NIPS2018

NIPS2018深度学习(23)|亮点: RenderNet卷积网络;哈密顿变分自编码;co-teaching(论文及代码)...

[1]RenderNet:Adeepconvolutionalnetworkfordifferentiablerenderingfrom3DshapesThuNguyen-Phuoc,ChuanLi,StephenBalaban,Yong-LiangYanghttps://papers.nips.cc/paper/8014-rendernet-a-deep-convolutional-networ
frank_hetest·2019-05-20 07:00

关于小样本生成

paper2:DATAAUGMENTATIONGENERATIVEADVERSARIALNET-paper3:MetaGAN:AnAdversarialApproachtoFew-ShotLearning（NIPS2018
雪俏·2019-05-16 10:18

神经常微分方程（Chen et al., 1806.07366）

论文链接本文是NIPS2018最佳论文。传统的神经网络会使用一系列的离散隐藏层，而这篇文章利用一个神经网络将隐藏状态的微分进行了参数化。这一神经网络的输出由一个黑箱的微分方程求解器进行计算求解。
Kernholz·2019-05-08 19:18

DAT（NIPS 2018）视频目标跟踪论文笔记

DeepAttentiveTrackingviaReciprocativeLearning论文作者：ShiPu（BeijingUniversityofPostsandTelecommunications）等人论文出处：NIPS2018
越野者·2019-03-02 03:13

DAT（NIPS 2018）视频目标跟踪源码运行笔记

DeepAttentiveTrackingviaReciprocativeLearning论文作者：ShiPu（BeijingUniversityofPostsandTelecommunications）等人论文出处：NIPS2018
越野者·2019-02-20 03:18

NIPS2018最佳论文解读：Neural Ordinary Differential Equations ...

原文链接：https://yq.aliyun.com/articles/684757雷锋网AI科技评论按，不久前，NeurIPS2018在加拿大蒙特利尔召开，在这次著名会议上获得最佳论文奖之一的论文是《NeuralOrdinaryDifferentialEquations》，论文地址：https://arxiv.org/abs/1806.07366。BranislavHolländer在towar
串行并行nick1·2019-01-06 10:29

增量学习——文章汇总

Papers2018ContinualLearningforanEncoder-DecoderCNNUsing“Piggyback”(NIPS2018)[paper]FreezingNetworks:WeightPreservationProcedureforContinualLearning
Chris_zhangrx·2018-12-27 14:01

增量学习——文章汇总

Papers2018ContinualLearningforanEncoder-DecoderCNNUsing“Piggyback”(NIPS2018)[paper]FreezingNetworks:WeightPreservationProcedureforContinualLearning
Chris_zhangrx·2018-12-27 14:01

2019年AI顶级会议时间表

IEEEConferenceonComputerVisionandPatternRecognition）美国洛杉矶2019.06.15-21http://cvpr2019.thecvf.com计算机视觉及模式识别领域国际三大顶级会议之一NIPS2018
一亩高粱·2018-12-08 15:53

NIPS2018四篇最佳论文出炉，陈天琦、华为公司等获奖

源/专知人工智能领域顶会NeurIPS2018于当地时间12月2日-8日在加拿大蒙特利尔举行，2016年有5000人注册参加该会议，2017年参会人数飙升至8000，今天参会人数再创新高达到了8400人。大会总共有4800篇论文提交，录用率21%。先感受下会场规模参会人数投稿人数录用率下图是不同领域的投稿录用情况，可见算法关注度超越深度学习,之后依次是：应用，强化学习，概率方法，理论，优化方法，神
机器学习算法与Python学习-公众号·2018-12-05 00:00

DropBlock：谷歌提出卷积正则化方法，CNN中的正则化

arXiv新上一篇被NIPS2018会议接收的论文《DropBlock:Aregularizationmethodforconvolutionalnetworks》，作者为来自谷歌大脑的研究人员，提出了一种专门针对卷积层正则化的方法
Hym_eric·2018-11-13 18:01

2019年计算机会议

IEEEConferenceonComputerVisionandPatternRecognitionDeadline：Nov16,2018(6)ConferenceDate：Jun15-Jun21,2019http://cvpr2019.thecvf.com2、NIPS2018
为援不可图·2018-11-09 17:24

NIPS 2018 论文解读集锦（11月28日更新）

今年我们整理过视觉顶级会议CVPR2018论文解读集锦和ECCV2018论文解读集锦，并持续更新中，如今备受瞩目的NIPS2018也将于12月举行，目前已经公布了所有收录论文名单，为了能够让大家更深刻了解前沿技术及论文资讯
extremevision·2018-10-30 11:49

告别调参，AutoML新书发布

《AUTOML》作者当前正在完成这本新书的编辑工作，它将由NIPS2018出版发行。
enohtzvqijxo00atz3y8·2018-10-21 07:00

[NIPS2018 笔记] GLoMo Unsupervisedly Learned Relational Graphs as Transferable Representations

迁移学习表示之关系图的无监督学习GLoMoUnsupervisedlyLearnedRelationalGraphsasTransferableRepresentations本文亮点：学习特征之间的关系图作为迁移学习表示。Abstract:Moderndeeptransferlearningapproacheshavemainlyfocusedonlearninggenericfeaturevec
一亩高粱·2018-10-17 19:35

[NIPS2018 笔记] delta encoder an effective sample synthesis method for few shot object recognition

Δ\DeltaΔ-ENCODER：一种有效的样本合成方法，用于小样本识别DeltaEncoder:AnEffectiveSampleSynthesisMethodforFewShotObjectRecognition本文亮点：少数样本，能生成1024个目标类样本。AbstractΔ\DeltaΔ-ENCODER：学习仅基于一个或几个示例对新类别进行分类是现代计算机视觉中的一个长期挑战。在这项工作中
一亩高粱·2018-10-16 07:19

论文阅读：Mapping Images to Scene Graphs with Permutation-Invariant Structured Prediction

写在前面：  最近做scenegraph方面的工作，不停地搜索论文看，看到这是NIPS2018的本来还眼前一亮，抱着敬畏的心态仔仔细细地去看，但是看了一遍又一遍，感觉只有一个，文章写得又臭又长、不知所云
Kivee123·2018-10-03 16:31

UC伯克利 NIPS2018 Spotlight论文：依靠视觉想象力的多任务强化学习

来源|AI科技评论编译|高云河AI科技评论按：NIPS2018的录用论文近期已经陆续揭开面纱，强化学习毫不意外地仍然是其中一大热门的研究领域。
小高robot·2018-09-25 09:32

NIPS 2018 迁移学习相关论文

文章目录[NIPS2018](https://nips.cc/Conferences/2018/Schedule)UnsupervisedlyLearnedLatentGrapsasTransferableRepresentationsLife-LongDisentangledRepresentationLearningwithCross-DomainLatentHomologiesLearnin
一亩高粱·2018-09-11 18:28

NIPS 2018丨解读微软亚洲研究院10篇入选论文

这几天，比国庆火车票还一票难求的NIPS2018出最终结果了！
微软研究院AI头条·2018-09-07 21:00

深度剖析 | SN 可微分学习的自适配归一化 (Switchable Normalization)

补充：NIPS2018|MIT新研究参透批归一化原理根据最新的研究，BN层的成功和协方差什么的没有关联！证明这种层输入分布稳定性与BatchNorm的成功几乎没有关系。
Snoopy_Dream·2018-07-12 10:08
上一页 1 2 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他