeway/pytorch-deform-conv但是我研究了挺久的，发现这个人的代码中存在一些问题，导致可变卷积并没有实现。之所以发现这个问题是在我可视化可变卷积的检测点的时候，发现一些端倪，然后经

微信公众号[机器学习炼丹术]·2022-02-25 07:46

最容易理解的ConViT: Improving Vision Transformerswith Soft Convolutional Inductive Biases

之前的博客介绍了transformer和transformer在CV领域应用的VIT论文，有兴趣的同学可以参考transformer、VIT。VIT虽然在性能上已经达到了目前图像分类的SOTA的程度，但是它需要依赖巨大的数据集，比如Google的JFT都是以亿为单位计算的。显然，作为我们这种个人玩家是无法应用的，那么Facebook继VIT之后，推出ConVit解决了该问题。本想看看哪位大神对这篇

LN烟雨缥缈·2022-02-22 07:35

精读ConViT: Improving Vision Transformerswith Soft Convolutional Inductive Biases

摘要本文提出CNN上限太低，VisionTransformer上限高但因为需求的数据量极大而下限太低，而且训练起来更加耗时耗力。作者便希望通过结合两者的优点，达到更优秀的效果。而带有位置编码的注意力模块可以达到类似卷积的效果，因此如何将位置编码和图像结合便是本文重点。背景知识作者一步步地介绍了各种注意力机制，层层递进地引出了带有位置编码的注意力机制。首先介绍了单头注意力机制，这没啥好说的：Q尺寸为

格里芬阀门工·2022-02-22 07:21

【CV论文笔记】Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition（SPPNet网络理解）

本文主要用于介绍何恺明大神于2015年提出的空间金字塔池化网络（SPPNet网络），该网络架构也可以当作是R-CNN加速改进版。本笔记主要为方便初学者快速入门，以及自我回顾。论文链接：https://arxiv.org/pdf/1406.4729.pdf源码地址：http://research.microsoft.com/en-us/um/people/kahe/基本目录如下：摘要核心思想总结--

蘑菇轰炸机·2022-02-18 17:00

【CV论文笔记】MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

本文主要用于介绍谷歌实验室团队于2017年提出的一种轻型网络MobileNets。本笔记主要为方便初学者快速入门，以及自我回顾。论文链接：https://arxiv.org/pdf/1704.04861.pdf基本目录如下：摘要核心思想总结------------------第一菇-摘要------------------1.1论文摘要我们提出了一种高效的专门可用于手机端或其他终端视觉设备的网络，

蘑菇轰炸机·2022-02-16 15:12

2020paper2:Graph Convolutional Matrix Completion

GraphConvolutionalMatrixCompletion1、研究背景推荐系统的一个子任务就是矩阵补全。文中把矩阵补全视作在图上的链路预测问题：users和items的交互数据可以通过一个在user和item节点之间的二分图来表示，其中观测到的评分/购买用links来表示。因此，预测评分就相当于预测在这个user-item二分图中的links。据此，作者提出了一个图卷积矩阵补全（GCMC

是黄小胖呀·2022-02-15 20:00

CNN (Convolutional Neural Network)

1.WhatisCNNImageNetClassificationwithDeepConvolutionalNetworks算是深度学习的起源（当然，更远可以追溯到YannLeCun1998年的Gradient-BasedLearningAppliedtoDocumentRecognition)。AlexKrizhevsky,IlyaSutskever,以及GeoffreyHinton三人创造了一

Liu91·2022-02-15 17:36

《Semi-Supervised Classification with Graph Convolutional Networks》阅读笔记

为什么研究GCNCNN无法处理NonEuclideanStructure的数据，学术上的表达是传统的离散卷积在NonEuclideanStructure的数据上无法保持平移不变性。也就是说在拓扑图中每个顶点的相邻顶点数目都可能不同，那么也就无法用一个同样的尺寸的卷积核来进行卷积运算。CNN无法处理NonEuclideanStructure的数据，又希望在拓扑图上有效的提取空间特征来进行学习，所以G

机器不会学习·2022-02-14 10:06

笔记 | Reading Notes：Alex-Net《ImageNet Classification with Deep Convolutional Neural Networks》

首先介绍文中所用到的数据集：（1）文中所用到的数据集是来自于ImageNet数据集的ILSVRC（ImageNetLarge-ScaleVisualRecognitionChallenge）数据集，数据集中共1000个类别每个类别大约1000张图片，其中约120万张训练集图片，5万张验证集图片，15万张测试集图片。用于文中的数据集为ILSVRC-2010，此外ILSVRC还有ILSVRC-2012

水土七口刀·2022-02-11 11:03

Character-level Convolutional Networks for Text Classification

文中指出，在大规模数据集上（尤其是书写不规范的ugc），cnn文本分类问题在char-level同样有很好的效果。文中alphabet总共有70个char：alphabet模型包括6层卷积3层全连接，前两层fc使用了0.5的dropout。char-cnn每层细节如下表所示：输入部分截断到长度为1014，不在alphabet中的词向量置0。数据增强：近义词替换评估：Evaluation

小绿叶mj·2022-02-11 11:45

第十三讲：textcnn做文本分类任务，基于论文：Relation_Classification_via_Convolutional_Deep_Neural_Network

文章目录1.小序2.论文简述3.代码实战4.tf_record使用的思考1.小序本章从真实的论文场景出发，使用TextCNN(tf.nn.conv2d)进行实战，本次实战将之前章节所讲的模型保存、tf_record、tf.summary等都进行了应用。可以将三个脚本保存下来，此后的代码讲解基本都采用这种构造，2.论文简述该论文是一篇关系抽取的论文，模型主体框架是TextCNN。关系抽取属于信息

weixin_43178406·2022-02-08 10:06

推荐频道

Convolutional

部分翻译 Hidden Two-Stream Convolutional Networks for Action Recognition

卷积神经网络（convolutional neural network, CNN）

VGGNet 阅读理解 - Very Deep Convolutional Networks for Large-Scale Image Recognition

论文笔记 Very Deep Convolutional Networks for Large-Scale Visual Recognition - ICLR 2014

基于CNN的动态手势识别：Real-time Hand Gesture Detection and Classification Using Convolutional Neural Networks

About Crash Course In Convolutional Neural Networks

【论文笔记】(DGCN-HN) Deep Graph Convolutional Networks with Hybrid Normalization for Accurate and …

【论文笔记】Revisiting Graph based Collaborative Filtering: A Linear Residual Graph Convolutional Network

论文笔记：AAAI 2020 Revisiting Graph based Collaborative Filtering: A Linear Residual Graph Convolutional

论文研读（三）：FCOS: Fully Convolutional One-Stage Object Detection之补充

李宏毅机器学习(6)-卷积神经网络

卷积神经网络(原理与代码实现)

深度学习+pytorch自学笔记（十）——含并行连结的网络（GoogLeNet）、批量归一化、残差网络（ResNet）、稠密连接网络（DenseNet）

Spatial Group-wise Enhance: Improving Semantic Feature Learning in Convolutional Networks

《SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS》代码详解（Tensorflow版）

CNN实现过程（卷积神经网络Convolutional Neural Networks）

【CVPR 2021】剪枝篇（二）：Convolutional Neural Network Pruning with Structural Redundancy Reduction

Paper Reading: Variational Convolutional Neural Network Pruning

【模型剪枝】|Pruning Convolutional Neural Networks for Resource Efficient Inference

Convolutional Neural Network Pruning with Structural Redundancy Reduction 公式解读

【论文分享】小样本图片分类方法：AwGCN：Few-Shot Learning With Attention-Weighted Graph Convolutional Networks

李宏毅2021年机器学习笔记———卷积神经网络

2021李宏毅机器学习笔记--8Convolutional Neural Network CNN卷积神经网络

论文阅读 SV-RCNet: Workflow Recognition From Surgical Videos Using Recurrent Convolutional Network

论文阅读 MS-TCN++: Multi-Stage Temporal Convolutional Network for Action Segmentation

VGGNet《Very Deep Convolutional Networks for Large-Scale Image Recognition》外文翻译

空间注意力机制sam_【论文解读】用于卷积神经网络的注意力机制(Attention)----CBAM: Convolutional Block Attention Module...

论文阅读：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

Spatial Temporal Graph Convolutional Networks (ST-GCN) 代码调试，实现+论文阅读

DCANet: Learning Connected Attentions for Convolutional Neural Networks

SA-NET: SHUFFLE ATTENTION FOR DEEP CONVOLUTIONAL NEURAL NETWORKS

【图卷积网络】Graph Convolutional Network

Unsupervisd Reprsentation Learning With Deep Convolutional Generative Adversarial Networks 阅读笔记

论文笔记《DermaKNet: Incorporating the knowledge of dermatologists to Convolutional Neural Networks for 》

【论文阅读】Deep multi-path convolutional neural network joint with salient region attention for facial。。。

论文解读（Geom-GCN）《Geom-GCN: Geometric Graph Convolutional Networks》

论文解读（Geom-GCN）《Geom-GCN: Geometric Graph Convolutional Networks》

李宏毅2021机器学习笔记——CNN

Gather-Excite:Exploiting Feature Context in Convolutional Neural Networks

pytorch实现 | Deformable Convolutional Networks | CVPR | 2017

最容易理解的ConViT: Improving Vision Transformerswith Soft Convolutional Inductive Biases

精读ConViT: Improving Vision Transformerswith Soft Convolutional Inductive Biases

【CV论文笔记】Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition（SPPNet网络理解）

【CV论文笔记】MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

2020paper2:Graph Convolutional Matrix Completion

CNN (Convolutional Neural Network)

《Semi-Supervised Classification with Graph Convolutional Networks》阅读笔记

笔记 | Reading Notes：Alex-Net《ImageNet Classification with Deep Convolutional Neural Networks》

Character-level Convolutional Networks for Text Classification

第十三讲：textcnn做文本分类任务，基于论文：Relation_Classification_via_Convolutional_Deep_Neural_Network