DGL阅读笔记

part-aligned系列论文：1711.Beyond Part Models- Person Retrieval with Refined Part Pooling 论文阅读笔记

BeyondPartModels-PersonRetrievalwithRefinedPartPooling这篇论文和1711.AlignedReID-SurpassingHuman-LevelPerformanceinPersonRe-Identification这篇论文同样的出色，都将Market-1501数据集的TopRank-1性能刷到了95以上，但该论文没用re-rankingboost
xuluohongshang·2023-11-19 14:11

Variational Relational Point Completion Network 阅读笔记

VariationalRelationalPointCompletionNetworkAbstract摘要Real-scannedpointcloudsareoftenincompleteduetoviewpoint,occlusion,andnoise.Existingpointcloudcompletionmethodstendtogenerateglobalshapeskeletonsand
北岭狼人·2023-11-19 14:36

Consistency Models 阅读笔记

Diffusionmodels需要多步迭代采样才能生成一张图片，这导致生成速度很慢。Consistencymodels的提出是为了加速生成过程。Consistencymodels可以直接一步采样就生成图片，但是也允许进行多步采样来提高生成的质量。Consistencymodels可以从预训练的扩散模型蒸馏得到，也可以作为独立的生成模型从头训练得到。感觉Consistencymodels和EDM1有
冰冰冰泠泠泠·2023-11-19 14:45

Superset源码阅读(TODO)

我的Superset源码阅读笔记版本Superset1.3.2一、技术框架搭建环境参考ApacheSuperset二次开发环境配置Superset使用到的技术框架：前端采用，D3–React：为数据提供渲染为
终回首·2023-11-19 14:19

【论文阅读笔记】Supervised Contrastive Learning

【论文阅读笔记】SupervisedContrastiveLearning摘要自监督批次对比方法扩展到完全监督的环境中，以有效利用标签信息提出两种监督对比损失的可能版本介绍交叉熵损失函数的不足之处，对噪声标签的不鲁棒性和可能导致交叉的边际
luzhoushili·2023-11-19 09:12

（论文阅读46-50）图像描述2

46.文献阅读笔记简介题目LearningaRecurrentVisualRepresentationforImageCaptionGeneration作者XinleiChen,C.LawrenceZitnick
朽月初二·2023-11-19 09:12

[源码阅读]——Sylar服务器框架：定时器模块

具体关于定时器的讲解大家可以参考本人之前做的阅读笔记：【阅读】《Linux高性能服务器编程》——第十一章。  定时器通常
甄姬、巴豆·2023-11-19 08:32

第三章 抓时间 第一段至第二段——《一线带班》今日阅读笔记

第一段7：30--8：051.八点之前必须到校。到校第一件事交作业，可准备专用作业袋，分类装好，以防作业丢失，或找作业麻烦。2.7：30--8：00这段时间，大部分同学到校之后就开始早间阅读，管理员进行评比，多表扬，少批评。（不认真的单独谈话，放办公室阅读一段时间再鼓励性返教室阅读）3.8：00--8：05（阅读之星评比，阅读十页以上的表扬，并拍照发家长群）阅读期间PPT显示“每天：从阅读开启生活
瑾言_c799·2023-11-19 05:21

【基础知识】LeeDL阅读笔记

训练损失：训练损失大，有两种可能：1.模型复杂度不够高。2.优化的问题。如果训练损失大，可以先判断是模型偏差还是优化。如果是模型偏差，就把模型变大。训练损失变小后，接下来看测试损失，如果测试数据损失也变小了，就说明模型复杂度变好了。如果深的模型跟浅的模型作比较，深的模型明明灵活性比较大，但损失却比浅的模型更大，说明优化有问题，梯度下降不给力，因此要有一些其它的方法来更好地进行优化。当模型越来越复杂
李加号pluuuus·2023-11-18 23:13

（论文阅读40-45）图像描述1

40.文献阅读笔记（m-RNN）简介题目ExplainImageswithMultimodalRecurrentNeuralNetworks作者JunhuaMao,WeiXu,YiYang,JiangWang
朽月初二·2023-11-18 22:08

Zero-Shot Text-to-Image Generation阅读笔记

Zero-ShotText-to-ImageGeneration方法目标：训练一个Transformers将文本和图像标记作为单个数据流进行自回归建模以往的解决办法：可能性目标倾向于优先考虑像素之间的短程依赖关系建模，因此大部分建模能力将用于捕获高频细节，而不是使物体在视觉上可识别的低频结构。本文的解决办法：训练了一个离散变分自编码器(dVAE)，将每个256×256RGB图像压缩成一个32×32
小杨小杨1·2023-11-17 00:42

Attention is all you need（Transformer）论文阅读笔记

一、背景seq2seq模型（2014年）：https://blog.csdn.net/zyk9916/article/details/118002934Attention模型（2015年）：https://blog.csdn.net/zyk9916/article/details/118498156对于序列建模和转换问题，大量的研究都围绕以RNN为基础的encoder-decoder架构展开。但是
zyk9916·2023-11-16 19:17

（论文阅读31/100）Stacked hourglass networks for human pose estimation

31.文献阅读笔记简介题目Stackedhourglassnetworksforhumanposeestimation作者AlejandroNewell,KaiyuYang,andJiaDeng,ECCV
朽月初二·2023-11-16 03:44

（论文阅读32/100）Flowing convnets for human pose estimation in videos

32.文献阅读笔记简介题目Flowingconvnetsforhumanposeestimationinvideos作者TomasPfister,JamesCharles,andAndrewZisserman
朽月初二·2023-11-16 03:44

（论文阅读30/100）Convolutional Pose Machines

30.文献阅读笔记CPMs简介题目ConvolutionalPoseMachines作者Shih-EnWei,VarunRamakrishna,TakeoKanade,andYaserSheikh,CVPR
朽月初二·2023-11-16 03:14

现代前端技术解析-第3章 前端三层结构与应用

《现代前端技术解析》第3章阅读笔记笔记章节目录第1章Web前端技术基础第2章前端与协议第3章前端三层结构与应用第4章现代前端交互框架第5章前端项目与技术实践一（5.1前端开发规范）二（5.2前端组件规范
DxCaesar·2023-11-15 23:41

PLIC简介&&cva6之PLIC模块阅读笔记

PLIC简介PLIC结构门户的作用主要是将中断源来的中断电气信号转换为MSI，然后交由交换矩阵来处理；另外一个作用是当来自某个中断源的中断正在被处理时，阻止接收同一中断源的后续中断。对某个HART来说，如果中断发生，交换矩阵会通知HART，而这种通知的方式可以有多种实现方式。对于复杂的系统，这种通知本身就可以是MSI；对于相对简单的系统，这种通知可以是简单的硬连线，直接连接到HART内部中断寄存器
此心无垠＿·2023-11-15 08:28

PP-YOLO论文阅读笔记

PP-YOLO:Aneffectiveandefficientimplementationofobjectdetector期刊:arXivpreprint年份:2020主要内容列举:①:实现一个有效性和效率相对平衡的对象检测器，可以直接应用于实际应用场景;②②:添加了一系列几乎不会增加推断时间的技巧，以提高模型的整体性能;③:PP-YOLO可以在有效性（45.2%mAP)和效率（72.9FPS)之
咕咕咕不咕·2023-11-14 22:50

μC/OS-II 源码阅读笔记 —— 内核深度剖析

一个程序猿郁结十年的青苹果Bush2014-4-24前言此文发表在此，由于正吃菜的我才疏学浅，文中难免有错误的地方，欢迎看官和过客指正批评，痛骂也无妨，我虚心接受所有的鄙视。目录概述缩略语01何谓任务？02任务与中断有啥异同？03何谓原子性操作？04任务栈是怎么回事？05何谓现场？06临界保护对子中C语言的变量跟汇编子函数中的寄存器是怎样联系起来的？07任务切换时具体做些什么？08任务切换在什么时
俟命·2023-11-14 19:22

Qt文档阅读笔记-Fetch More Example解析

FetchMoreExample这个例子说明了如何在视图模型上添加记录。这个例子由一个对话框组成，在Directory的输入框中，可输入路径信息。应用程序会载入路径信息的文件信息等。不需要按回车键就能搜索。当有大量数据时，需要对视图模型进行批量增加。此案例，实现了FileListModel类，此类包含了一个视图模型，这个视图模型获取路径下的文件。下面来看下FileListModel的代码。File
IT1995·2023-11-14 19:08

【目标检测】RCNN 的边界框回归损失函数

其实这个部分我看几篇文章讲得都挺不错的，所以我的这篇文章纯粹是当做阅读笔记来写了。
Jiangnan_Cai·2023-11-14 06:30

使用dgl库实现GCN【官方案例】

学习目的学习使用gnn进行节点分类的基本工作流程，即预测图中节点的类别。关于GCN节点分类的综述在图数据上最流行和广泛采用的任务之一是节点分类，其中模型需要预测每个节点的真实类别。在图神经网络之前，许多被提出的方法要么单独使用连通性(如DeepWalk或node2vec)，要么简单地结合连通性和节点自身的特征。相比之下，gnn通过结合局部邻域的连通性和特征提供了获得节点表示的机会。Kipf等人将节
♡Coisíní♡·2023-11-14 05:33

《生物信息学》阅读笔记 （三）：序列比对原理

这一章之前在博客中就有过介绍。这里是查漏补缺。运用全局比对的主要优势在于对具有高度同源性的序列进行优化，这在以已知三维结构的同源性序列为基础对未知序列的三维结构进行预测的模型构建中是十分有用的。局部比对适合用于哪些在其全长中具有局部的小同源性片段的序列比较，一般用于特定序列位点、结构域及其他类型重复序列的搜索，同时它在发现数据库中待分析序列的同源序列过程中也有重要意义。相似性（similarity
wxw060709·2023-11-14 00:40

Intel X86 优化指南阅读笔记--通用优化(前端)

PROCESSORPERSPECTIVES以下优化建议，在不同微架构下收益差别较大：指令译码的吞吐量很重要。利用好decodedICache，LoopStreamDetector和macro-fusion能进一步提高CPU前端性能。充分利用好4个译码器来产生代码。利用好micro-fusion和macro-fusion，这样其中3个简单译码器就再被限制为只能译码只含有一条uop的简单指令。Sand
呆呆辉·2023-11-13 20:16

（论文阅读28/100 人体姿态估计）Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

28.文献阅读笔记简介题目RealtimeMulti-Person2DPoseEstimationusingPartAffinityFields作者ZheCao,TomasSimon,Shih-EnWei
朽月初二·2023-11-13 19:16

（论文阅读29/100 人体姿态估计）

29.文献阅读笔记简介题目DeepCut:JointSubsetPartitionandLabelingforMultiPersonPoseEstimation作者LeonidPishchulin,EldarInsafutdinov
朽月初二·2023-11-13 19:12

（论文阅读26/100）Weakly-supervised learning with convolutional neural networks

26.文献阅读笔记简介题目Weakly-supervisedlearningwithconvolutionalneuralnetworks作者MaximeOquab，LeonBottou，IvanLaptev
朽月初二·2023-11-13 14:50

（论文阅读25/100）Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

25.文献阅读笔记Multi-DomainNetwork(MDNet)简介题目LearningMulti-DomainConvolutionalNeuralNetworksforVisualTracking
朽月初二·2023-11-13 14:49

（论文阅读27/100）Deep Filter Banks for Texture Recognition and Segmentation

27.文献阅读笔记简介题目DeepFilterBanksforTextureRecognitionandSegmentation作者MirceaCimpoi,SubhransuMaji,AndreaVedaldi
朽月初二·2023-11-13 14:08

超硬核C++BestPractices翻译与阅读笔记

点击蓝字关注我们硬货开始这本书的副标题是：45ishSimpleRuleswithSpecificActionitemsforbetterC++,这本书是由大佬推荐的，C++学习有必要掌握一下这45条最佳实践，可以很大程度上提升代码的可读性和健壮性，而且这本书也不长，翻译起来也会比较简单，比很多人推荐的EffectiveC++要容易读的多，翻译的过程中去掉了欧美人写书时喜欢带上的口水话，从而让文章
轻松学C语言·2023-11-13 00:08

Learning Continuous Exposure Value Representations for Single-Image HDR Reconstruction 论文阅读笔记

这是国立阳明交通大学、联发科和英伟达合作的一篇ICCV2023的HDRReconstruction的论文文章用INR来生成具有连续曝光值的图片，从而能够生成更加多样的LDR图片，而文章发现用更多样的LDR图片训练的网络具有更好的性能，这也是文章的动机。文章说用了INR的思路，其实根本就不是INR，INR的输入是坐标，而这里其实就是把s给repeat成featuremap大小concatenate到
ssf-yasuo·2023-11-12 18:30

Spatially Adaptive Self-Supervised Learning for Real-World Image Denoising 论文阅读笔记

CVPR2023的一篇哈工大发表的真实世界图像去噪的论文，代码开源，nice文章两大要点，一个是BNN一个是LAN。文章的intro中提到，现有的很多方法虽然设计上与噪声的分布无关，但是实际上却只能处理空间独立的噪声。这一部分的介绍很流畅，对现有的一些SSID方法带过的同时，也逐个揭示了其缺点，为后续自己方法的提出进行铺垫。无论是写法上，还是内容上，都可以借鉴，并且其带过的论文，没读过的后续也可以
ssf-yasuo·2023-11-12 18:30

Masked Image Training for Generalizable Deep Image Denoising 论文阅读笔记

CVPR2023港科大（广州）发的一篇denoising的论文，作者里面有上海AILab的董超老师（看introduction的时候看到有一段很像董超老师Networksareslachingoff的论文的思想，说网络overfitting的时候学习了训练集的噪声模式而非图片内容，翻回去作者看，果然有董超老师），文章提出了一种提高现有denoising方法泛化性的方法，动机就是迫使网络学习图像内容
ssf-yasuo·2023-11-12 18:52

TPVFormer论文阅读笔记

Tri-PerspectiveViewforVision-Based3DSemanticOccupancyPrediction论文，代码链接：TPVFormer(wzzheng.net)BEVFormer存在的问题BEV特征空间中的一个特征表示的是其对应世界坐标系中如下图所示红色的部分的特征，可见，在z轴方向上的特征是没有划分的。在做实例分割时（图中蓝色框），由于缺少特征z轴方向上的信息，而导致人
liu liu liu·2023-11-12 13:29

《On Java进阶卷》阅读笔记（五）

第7章IO系统I/O流：IO有很多不同的来源和去处，如文件、控制台网络连接等，而且还涉及需求以很多种方式，如顺序读取、随机访问、缓冲、字符、按行读取、按字读取等。Java8的函数式流相关的类和IO流之间并无关联。IO流隐藏了实际的IO设备中数据情况的下列细节：字节流用于处理原始的二进制数据。字符流用于处理字符数据。它会自动处理和本地字符集间的相互转换。缓冲区流提升了性能。它通过减少调用本地API的
liulimoyu·2023-11-12 04:55

《AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE》阅读笔记

论文标题《ANIMAGEISWORTH16X16WORDS:TRANSFORMERSFORIMAGERECOGNITIONATSCALE》谷歌论文起名越来越写意了，“一幅图像值16X16个单词”是什么玩意儿。ATSCALE：说明适合大规模的图片识别，也许小规模的不好使作者来自GoogleResearch的Brain团队，经典的同等贡献。初读摘要Transformer体系结构现状：在NLP领域，Tr
AncilunKiang·2023-11-12 02:37

《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》阅读笔记

论文标题《GenericDynamicGraphConvolutionalNetworkfortrafficflowforecasting》干什么活：交通流预测（trafficflowforecasting）方法：动态图卷积网络（DynamicGraphConvolutionalNetwork）创新：通用（Generic）作者隔壁北航的大佬们太强了。这个项目有国自然和校级资金支持。初读摘要现存方法
AncilunKiang·2023-11-12 02:06

《Swin Transformer: Hierarchical Vision Transformer using Shifted Windows》阅读笔记

论文标题《SwinTransformer:HierarchicalVisionTransformerusingShiftedWindows》Swin这个词貌似来自后面的ShiftedWindowsShiftedWindows：移动窗口Hierarchical：分层作者微软亚洲研究院出品初读摘要提出SwinTransformer可以作为CV的通用主干Tansformer用于图像的挑战：视觉实体尺度变
AncilunKiang·2023-11-12 02:04

论文阅读笔记：Cold Filter A Meta-Framework for Faster and More Accurate Stream Processing

论文阅读笔记：ColdFilter:AMeta-FrameworkforFasterandMoreAccurateStreamProcessing文章目录论文阅读笔记：ColdFilter:AMeta-FrameworkforFasterandMoreAccurateStreamProcessingAbstract1
烟花再美，不过·2023-11-12 00:40

1707.ICCV.Neural Person Search Machines检测加识别 论文阅读笔记

NeuralPersonSearchMachines（NPSM）一个新颖的end-to-end的（检测+reid）行人搜索识别方法论文贡献：1.提出了一种NPSM框架（基于LSTM记忆递归网络attention机制）来模拟人的视觉搜索机制，在记忆query/probe特征信息的指导下，递归地由小到大定位有效区域，由粗到精的得到iamge中与query匹配的行人区域。2.相比于现阶段PRW和CUHK
xuluohongshang·2023-11-11 22:00

Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding阅读笔记

介绍这篇文章来自2018KDD，是一篇检测飞船异常的文章。作者的想法在于，首先基于LSTM的时序预测已经能达到很好地效果，其次基于阈值(out-of-limits,OOL)方法由于计算成本小，适用范围广，易于解释及其可以与基于预测的方法完美结合等优点，依然是上佳的考虑。所以采用了基于预测和阈值的方法来做异常检测。异常检测方法当通过预测得到一个新值y^(t)\hat{y}^{(t)}y^(t)，则计
CH-MLX·2023-11-11 22:25

【论文阅读笔记】Shielding collaborative learning:Mitigating poisoning attacks through client-side detection.

个人阅读笔记，如有错误欢迎指出！
MiaZX·2023-11-11 22:24

【论文阅读笔】TEAR: Exploring Temporal Evolution of Adversarial Robustness for Membership Inference Attacks

个人阅读笔记，如有错误欢迎指出！
MiaZX·2023-11-11 22:24

【论文阅读笔记】Detecting AI Trojans Using Meta Neural Analysis

个人阅读笔记，如有错误欢迎指出！
MiaZX·2023-11-11 22:19

MMEditing代码阅读笔记三：main()函数中的train_model()

MMEditing代码阅读笔记三：main()函数中的train_model()main()函数中最后一部分train_model()函数的学习记录，学习的过程中至现在还有几点疑惑，但是查找资料也没有相关记载
MZYYZT·2023-11-11 16:01

MMEditing代码阅读笔记二：main()函数中的build_dataset()

MMEditing代码阅读笔记二：main()函数中的build_dataset()今天，继上篇文章捋清楚build_model()函数之后，进入build_dataset()函数里面看了看。
MZYYZT·2023-11-11 16:31

MMEditing代码阅读笔记一：main()函数中的build_model()

MMEditing代码阅读笔记一：main()函数中的build_model()小白一枚，编程功底很弱，接触MMEditing这套代码，刚开始小眉头一皱，鼠标见点来点去不知道咋个回事。
MZYYZT·2023-11-11 16:30

CRNN论文阅读笔记

二、使用步骤1.引入库2.读入数据总结前言因项目需求，最近在学习OCR相关的深度学习模型，之前虽然看过CRNN相关的一些文章，熟悉大体的模型框架，但还没有阅读过原论文，今天抽时间看了下，因此这里做下阅读笔记
DU_YULIN·2023-11-11 12:42

【论文阅读笔记】老照片修复——Old Photo Restoration via Deep Latent Space Translation

目录前言一、问题与核心思想二、核心工作1.将X，R，Y映射到响应的潜在空间2.训练映射网络3.人脸增强网络实践前言笔记主要学习的是CVPR2020上发表的一篇Oral文章，主要思路是作者使用变分自动编码机（VAE）将图像变换到潜在空间（也称隐空间）中，在潜在空间中通过特征对齐和特征转换的方式来完成对老照片的图像修复。这篇论文的方法不同于普通的潜在空间转换，他们通过利用真实照片和大量合成图像提出了一
Ice TeaJH·2023-11-11 11:35

（论文阅读24/100）Visual Tracking with Fully Convolutional Networks

文献阅读笔记（sel-CNN）简介题目VisualTrackingwithFullyConvolutionalNetworks作者LijunWang,WanliOuyang,XiaogangWang,andHuchuanLu
朽月初二·2023-11-11 06:31
上一页 19 20 21 22 23 24 25 26 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他