DIF论文笔记第9页

【论文笔记】Bag of Tricks for Efficient Text Classification

这篇文章写的是Facebook推出的FastText，能够快速在海量文本数据上进行分类任务和表示学习，可以用一个普通的多线程CPU在十分钟内训练百万级的语料，一分钟内将五十万文本分类到三十万个类别中。最近几年深度学习在NLP任务上虽取得了显著地成就，但此类模型无论是训练还是测试阶段都因过长的时间消耗很难应用在更大的语料数据上。与此同时一些简单的线性模型在保持速度效率的同时也有不俗的表现，如Word

theoreoeater·2023-10-22 14:34

【论文笔记】RAFT: Recurrent All-Pairs Field Transforms for Optical Flow（ECCV 2020）

关键词：光流估计、端到端训练、迭代优化、GRU一种新的适用于光流的端到端可训练的模型。独特之处在于它使用大量轻量级、循环更新算子以单一分辨率运行。在各种数据集上实现了最好的精度，强大的跨数据集泛化能力，并且在推断时间、参数总数和训练迭代方面非常有效。创新点：RAFT以高分辨率保持和更新单个固定的光流场；RAFT的更新算子是循环的、轻量级的，并且共享权重；更新算子由一个卷积GRU组成，在4D多尺度相

李加号pluuuus·2023-10-21 18:54

《RAFT：Recurrent All-Pairs Field Transforms for Optical Flow》论文笔记

参考代码：RAFT作者主页：ZacharyTeed1.概述导读：这篇文章提出了一种新的光流估计pipline，与之前介绍的PWC-Net类似其也包含特征抽取/correlationvolume构建操作。在这篇文章中为了优化光流估计，首先在correlationvolume的像素上进行邻域采样得到lookups特征（增强特征相关性，也可以理解为感受野），之后直接使用以CNN-GRU为基础的迭代优化网

m_buddy·2023-10-21 18:20

[论文笔记] MapTR: Structured modeling and learning for online vectorized hd map construction

Liao,Bencheng,etal.“Maptr:Structuredmodelingandlearningforonlinevectorizedhdmapconstruction.”arXivpreprintarXiv:2208.14437(2022).要点总结:MapTR将地图元素(路沿,车道线,人行横道等)分成两类—线和多边形,然后使用DETR策略对每个实例预测出一个数量为N的点集,接着让

zhwangye·2023-10-21 14:30

[论文笔记] SurroundOcc: Multi-Camera 3D Occupancy Prediction for Autonomous Driving

Wei,Yi,etal.“Surroundocc:Multi-camera3doccupancypredictionforautonomousdriving.”ProceedingsoftheIEEE/CVFInternationalConferenceonComputerVision.2023.重点记录将占用网格应用到多个相机构成的3D空间中;使用BEVFormer中的方法获取3D特征,然后使用

zhwangye·2023-10-21 13:26

【试题031】C语言关系运算符和逻辑非例题

p)if(p=1)Dif(p!=0)2.分析：[]if中的条件是p==0为真，也就是说p=0[]那么！p=1,逻辑非就是将结果取反的操作[]p=0也就是p≠13.截图：

崔雪兔·2023-10-20 23:28

多源信息融合技术研究综述

多源信息融合技术研究综述论文笔记一、主要内容1.摘要：多源信息融合即基于多种(同类或异类)信息源，根据某个特定标准在空间或时间上进行组合，获得被测对象的一致性解释或者描述，并使得该信息系统具有更好的性能

科研需要动力·2023-10-20 22:43

[论文笔记]GPT1

引言今天带来论文ImprovingLanguageUnderstandingbyGenerativePre-Training的笔记，它的中文题目为：通过生成式预训练改进语言理解。其实就是GPT的论文。自然语言理解可以应用于大量NLP任务上，比如文本蕴含、问答、语义相似和文档分类。虽然无标签文本语料是丰富的，但是用于训练这些特定任务的有标签文本语料是匮乏的，使得区分性训练模型难以表现出足够的性能。作

愤怒的可乐·2023-10-20 21:15

[论文笔记]Sentence-BERT[v2]

引言本文是SBERT(Sentence-BERT)论文1的笔记。SBERT主要用于解决BERT系列模型无法有效地得到句向量的问题。很久之前写过该篇论文的笔记，但不够详细，今天来重新回顾一下。BERT系列模型基于交互式计算输入两个句子之间的相似度是非常低效的(但效果是很好的)。当然可以通过批数据优化，将query和多个待比较句子分别拼接成批大小内的样子一次输入，是可以同时计算批大小个样本之间的相似度

愤怒的可乐·2023-10-20 13:30

多标签分类论文笔记 | Combining Metric Learning and Attention Heads...（MLD-TResNet-L-AAM/GAT+AAM）

个人论文精读笔记，主要是翻译+心得，欢迎旁观，如果有兴趣可以在评论区留言，我们一起探讨。Paper:https://arxiv.org/pdf/2209.06585v2.pdfCode:https://github.com/openvinotoolkit/deep-object-reid/tree/multilabel文章目录0.摘要1.介绍2.相关工作3.方法3.1模型架构3.2Transfor

Thomas_Cai·2023-10-20 02:56

多标签分类论文笔记 | CAUSALITY COMPENSATED ATTENTION FOR CONTEXTUAL BIASED VISUAL RECOGNITION

个人论文精读笔记，主要是翻译+心得，欢迎旁观，如果有兴趣可以在评论区留言，我们一起探讨。Paper:https://openreview.net/pdf?id=8XqDnrmZQNFCode:https://github.com/yu-gi-oh-leilei/IDA_2023ICLR文章目录摘要1介绍3.初步结论:语境偏见中的因果关系4.方法4.1类感知层4.2因果关系的干预4.3采样和重加权层

Thomas_Cai·2023-10-20 02:56

linux上在docker中使用anaconda创建虚拟环境

论文笔记参考：多标签分类论文笔记|CombiningMetricLearningandAttentionHeads…MLD-TResNet-L-AAM/GAT+AAM)1.安装anaco

Thomas_Cai·2023-10-20 02:23

Compressed Video Action Recognition论文笔记

该文章是首篇，在行为识别领域中，用压缩视频进行深度网络训练的论文。文中阐述了将压缩视频用于行为识别理由；作者尝试的过程及实验结果。视频压缩感知重构时利用到了帧间的差异。帧间的差异与运动向量以及帧间残差有关，将运动向量及残差作为网络的输入，减少网络建模时序运动信息的难度；同时压缩的视频减少了冗余信息，易于训练。摘要：由于视频的size大及时序信息的冗余，深度的视频学习任务训练要比图像的表示学习要难得

Loopz·2023-10-20 02:13

《Fault Localization with Code Coverage Representation Learning》论文笔记

论文来源：ICSE-2021论文链接：https://arxiv.org/abs/2103.00270论文github：https://github.com/deeprl4fl2021icse/deeprl4fl-2021-icse 第一次看基于测试用例（即基于代码覆盖，突变测试）来定位代码缺陷的方法，下文有些地方是论文里没细讲，我做了些补充，主要说下论文的原理，实验不细讲。⭐主要内容：主要就是

#苦行僧·2023-10-19 17:47

2019-Photo_Cropping_via_Deep_Reinforcement_Learning论文笔记

2019-Photo_Cropping_via_Deep_Reinforcement_Learning论文笔记摘要1简介现有裁剪方法的介绍和不足本文提出的裁剪方法(DLRL)2相关工作主流的两类自动图像裁剪方法滑动窗口裁剪方法的优化

JBY-ZQ·2023-10-19 04:30

TransE 论文笔记

TranslatingEmbeddingsforModelingMulti-relationalData-Abstract-Background-ALgorithm-Experiment-Conclusion-Abstract在低位向量空间中，嵌入多关系数据的实体与关系。提出一个规范模型，易于训练，包含较少的参数，并且可以扩展到非常大的数据库。TransE就是在低维嵌入中，一种通过对实体进行翻译来

懒狗的救赎·2023-10-19 03:05

类别感知目标计数：Class-aware Object Counting 论文笔记

类别感知目标计数：Class-awareObjectCounting论文笔记一、Abstract二、引言三、相关工作3.1R-CNN3.2Context-awarecrowdcounting3.3CrowdFPN

乄洛尘·2023-10-19 02:17

【论文笔记】Graph WaveNet for Deep Spatial-Temporal Graph Modeling

GraphWaveNetforDeepSpatial-TemporalGraphModeling摘要现有模型大多是基于固定的图结构，但由于数据的损失可能导致某些truedependency丢失。现有方法对捕获时间趋势不是很有效，因为RNN和CNN不能捕获长时间序列。GWN是通过更新一个自适应依赖矩阵，从而来捕获隐藏的空间依赖。GWN使用堆叠的1D卷积分结构，来使接受域不断扩大，从而使得模型可以处理

lokol.·2023-10-19 00:10

论文笔记《Graph WaveNet for Deep Spatial-Temporal Graph Modeling》

Abstract现存问题：在捕获空间依赖性方面。大多在固定图上捕获空间依赖关系，这种固定图结构不一样反映真实依赖关系，而真实依赖关系可能由于不完整的邻接关系而丢失。在捕获时间依赖性方面。RNNs/CNNs等在捕获长程的时间序列时，效果不太好。本文解决方法：提出自适应邻接矩阵，并通过节点嵌入学习它堆叠空洞1D卷积，感受野随着堆叠层数增加而指数级增加，进而捕获长程关系1.Introduction时空图

mintminty·2023-10-19 00:33

论文笔记：DTP: Deadline-aware Transport Protocol

摘要越来越多的应用对数据交付有期限要求，例如360°视频、云VR游戏和自动驾驶。这些应用程序通常非常需要带宽。幸运的是，这些应用程序的数据可以分成多个具有不同优先级的块，从而可以通过优先处理一些块来减少带宽消耗。然而，现有的传输层太原始，无法实现这一点。因此，这些应用程序被迫构建自己定制的复杂轮子。在这项工作中，我们提出了截止日期感知传输协议(DTP)来提供截止日期前交付（deliver-befo

斜渡凛·2023-10-18 23:34

论文笔记：No Provisioned Concurrency: Fast RDMA-codesigned Remote Fork for Serverless Computing 中

论文笔记：NoProvisionedConcurrency:FastRDMA-codesignedRemoteForkforServerlessComputing中接上篇->地址：论文笔记（上）4TheMITOSISOperatingSystemPrimitive

斜渡凛·2023-10-18 23:03

论文笔记：No Provisioned Concurrency: Fast RDMA-codesigned Remote Fork for Serverless Computing 上

Serverless论文笔记——NoProvisionedConcurrency:FastRDMA-codesignedRemoteForkforServerlessComputing上***MITOSIS

斜渡凛·2023-10-18 23:03

论文笔记：No Provisioned Concurrency: Fast RDMA-codesigned Remote Fork for Serverless Computing 下

论文笔记：NoProvisionedConcurrency:FastRDMA-codesignedRemoteForkforServerlessComputing下6BringingMITOSIStoServerlessComputing

斜渡凛·2023-10-18 23:33

【论文笔记】--目标检测算法在交通场景中应用综述

目标检测算法在交通场景中应用综述摘要总结目标检测算法发展与研究现状，one-step与two-step优缺点对比，以车、人、非机动车为目标，从传统检测方法、目标检测算法、目标检测算法优化、三维目标检测、多模态目标检测、重识别六个方面分别论述和总结。交通场景是目标检测领域热点，传统方法复杂、精度低，深度学习方法发展。目标检测分为基于候选区域（two-step）和基于回归（one-step）两

~不二~·2023-10-18 21:12

GEE19：基于Landsat8的常见的植被指数逐年获取

NormalizedDifferenceVegetationIndex，NDVI）1.3增强植被指数（EnhancedVegetationIndex，EVI）1.4土壤调节植被指数（SoilAdjustedVegetationIndex，SAVI）1.5差值植被指数（Dif

Amyniez·2023-10-18 21:58

PHP数组函数解释,PHP数组函数总结

—创建一个数组，用一个数组的值作为其键名，另一个数组的值作为其值array_count_values—统计数组中所有的值出现的次数array_diff_assoc—带索引检查计算数组的差集array_dif

一个灵活的死胖子·2023-10-18 16:37

React中的diff算法的原理是什么？

二、原理一、diff算法是什么实际上，dif算法探讨的就是虚拟DOM树发生变化后，生成DOM树更新补丁的方式。

筱熙☆·2023-10-18 07:56

【论文阅读】 Cola-Dif； An explainable task-specific synthesis network

文章目录CoLa-Diff:ConditionalLatentDiffusionModelforMulti-modalMRISynthesisAnExplainableDeepFramework:TowardsTask-SpecificFusionforMulti-to-OneMRISynthesisCoLa-Diff:ConditionalLatentDiffusionModelforMulti

求求你来BUG行不行·2023-10-17 23:13

论文笔记[156]PARAFAC. tutorial and applications

原文下载：https://www.sciencedirect.com/science/article/abs/pii/S0169743997000324摘要本文介绍了PARAFAC的多维分解方法及其在化学计量学中的应用。PARAFAC是PCA向高阶数组的推广，但该方法的一些特性与普通的二维情况截然不同。例如，可以从多维光谱数据(multi-wayspectraldata)中恢复出纯光谱（pures

holeer·2023-10-17 06:26

Vue源码学习 - 虚拟Dom 和 diff算法

总结1.虚拟DOM的解析过程2.dif

铁锤妹妹@·2023-10-17 05:14

【论文笔记】A Survey of Hallucination in “Large” Foundation Models

总述基础模型（FoundationModels）指的是通过自监督学习在大量未标记数据上训练的大规模AI模型，能够在各种各样的任务中表现出色。在基础模型的背景下,幻觉（Hallucination）是指模型生成的内容不是基于事实或准确信息的情况。当模型生成的文本包括虚构的、误导性的、或完全捏造的细节、事实或主张,而不是提供可靠和真实的信息时,就会发生幻觉。之所以会出现这个问题,是因为模型能够根据它从训

夏离·2023-10-17 03:45

【论文笔记】LLM-Augmenter

github：https://github.com/pengbaolin/LLM-Augmenter（暂无处readme外其他文件）paper：https://arxiv.org/pdf/2302.12813.pdf![在这里插入图片描述](https://img-blog.csdnimg.cn/24cba6213c0f4c00a5646eb9007b3aa2.png#pic_center背景大语

夏离·2023-10-17 03:43

论文笔记 | RecSys2016 | Deep Neural Networks for YouTube Recommendations

youtube-dnn-title.png论文地址：https://research.google.com/pubs/archive/45530.pdf一为什么读这篇其实当年在微博做视频推荐时就这篇刚出来时就看过，只不过那时刚接触深度学习，有好多点也没get到，现在经过一些沉淀，知道dl是怎么玩的了，另外以现在这个时间点看，才知道这篇的工作是非常有影响力的，现在很多上了深度学习推荐系统的公司都参考

ktulu7·2023-10-17 00:39

[论文总结] 农业工程领域中App和Web相关应用论文笔记

文章目录1.Tomatoleafsegmentationalgorithmsformobilephoneapplicationsusingdeeplearning2.InternetofThings(IoT)andMachineLearningbasedLeachingRequirementsEstimationforSalineSoils（IF=9.968,2020）2.1提出的方案2.2材料与

落痕的寒假·2023-10-16 12:42

扩散模型+CV与NLP科研笔记专栏文章汇总：【Diffusion Models】

DenoisingDiffusionProbabilisticModels](https://blog.csdn.net/qq_45934285/article/details/129107994)2、[扩散模型DDPM开源代码的剖析【对应公式与作者给的开源项目，dif

旋转的油纸伞·2023-10-16 08:20

2022-11-26

收盘DIF也突破了D

吴地穹窿山草民·2023-10-16 02:55

论文笔记-A Survey on Vision Transformer

论文原文地址-ASurveyonVisionTransformer|IEEEJournals&Magazine|IEEEXploreTransformer介绍Transformer最早应用于自然语言处理领域，是一种主要基于自注意力机制的深度神经网络。在各种视觉基准测试中，基于Transformers的模型的性能类似于或优于其他类型的网络，例如卷积和循环网络。鉴于其高性能和对视觉特定感应偏置的需求较

荒诞主义·2023-10-15 11:36

【论文笔记】CVPR2022：Anomaly Detection via Reverse Distillation From One-Class Embedding

CVPR2022：AnomalyDetectionviaReverseDistillationFromOne-ClassEmbedding本文提出了一种由教师编码器和学生解码器组成的新颖T-S模型：“逆向蒸馏”（ReverseDistillation）。与之前的知识蒸馏模型不同，学生网络不是直接接收原始图像，而是将教师模型的单类嵌入（OneClassEmbedding）作为输入，并旨在恢复教师的多

yjttjyyy·2023-10-15 07:14

论文笔记：Revisiting Single Image Depth Estimation: Toward Higher Resolution Maps with ...(WACV2019)

以往方法往往深度预测损失了分辨率或者在边界存在扭曲和模糊问题。本文提出2个改进：1.不同尺度下提取特征的策略2.使用3个损失，分别是深度、梯度、法向量c：当前最好模型，存在物体形状扭曲、小物体缺失、马赛克Introduction早期：比如Eigen提出的，直接cnn预测，分辨率很低目前：上投影(up-projection)上采样方法CRF结合CNN，端到端学习联合多任务学习近期：扩张卷积(dila

snoopy_21·2023-10-15 07:41

PixMIM论文笔记

论文名称：PixMIM:RethinkingPixelReconstructioninMaskedImageModeling发表时间：2023年3月4日作者及组织：上海人工智能实验室、西蒙菲莎大学、香港中文大学GitHub：https://github.com/open-mmlab/mmselfsup/tree/dev-1.x/configs/selfsup/pixmim问题与贡献在MIM（Mak

hello_dear_you·2023-10-15 07:41

MFF论文笔记

论文名称：ImprovingPixel-basedMIMbyReducingWastedModelingCapability_发表时间：ICCV2023作者及组织：上海人工智能实验室，西门菲沙大学，香港中文大学问题与贡献MIM(ModelMaksedModel)方法可以分为两部分基于像素的图片掩码学习（pixel-based)和基于高位表征的图片掩码学习（tokenizer-based）。相对于后

hello_dear_you·2023-10-15 07:37

BERT系列经典文章阅读

BERT系列经典文章阅读[1]BERT原文：BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding笔记：论文笔记

Isawany·2023-10-15 06:52

ESimCSE 论文笔记

单位：中国科学院信息工程研究所，中国科学院大学，快手科技时间：2022.09发表：COLING论文链接：https://arxiv.org/abs/2109.04380一、前言1.ESimCSE想做些什么？SimCSE采用两次dropout作为一对正样本来当作数据增强的方法（详细内容可见我的上一篇笔记），但这样有一个不好的地方就是模型会偏向认为具有相同长度的句子彼此之间就更为相似。为了验证这一观点

shuaiZuJiaoFu·2023-10-15 06:21

[论文笔记]SimCSE

引言今天带来一篇当时引起轰动的论文SimCSE笔记，论文题目是语句嵌入的简单对比学习。SimCSE是一个简单的对比学习框架，它可以通过无监督和有监督的方式来训练。对于无监督方式，输入一个句子然后在一个对比目标中预测它自己，仅需要标准的Dropout作为噪声。这种简单的方式效果却惊人地好。将Dropout作为小型数据增强，移除Dropout会导致表示坍塌(representationcollapse

愤怒的可乐·2023-10-15 06:46

零样本图像识别 | Alleviating Feature Confusion for Generative Zero-shot Learning简单论文笔记

提出特征混淆问题，即在GZSL设置中零样本类别实例容易被划分为可见类（因为在训练生成器时使用的是可见类样本，这导致生成的未见类样本与可见类相似）创新点：提出了一种边界损失函数，该损失函数最大程度地减少了已见类别和未见类别的决策边界。此外，提出了一种名为featureconfusionscore（FCS）的新度量标准，以量化特征混淆。1）提出了一种新的生成方法，即通过利用生成对抗网络，对零镜头学习进

熊仔仔zz·2023-10-15 03:11

Learning-to-See-in-the-Dark跑通及实现方法（python3.8、及问题）

开源项目：GitHub-lavi135246/pytorch-Learning-to-See-in-the-Dark:LearningtoSeeintheDarkusingPyTorch>=1.0.0论文笔记

zenglongjian·2023-10-14 13:18

Learn to See in the Dark（论文阅读笔记）

LearntoSeeintheDark（论文阅读笔记）最近做项目看了一篇论文《LearntoSeeintheDark》下面是一些论文笔记概括：这篇论文主要介绍的是在低光照的环境下用两个标准的FCN网络，

qq_38277565·2023-10-14 13:13

Dataset Condensation with Distribution Matching论文笔记

摘要最近一个有前途的降低训练成本的方向是数据集浓缩，其目的是在保留原始信息的情况下，用一个小得多的学习合成集来代替原始的大型训练集。虽然在浓缩的小图像集上训练深度模型的速度非常快，但由于复杂的双级优化和二阶导数计算，它们的合成仍然计算昂贵。在这项工作中，我们提出了一种简单而有效的方法，通过匹配合成图像和原始训练图像在许多采样嵌入空间中的特征分布来合成浓缩图像。我们的方法大大降低了合成成本，同时实现

qq_51653288·2023-10-14 13:04

激光雷达与相机在线标定论文笔记1——livox_camera_calib

激光雷达与相机在线标定论文笔记1——livox_camera_calib简介：论文标题：Pixel-levelExtrinsicSelfCalibrationofHighResolutionLiDARandCamerainTargetlessEnvironments

。 7.·2023-10-14 07:30

Video Graph Transformer for Video Question Answering 论文笔记

论文地址：http://arxiv.org/pdf/2207.05342代码地址：https://github.com/sail-sg/VGT摘要本文提出了一种VideoGraphTransformer用于视频问答：1）设计了一个动态图转换器模块，该模块通过显式捕获视觉对象、它们的关系和动态来对视频进行编码，以进行复杂的时空推理；2）利用解耦的视频和文本Transformer进行视频和文本之间的相

魔法少女玛格姬·2023-10-14 07:52

推荐频道

DIF论文笔记