HIERARCHICAL 第9页

2017-06-03 Hierarchical Image Saliency Detection on Extended CSSD

LinYaoThelearningof"HierarchicalImageSaliencyDetectiononExtendedCSSD"(J.Shi,Q.Yan,LiXu,andJ.Jia,IEEETransactionsonPatternAnalysisandMachineIntelligence,Apr.2016,pp.717-729)BackgroundWhenobjectscontain

ylin01234·2020-07-06 11:14

【论文阅读笔记】PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space

PointNet++:DeepHierarchicalFeatureLearningonPointSetsinaMetricSpace（一）论文地址：（二）核心思想：（三）生成点集的重叠分区：（四）问题陈述：（五）回顾PointNet：（六）分层点集特征学习：6.1SamplingLayer：6.2GroupingLayer：6.3PointNetLayer：（七）DensityAdaptiveP

Memory逆光·2020-07-06 06:21

PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space（2017）

1Introduction点云的特点：①collectionsofpointsinaEuclideanspace②invarianttopermutationsofitsmembers③thedistancemetricdefifineslocalneighborhoodsthatmayexhibitdifferentproperties（距离度量定义不同属性邻域）thedensityandoth

じんじん·2020-07-06 04:55

Deep Stacked Hierarchical Multi-patch Network for Image Deblurring代码解读

论文代码：https://github.com/HongguangZhang/DMPHN-cvpr19-master论文地址：https://arxiv.org/pdf/1904.03468.pdf论文解读：https://blog.csdn.net/weixin_42784951/article/details/106108196文章使用1-2-4-8的结构模式。其中1-2-4-8代表由粗到细网

天天~·2020-07-06 04:04

Deep Stacked Hierarchical Multi-patch Network for Image Deblurring阅读笔记

摘要论文代码：https://github.com/HongguangZhang/DMPHN-cvpr19-master论文地址：https://arxiv.org/pdf/1904.03468.pdf代码解读：多尺度去模糊网络的缺点：由粗到细的网络机制中去卷积/上采样操作消耗运行时间。在更精细的尺度中简单的增加网络深度并不能提高去模糊的质量作者做出的改进为了解决上述问题，作者提出一个分层的mul

天天~·2020-07-06 04:04

NIPS2017_PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space

Author和PointNet是同一批作者，这是对PointNet的一个改进版本AbstractPointNet不能很好的捕捉由度量空间引入的局部结构，也就限制了它识别细粒度类别的能力以及对复杂场景的泛化能力本文提出一个层级的神经网络递归地应用在嵌套划分的输入点云集。通过探索度量空间的距离，本文设计的网络结构随着上下文尺度的增加可以学习到局部特征更深的观察发现，点云集的密度一般都是不均匀的，但Po

weixin_30662109·2020-07-05 21:40

(2016.4.17)文献总结Learning Hierarchical Features for Scene Labeling

LearningHierarchicalFeaturesforSceneLabelingIntroduction:Full-scenelabeling就是sceneparsing关键在于用ConNet提取特征向量！！！1.sceneparsing的困难之处在于一个过程里要结合detection,segmentation,multilabelrecognition.2.问题有两个：一是对视觉信息产生

Jimmy-Zou·2020-07-05 18:55

Hierarchical B-Frames or B-Pyramid 检测

http://www.ramugedia.com/hierarchical-b-frames-or-b-pyramidHierarchicalB-FramesorB-PyramidWhat’sHierarchicalB-FrameModeorB-pyramid

strikedragon·2020-07-05 13:40

图像分割OWT-UCM Hierarchical Segmentation 算法代码应用并提取分层分割结果

伯克利的一篇ContourDetectionandHierarchicalImageSegmentation论文提出来一个新的图像分割算法，本文将简单介绍该算法对应代码的应用。这篇博客中对该paper有介绍。伯克利资源，该网页包括数据库和代码下载链接。下载源代码，此代码需要在Linux或Mac中的MATLAB下运行。最重要的是该代码运行时要求5G的内存，所以当系统不足5G时有很大概率会不能正常运行

skye1221·2020-07-05 12:16

Word2Vec 与《Distributed Representations of Words and Phrases and their Compositionality》学习笔记

word(wordembedding)embedding)embedding)词嵌入的特点嵌入矩阵Skip−gramSkip-gramSkip−gram模型分层SoftmaxSoftmaxSoftmax(Hierarchical

scanf_yourname·2020-07-05 11:45

PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space（17）论文综述

为什么要做这个研究（理论走向和目前缺陷）?pointnet没有考虑提取数据的局部信息。对于比较精细的结构效果就比较差。他们怎么做这个研究（方法，尤其是与之前不同之处）?为考虑局部结构的提取，用球查询方法进行点集分区[找质心点->找邻域->pointnet处理邻域]；为了提高模型对点集不同密度的泛化能力，用了同一质心取不同大小的球邻域（multi-scale，计算量大）->连接特征和同一大小邻域内取

蓝田生玉123·2020-07-05 09:54

论文笔记——Task Level Hierarchical System for BCI-enabled Shared Autonomy

原文链接：http://www.cs.columbia.edu/~allen/PAPERS/Humanoids_2017.pdfAbstract—Thispaperdescribesanovelhierarchicalsystemforsharedcontrolofahumanoidrobot.Ourframeworkusesalow-bandwidthBrainComputerInterface

A哆啦A梦·2020-07-05 07:01

论文阅读之: Hierarchical Object Detection with Deep Reinforcement Learning

HierarchicalObjectDetectionwithDeepReinforcementLearningNIPS2016WorkShopPaper:https://arxiv.org/pdf/1611.03718v1.pdfProjectPage:https://github.com/imatge-upc/detection-2016-nipsws摘要:我们提出一种基于深度强化学习的等级物

a1424262219·2020-07-04 10:23

层次聚类（hierarchical clustering）和聚类模型评估（calinski-harabaz index）

层次聚类（HierarcicalClustering）层次聚类是聚类算法中的一种，它通过计算不同类别数据点之间的相似度，来创建一颗有层次的嵌套聚类树，层次聚类的策略有两种：1.Agglomerative：把每个点看成一个簇，合并这些相似的簇形成聚类；2.Divisive：把所有的点看成一个簇，分解这些点到各自簇内形成聚类；Merge和Split使用的是贪婪的方式来进行计算的，所以非常耗时（O(n3

Jerry_Chang31·2020-07-04 06:58

Paper reading :Hierarchical Saliency Detection

Overviewofhierachicalframework-2013ImageLayerExtraction—————coarserepresentationoftheinputwithdifferentdegreesofdetails1.definescaleofregionR2.EfficientAlgorithmtoComputeRegionScale避免穷举法计算带来的时间代价，采用bo

wae42675·2020-07-04 02:24

PointNet++：Deep Hierarchical Feature Learning on Point Sets in a Metric Space 论文解析

一.Abstrcat二.Intorduction三.Method四.Experiments一.Abstract1.pointNet是在该领域先驱者但是它不能在多尺度下捕获局部结构信息，对于细粒度的识别任务以及复杂场景的泛化能力都有限制2.PointNet++提出了分层神经网络，一个递归地将PointNet应用于输入点集的嵌套分区的层次神经网络3.PointNet++利用度量空间距离，网络能够随着上

761527200·2020-07-04 01:59

《PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space》剖析笔记

PointNet++:DeepHierarchicalFeatureLearningonPointSetsinaMetricSpace以前很少有人研究深度学习在点集中的应用。PointNet是这方面的先驱。然而，PointNet并不能捕捉到由度量（metric）空间点所产生的局部结构，从而限制了它识别分类精密模型（ﬁne-grainedpatterns）和对复杂场景的通用性。在PointNet++

小刀丶·2020-07-04 01:01

论文阅读笔记之——《Deep Stacked Hierarchical Multi-patch Network for Image Deblurring》

论文：https://arxiv.org/pdf/1904.03468v1.pdf本文是做非均匀deblur的。Thegoalofnon-uniformblindimagedeblurringistoremovetheundesiredblurcausedbythecameramotionandthescenedynamics开篇作者抛出来两个问题：1)Deconvolution/upsampli

gwpscut·2020-07-04 00:05

论文笔记001-Stacked Convolutional Auto-Encoders for Hierarchical Feature Extraction

论文笔记之卷积自编码网络突然发现好记性不如烂笔头真的很有道理，到了写毕业论文的时候，发现之前看过的论文都貌似没看过。今天写一下关于《StackedConvolutionalAuto-EncodersforHierarchicalFeatureExtraction》的笔记，后期慢慢将以前比较好的论文补上来，希望对我对大家都有收获。论文可以自己搜，懒得搜的可以去CSDN免费下载。网络结构进入正题，这篇

Tig_Free·2020-07-02 13:35

注意力机制---Attention、local Attention、self Attention、Hierarchical attention

一、编码-解码架构目的：解决语音识别、机器翻译、知识问答等输出输入序列长度不相等的任务。C是输入的一个表达（representation），包含了输入序列的有效信息。它可能是一个向量，也可能是一个固定长度的向量序列；如果C是一个向量序列，则它和输入序列的区别在于：序列C是定长的、较短的；而输入序列是不定长的、较长的。二、注意力机制1.attention2.localattention3.selfa

dili8870·2020-07-01 22:24

【论文解读 ArXiv 2019 | HAHE】Hierarchical Attentive Heterogeneous Information Network Embedding

论文链接：https://arxiv.org/abs/1902.01475代码链接：https://github.com/zhoushengisnoob/HAHE来源：ArXiv2019文章目录1摘要2介绍2.1现有方法的不足2.2作者提出2.3贡献3HAHE模型3.1Pathinstanceattentionlayer3.2Metapathattentionlayer3.3损失函数4实验5总结1

byn12345·2020-07-01 19:27

[深度学习论文笔记][Semantic Segmentation] Learning Hierarchical Features for Scene Labeling

Farabet,Clement,etal.“Learninghierarchicalfeaturesforscenelabeling.”IEEEtransactionsonpatternanalysisandmachineintelligence35.8(2013):1915-1929.(Citations:703).1PipelineSeeFig.Weusemultiplescalesofthe

Hao_Zhang_Vision·2020-07-01 09:06

review for Sequential Recommender System based on Hierarchical Attention Network

reviewforSequentialRecommenderSystembasedonHierarchicalAttentionNetwork基本介绍主要贡献/创新点背景相关工作ModelFormulationTheNetworkArchitecture实验总结基本介绍本文作者是HaochaoYing等人，发表于IJCAI2018。代码地址主要贡献/创新点引入注意力机制来对用户动态和个性化的兴趣建

DebonairLi·2020-07-01 08:38

Sequential Recommender System based on Hierarchical Attention Network论文笔记

QMay·2020-07-01 06:04

[论文笔记] [2005] Hierarchical Probabilistic Neural Network Language Model

这篇论文中提到的HierarchicalDecomposition就是后来在训练word2vec模型时一个常见的技巧HierarchicalSoftmax[1]。所谓的HierarchicalDecomposition，就是将原先用softmax做多分类分解成多个sigmoid，使得模型在输出层的计算从O(∣V∣)O(|V|)O(∣V∣)降低到了O(log⁡∣V∣)O(\log{|V|})O(lo

Alexzhuan·2020-07-01 04:40

NLP基础之——Word Vectors and Word Senses

在训练技巧上使用了负采样（negativesampling）和分层（Hierarchical）softmax的技巧。2

zhangxiaolinxin·2020-07-01 00:53

简易Hierarchical Clustering(Python)

周志华《机器学习》中的层次聚类算法太简单了，这个算法里考虑到了多个子类聚成同一个父类的情况。但是时间精力有限，没有办法实现完美的树状输出，Bonus中我会改进。#-*-coding:utf-8-*-__author__='Zhao'importmathimportnumpyasnpdefjudge_element_append(list_input):ifisinstance(list_input

zjugeek·2020-06-30 18:25

word2vec 学习笔记

3、优化方式HierarchicalSoftmax(赫夫曼树+逻辑回归)NegativeSampling（负采样）3.1Hierarchical

ziyue246·2020-06-30 18:45

[DIFFPOOL] - Hierarchical Graph Representation Learning with Differentiable Pooling 图分类 NeurIPS 2018

yyl424525·2020-06-30 11:46

个人总结：自然语言处理 word2vec(skip-gram/CBOW以及优化算法Hierarchical Softmax和Negative Sampling)

前言word2vec，顾名思义，将一个词转化为向量，也经常会看到一个非常相关的词“词嵌入”，也就是wordembedding。词嵌入是一类将词从高维空间映射到低维空间的过程的统称，核心思想是将每个词都映射为低维空间(通常K=50-300维)上的一个稠密向量。K维空间的每一维可以看做一个隐含的主题，只不过不像主题模型中的主题那么直观。假设每篇文章有N个词，每个词映射为K维的向量，那就可以用一个NxK

yyhhlancelot·2020-06-30 11:10

Hierarchical Z-Buffer Visibility (Hi-Z)

可见性算法的目的是丢弃隐藏面，对于GPU可以节省CPU传入顶点信息的带宽&顶点ALU&FragmentALU的消耗，对于CPU可以减少DC（物件被剔除了）有三种方式可以实现可见性算法1.object-spacecoherence:物件级别的剔除，粒度最大传统Raycasting剔除就是这种方法2.image-spacecoherence屏幕空间像素级别剔除，粒度最小传统ZBuffer剔除就是这种方

wolf96·2020-06-29 20:35

13.Hierarchical Graph Representation Learning with Differentiable Pooling

可微分池化的层级图形表征学习摘要最近，图神经网络（GNNs）通过有效学习的节点嵌入，改变了图形表征学习的领域，在节点分类和连接预测等任务中表现了不错的效果。然而，现有的GNN方法本质上是平面化的，因此无法学习图形的层级表征——这对于图形分类任务而言尤其成问题，因为图形分类任务的目的是预测与整个图像相关的标签。在这里，我们提出了DIFFPOOL，一个可微分的图形池化模块，可以生成图形的层级表征，并可

刺猬爱吃仙人掌·2020-06-29 00:32

DIFFPOOL（Hierarchical Graph Representation）

HierarchicalGraphRepresentationLearningwithDifferentiablePooling动机核心思想图神经网络可微分池化层分配矩阵的学习池化分配矩阵优化onehot矩阵优化实验数据集实验设置Baseline实验结果不足点DifferentiablePooling)论文链接：https://arxiv.org/pdf/1806.08804.pdfhttps:/

weixin_40248634·2020-06-28 23:04

资深大佬：基于深度学习的图像边缘和轮廓提取方法介绍

zhuanlan.zhihu.com/p/78051407已授权转载，仅供学习分享，禁止二次转载导读边缘和轮廓的提取是一个非常棘手的工作，细节也许就会被过强的图像线条掩盖，纹理（texture）本身就是一种很弱的边缘分布模式，分级（hierarchical

weixin_38754361·2020-06-28 21:44

Hierarchical Graph Representation Learning with Differentiable Pooling

图神经网络(GNN)在图表示学习领域拥有巨大潜力，可以有效的学习到节点的嵌入表示。然而，现有的GNN方法太过于平坦，无法捕获图的层级表示，这对图分类任务是有问题的，因为很多图信息都是具有层级表征的，比如地图、概念图、流程图等等。这篇论文，提出了一个可微图池化模块来产生图的层级表示。DIFFPOOL在深度GNN的每一层针对图节点学习到一个可微的软簇分配矩阵，利用这个分配矩阵将图中所有节点映射到一组簇

哈哈哈哈_hhhhh·2020-06-28 20:06

jqGrid treegrid配置

oldbalck·2020-06-28 17:52

MySQL: Tree-Hierarchical query

http://dba.stackexchange.com/questions/30021/mysql-tree-hierarchical-queryNoproblem.Wewon'tshowyouthatadagain.Whydidn'tyoulikeit

weixin_33726318·2020-06-28 04:41

Hierarchical Graph Representation Learning with Differentiable Pooling摘要

图网络（GN）在深度学习短板即因果推理上拥有巨大潜力，很有可能成为机器学习领域的下一个增长点，而图神经网络（GNN）正属于图网络的子集。GNN近期在图分类任务上得到了当前最佳的结果，但其存在平面化的局限，因而不能将图分层表征。现实应用中，很多图信息都是层级表征的，例如地图、概念图、流程图等，捕获层级信息将能更加完整高效地表征图，应用价值很高。在本文中，来自斯坦福等大学的研究者通过在GNN中结合

遂古之初·2020-06-27 12:00

聚类k-means/k-means++/fcm学习笔记

聚类一般有如下分类，基于层级（hierarchical）的聚类，基于密度（density-based）的聚类还有基于原型（prototype-ba

vs412237401·2020-06-27 11:26

word2vec进阶之skim-gram和CBOW模型（Hierarchical Softmax、Negative Sampling）

文章目录系列目录（系列更新中）语言模型word2vec综述HierarchicalSoftmax基于HierarchicalSoftmax的CBOW模型基于HierarchicalSoftmax的skip-gram模型基于HierarchicalSoftmax的CBOW与skip-gram的异同NegativeSampling系列目录（系列更新中）第二讲cs224n系列之word2vec&词向量w

蜗牛蜗牛慢慢爬·2020-06-27 09:25

干货：在关系型数据库中优雅地存储树形结构

到目前为止我在实战中曾使用过三种方式来实现这种hierarchical-data:Adjacencylist(邻接表)Closu

点融黑帮·2020-06-27 08:02

聚类系列-层次聚类（Hierarchical Clustering）

上篇k-means算法却是一种方便好用的聚类算法，但是始终有K值选择和初始聚类中心点选择的问题，而这些问题也会影响聚类的效果。为了避免这些问题，我们可以选择另外一种比较实用的聚类算法-层次聚类算法。顾名思义，层次聚类就是一层一层的进行聚类，可以由上向下把大的类别（cluster）分割，叫作分裂法；也可以由下向上对小的类别进行聚合，叫作凝聚法；但是一般用的比较多的是由下向上的凝聚方法。本文会对分裂法

周小藕·2020-06-27 04:06

大数据集Hierarchical Indexing优化方案

1.对比数据量：(33694369,3)Thebadway优化之前：30min跑不出来。prices=prices.set_index(["id","date"])[["sell_price"]].unstack(level=-1).fillna(False)TheBetterWay:PandasMultiIndex优化之后：MultiIndex方案两分钟不到。index=[list(prices

Watch_dou·2020-06-27 02:07

word2vec基于Hierarchical softmax的模型细节

参考地址:http://www.cnblogs.com/pinard/p/7243513.html1,基于Hierarchicalsoftmax的模型的改进点首选回顾传统的神经网络词向量语言模型,里面一般有三层:输入层(词向量)，隐藏层，输出层(softmax层)。里面最大的问题就是在于从隐藏层到输出层的softmax层的计算量太大，因为他是要计算所有词的softmax概率，然后再找到概率最大的值

苏何月下追韩信丶·2020-06-26 23:04

机器学习聚类(Clustering)____K-均值聚类算法(K-means Clustering) 层次聚类(Hierarchical Clustering)

____tz_zs学习笔记聚类(Clustering)顾名思义，就是将相似样本聚合在一起，属于机器学习中的非监督学习(unsupervisedlearning)问题。聚类的目标是找到相近的数据点，并将相近的数据点聚合在一起。实现聚类的算法主要有：1.K-均值聚类算法2.层次聚类K-均值聚类算法(K-meansClustering)K-means是机器学习中一个比较常用的算法，属于无监督学习算法，其

tz_zs·2020-06-26 21:54

《Hierarchical Graph Representation Learning with Differentiable Pooling》论文解析

最近阅读了由斯坦福大学研究团队发表的这篇名为“Hierarchicalgraphrepresentationlearningwithdifferentiablepooling”论文，对于论文中提出的问题觉得十分新颖，同时论文的写作也很流畅，因此将个人对该论文的理解进行整理，如有不当之处还请指教。算法框架GNN的相关研究被广泛的应用于图表示学习中，并且在节点分类和链路预测等任务中取得了SOTA的结果

angel_峰起云涌·2020-06-26 11:43

Hierarchical Clustering（层次聚类）

层次聚类原理：唔？排序的图？分治？没错，与原型聚类和密度聚类不同，层次聚类试图在不同的“层次”上对样本数据集进行划分，一层一层地进行聚类。就划分策略可分为自底向上的凝聚方法（agglomerativehierarchicalclustering），比如AGNES。自上向下的分裂方法（divisivehierarchicalclustering），比如DIANA。AGNES先将所有样本的每个点都看成

上杉翔二·2020-06-25 16:38

「论文阅读笔记」Deep Hierarchical Saliency Network for Salient Object Detection

纪念第一次写博客的我想法很简单，记录看过的论文总结出优劣以供自己以后有想法的时候随时查阅也算是不错的研究生生活的开端花了一星期看了比较经典，而且是一个显著性检测的2D算法——DHSnet（DeepHierarchicalSaliencyNetworkforSalientObjectDetection）整体结构如下图所示整个DHSnet分为GV-CNN和HRCNN。图片先由一个简单的VGG-16处理

清新大叔丶·2020-06-25 14:36

阅读Hierarchical Graph Representation Learning with Differentiable Pooling(NeurIPS 2018)

最近关注graphpooling，HierarchicalGraphRepresentationLearningwithDifferentiablePooling(NeurIPS2018)，分层可微pooling图表示学习方法。文章目录Abstract1Introduction2RelatedWork3ProposedMethod3.1Preliminaries3.2Differentiabl

我是chios·2020-06-25 06:34

计算机图形学读书笔记（八）光线跟踪加速Ray Tracing Acceleration

所以为了加速光线跟踪，对空间的结构有了如下一些优化：•Hierarchical(层次性)BoundingVolumes(包围盒)•UniformGrids(均匀格点)•Quadtree/Oc

风日好·2020-06-25 05:17

推荐频道

HIERARCHICAL