PREDICTION 第8页

【多目标轨迹预测】DESIRE: Distant Future Prediction in Dynamic Scenes with Interacting Agents（2017 翻译+笔记）

目录阅读总结：关键词内容评价摘要1简介方法提出的新机制多样化的样本生成基于IOC的排名与细化场景上下文的融合特性2相关工作经典方法经典方法的限制用于路径预测的IOC路径预测IOC的限制未来预测交互用于序列预测的RNN深度生成模型3方法公式3.1使用CVAE生成不同的样本训练阶段测试阶段更多细节3.2.基于IOC的排名和细化3.3.场景上下文融合3.4DESIRE的特性阅读总结：关键词多目标轨迹预测

光光同学·2022-12-15 01:46

【多V目标轨迹预测】mmTransformer:Multimodal Motion Prediction with Stacked Transformers (CVPR2021)

摘要最近的运动预测方法试图通过隐式地规范化特征或明确地生成多个候选目标，来实现这种多模态运动预测。然而，这仍然具有挑战性，因为潜在特征可能集中在数据的最频繁模式上，而基于目标的方法主要依赖先验知识来生成和选择目标。mmTransformer设计了一种基于堆叠transformers的新型网络体系结构，利用一组固定的独立方案在特征水平上进行多模态建模。然后开发了一种基于区域的训练策略，以诱导生成的建

光光同学·2022-12-15 01:16

【多目标轨迹预测】M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction（翻译+笔记）

光光同学·2022-12-15 01:15

【多目标轨迹预测】HiVT: Hierarchical Vector Transformer for Multi-Agent Motion Prediction（CVPR2022,翻译+笔记）

论文：论文链接代码：代码链接9月初下载的代码需要将utils.py文件第54行代码修改为def__inc__(self,key,value,store)：关键字：transformer,vector,multi-agentprediction，实时预测，分层预测，拉普拉斯分布阅读总结：摘要HiVT将预测问题分为局部上下文提取以及全局交互建模，实现多智能体轨迹的预测。方法中还提出一种平移不变的场景表

光光同学·2022-12-15 01:11

【论文分享】Highly accurate protein structure prediction with AlphaFold

前言：本文是PPT分享的文字稿，偏口语化，仅供参考。Outline论文正文内容梳理团队介绍背景介绍预测方法分类预测效果算法框架1.模型输入2.Evoformer3.StructureModuleLossFunctionAF2推理生成结果训练过程Openfold(AF2复现)训练集训练步骤训练命令AF2潜在问题其他类似算法-EsmFold预测效果结构简要说明

zoetu·2022-12-14 19:33

论文阅读 | Optimizing Video Prediction via Video Frame Interpolation

前言：CVPR2022利用视频插帧做视频预测的文章，用到的是优化的思想，不用训练网络论文地址：【here】OptimizingVideoPredictionviaVideoFrameInterpolation引言介绍了什么是视频预测，即给连续两张图片预测接下来一张图片或几张图片目前视频预测存在的问题：需要对场景设置限制，泛化性不好文章思想：利用已经成熟领域的视频插帧的网络进行视频预测网络架构优化流

btee·2022-12-14 16:05

SUBGRAPH REPRESENTATION LEARNING WITH HARD NEGATIVE SAMPLES FORINDUCTIVE LINK PREDICTION

摘要知识图(KGs)中的归纳链接预测通常用于诱导捕获实体无关的关系语义的逻辑规则。最近的研究表明，图表示学习可以在局部子图结构中编码这些逻辑规则。通过这种方法，该模型具有处理不可见实体的归纳能力，这对于真实世界kg的演化性质是实用的。然而，尽管高质量的负样本在链路预测中很重要，但目前还没有方法选择硬负来进行链路归纳预测。为了克服这一限制，我们提出了一种新的抽样方法，在给定一个正三元组的情况下选择硬

小蜗子·2022-12-14 07:07

SNRI Subgraph Neighboring Relations Infomax for Inductive Link Prediction on Knowledge Graphs

摘要知识图的归纳链接预测旨在预测不可见实体之间的缺失链接，即训练阶段未显示的实体。以前的大多数工作都学习实体特定于实体的嵌入，这不能处理看不见的实体。最近的几种方法利用封闭子图来获得归纳能力。然而，这些工作都只考虑了子图的封闭部分，没有考虑子图的完全邻近关系，导致部分邻近关系被忽略，稀疏子图难以处理。为了解决这个问题，我们提出了子图相邻关系Infomax(SNRI)，它从节点特征的相邻关系特征和稀

小蜗子·2022-12-14 07:58

基于信息增强传输的时空图神经网络交通流预测 Spatial-Temporal Graph Neural Network for Traffic Flow Prediction Based on Inf

7.基于信息增强传输的时空图神经网络交通流预测Spatial-TemporalGraphNeuralNetworkforTrafficFlowPredictionBasedonInformationEnhancedTransmission摘要：交通问题不仅影响人们的出行，同时也会带来环境污染以及安全等问题，准确的交通流预测是构建智能交通系统、预防和缓解交通问题的关键.目前的预测方法大多没有考虑到交

daisyxyr·2022-12-13 16:07

Suspected Object Matters: Rethinking Model’s Prediction for One-stage Visual Grounding 2022

图一**本文内容仅代表个人理解，如有错误，欢迎指正**1.Problem本文提出的立足点：主要物体间的相关关系对于框选目标物体而言是十分重要的，而当前一阶段的视觉定位方法对于物体之间的关系模拟比较薄弱，使得模型不能够较好地学到物体之间的相关关系，从而导致模型表现的差强人意。Q:那为什么说一阶段的视觉定位方法对于物体之间的关系模拟比较薄弱呢？A:如果要对物体之间的关系进行模拟、学习，首先需要有物体。

BachelorSC·2022-12-12 19:28

百度apollo自动驾驶planning代码学习-Apollo\modules\planning\lattice\behavior\PredictionQuerier类代码详解

概述PredictionQuerier类是apolloplanning模块下modules\planning\lattice\behavior\prediction_querier.cc/.h实现从类名来看

wujiangzhu_xjtu·2022-12-12 19:24

论文笔记（二）Depth Map Prediction from a Single Image using a Multi-Scale Deep Network

发表期刊：NeurIPS发表时间：2014摘要预测深度是理解场景的3D几何图形的一个重要组成部分。虽然对于立体图像，局部对应足以进行估计，但从单个图像中寻找深度关系就不那么直接了，需要集成来自各种线索的全局和局部信息。此外，这项任务本身是含糊不清的，因为总体规模有很大的不确定性。在这篇论文中，我们提出了一种新的方法，通过使用两个深度网络堆栈来解决这个问题:一个是基于整个图像进行粗略的全局预测，

码界战士嘎嘎嘎·2022-12-12 17:22

apollo自动驾驶进阶学习之：Planning模块全场景约束参数解析及调试思路

总结：Planning模块根据routing（导航模块），prediction（感知模块）感知的周围环境信息，以及地图定位导航信息为自动驾驶车辆规划出一条运动轨迹（包含坐标，速度，加速度，jerk加加速度

ss_helloworld·2022-12-12 15:01

【论文+推导】Predictability and Prediction of Human Mobility Based on Application-Collected Location Data

阿尔法狗Zero·2022-12-11 04:01

Survey on Research of RNN-Based Spatio-Temporal Sequence Prediction Algorithms 时空序列数据预测综述笔记

当前时序模型存在问题基于RNN的时空序列预测方法虽然取得了很大的进展，但仍存在许多问题。在传统的时空序列预测方法中，对其进行了选择模型仍然依赖于特定的数据集和个人经验，没有指导思想，这些传统的方法很难捕获动态时空关系数据。在数据驱动的模型中，如时空支持向量回归和深度学习，模型的泛化能力是从历史样本中学习出来的，因此它在很大程度上依赖于历史的数据。时空序列数据往往是复杂的，并经常受到各种因素的影响。

A half moon·2022-12-10 11:39

论文笔记【DeepFM: A Factorization-Machine based Neural Network for CTR Prediction】

标题*表示未完成论文原文传送门！本文章由HuifengGuo等中国国内学者在IJCAI2017发表由于之前阅读的【Wide&DeepLearningforRecommenderSystems】一文为本文章的模型基础，二者又同时属于推荐系统领域中至关重要的论文所以选择阅读此论文。文章将Wide&Deep模型的Wide部分替换为FM模型（DeepFM=DNN+FM）并做出了改进。使之可以同时捕获高阶与

salmon1802·2022-12-10 11:50

CVPR2021论文速览--LaPred: Lane-Aware Prediction of Multi-Modal Future Trajectories of Dynamic Agents

LaPred：动态代理多模态未来轨迹的车道感知预测原文链接：LaPred:Lane-AwarePredictionofMulti-ModalFutureTrajectoriesofDynamicAgents(thecvf.com)研究背景DNN模型中间逻辑可解释性差；交互感知预测：需要人为设计坐标系统和张量分辨率；场景上下文感知预测：通过轨迹数据推断二维图像上绘制的车道关系难度高；研究问题预测问题

UnicornH!XD·2022-12-10 07:19

yolo 系列

和yolov4前言一、yolov31.1.yolov3框架1.2FPN（FeaturePyramidNetworks）1.2上采样upsample二.yolov42.1yolov4框架2.2PAN三、Prediction

yayalejianyue·2022-12-09 15:11

《End-to-end Lane Shape Prediction with Transformers》论文笔记

这是个人的学习笔记，如有侵权，请联系本人。还在更新代码摘要车道线检测的过程可以视为近似曲线，如今Thepopularpipeline分两步解决-特征提取加上后处理这种方法虽然很有用，但是效率不高，并且在处理图片上下文信息和车道的细长结构存在缺陷。为了解决这些问题，本文提出了一种端到端的直接输出车道形状模型参数的方法，能学习更丰富的结构和上下文信息。该模型基于车道线结构和摄像机姿态建立，为网络输出参

Good@dz·2022-12-09 02:17

强化学习拾遗 —— 强化学习的样本效率

方法，不定期更新因为想申请CSDN博客认证需要一定的粉丝量，而我写了五年博客才700多粉丝，本文开启关注才可阅读全文，很抱歉影响您的阅读体验文章目录1.强化学习的一般范式2.RewardtoValue（prediction

云端FFF·2022-12-08 02:36

【论文翻译】Meta Relational Learning for Few-Shot Link Prediction in Knowledge Graphs

【论文翻译】MetaRelationalLearningforFew-ShotLinkPredictioninKnowledgeGraphs（基于元关系学习的小样本知识图谱链接预测）2019年EMNLP摘要关系预测是一种重要的知识图谱补全，基于嵌入的方法对于知识图谱关系预测很有用，但对于只有少量的有效三元组来说效果甚微。本文采取了一种元学习框架（Mate-R）来实现常见缺富有挑战性的小样本知识图谱

fadeGR·2022-12-07 22:06

YOLO训练产出warning： NMS time limit 1.060s exceeded原因与解决办法

模型代码会执行Pythonval.py对模型进行map准确率的验证，使用时候出现talkischeap，showmethecode.找到warning的代码出处：defnon_max_suppression(prediction

千与编程·2022-12-07 22:20

RAILD: Towards Leveraging Relation Features for InductiveLink Prediction In Knowledge Graphs

摘要由于开放世界的假设，知识图(KGs)永远不会是完整的。为了解决这一问题，目前提出了各种链路预测方法。其中一些方法是归纳链接模型，能够学习在训练中没有看到的实体的表示。然而，据我们所知，现有的归纳LP模型没有一个关注于对看不见的关系的学习表示。在这项工作中，提出了一种新的关系感知归纳链接预测(RAILD)用于KG补全，它可以学习未知实体和未知关系的表示。除了通过使用语言模型利用与实体和关系相关联

小蜗子·2022-12-07 20:23

MLMLM: Link Prediction with Mean Likelihood Masked LanguageModel

摘要知识库(KBs)易于查询、验证和解释。然而，它们可以通过人工时间和高质量的数据进行扩展。屏蔽语言模型(MLMs)，比如BERT，可以根据计算能力和非结构化的原始文本数据进行扩展。然而，这些模型中包含的知识是不能直接解释的。我们建议使用MLMs进行链接预测，以解决KBs可伸缩性问题和MLMs可解释性问题。为此，我们引入了MLMLM(平均似然掩盖语言模型)，这一种通过比较生成不同实体的平均可能性来

小蜗子·2022-12-07 20:38

目标检测中IOU和NMS的python实现

IOU的数学公式可以是如下：iou=(target交prediction)/(target并prediction)

牛andmore牛·2022-12-07 19:32

目标检测中IoU计算

1.含义IoU即交并比（IntersectionoverUnion），是真实的目标框Groundtruth与算法预测出来的目标框Prediction之间差距的衡量指标。

TEn%·2022-12-07 19:58

Planning-Apollo6.0 planning module protobuf定义

开源系统的架构如下:Planning会订阅感知,预测,地图,导航,定位,底盘,HMI(Pad),Storytelling模块发布的消息.channelmessagemodulecontent"/apollo/prediction"PredictionObstaclesPredicition

小作坊钳工·2022-12-07 13:44

论文阅读笔记：Link Prediction Based on Graph Neural Networks

文章目录说明Abstract1Introduction2PreliminariesNotationsLatentfeaturesandexplicitfeaturesGraphneuralnetworksSupervisedheuristiclearning3AtheoryforunifyinglinkpredictionheuristicsDefinition1(Enclosingsubgrap

Bargain_Hunter·2022-12-07 10:26

轨迹预测笔记——TrafficPredict: Trajectory Prediction for Heterogeneous Traffic-Agents

轨迹预测笔记简单概括细节解释4Dgraph简单概括这篇文章是基于YuexinMa等人写的TrafficPredict:TrajectoryPredictionforHeterogeneousTraffic-Agents一文的笔记。该文章写了一个实际路况中预测多种类多目标运动轨迹的算法，并且考虑了目标之间的关系以修正结果。轨迹预测用多个LSTM实现。文章采用了4Dgraph的结构，一共两层。一层是实

Noobmaster69·2022-12-06 23:44

Vision Transformers for Dense Prediction

paper：https://arxiv.org/abs/2103.13413code：https://github.com/intel-isl/DPTAbstract我们引入了密集视觉转换器，这是一种利用视觉转换器代替卷积网络作为密集预测任务的骨干架构。我们将视觉转换器的各个阶段的tokens组合成各种分辨率的类图像表示，并使用卷积解码器逐步将它们组合成全分辨率预测。转换器的主干过程表示在一个恒定

Booo0m·2022-12-06 13:02

Vision Transformers for Dense Prediction 论文阅读

研一小菜鸡一枚，刚刚入门CV领域，最近对大火的Transformer比较感兴趣，把刚刚阅读过的一篇论文和大家分享一下，第一次写文章，如有错误，还请指正。先放一下论文链接：https://arxiv.org/pdf/2103.13413v1.pdfBackground在阅读论文之前我们要先知道Denseprediction的定义DensePrediction：Pixelwisedensepredic

CV小菜鸡 123·2022-12-06 13:27

用于密集预测的视觉转换器 Vision Transformers for Dense Prediction

VisionTransformersforDensePrediction面向实际应用的室内单目深度估计0Abstract 我们提出了一种视觉转换器，一种利用视觉转换器代替卷积网络作为密集预测任务的骨干架构。本文将视觉转换器各个阶段的toker（翻译是令牌，但我感觉更像一个图像块）组装成各个分辨率的类图像表示，然后在解码器阶段进行组合，从而生成全分辨率预测。transformer采用恒定且相对较高

韩十三*·2022-12-06 13:53

Vision Transformers for Dense Prediction——代码实践

MengYa_DreamZ·2022-12-06 13:22

Vision Transformers for Dense Prediction

VisionTransformersforDensePrediction论文链接：https://arxiv.org/abs/2103.13413v1论文代码：https://github.com/isl-org/DPTAbstract本文引入densevisiontransformers，它用visiontransformers代替卷积网络作为密集预测（denseprediction）任务的主干

NortheastSouthwest·2022-12-06 13:51

kaggle案例

https://www.kaggle.com/gpreda/santander-eda-and-prediction

超人睡不着也变无奈·2022-12-06 10:20

EM规划器：EMPlanner

EM规划器：EMPlannerEM规划器，也是规划模块Planning的核心，主要的任务是根据：感知模块Perception和预测模块Prediction得到的障碍物以及未来时间(e.g.5s内)的运动轨迹当前路况

旅途者0107·2022-12-05 23:19

评估行人行动预测的基准——Benchmark for Evaluating Pedestrian Action Prediction

评估行人行动预测的基准——BenchmarkforEvaluatingPedestrianActionPredictionDateofConference:3-8Jan.2021DateAddedtoIEEE*Xplore*:14June2021DOI:10.1109/WACV48630.2021.00130Authors：IuliiaKotseruba，YorkUniversity；AmirRa

我是BQ·2022-12-05 19:31

A Unified Model for Opinion Target Extraction and Target Sentiment Prediction(20.11.17)

AUnifiedModelforOpinionTargetExtractionandTargetSentimentPrediction一种统一的意见目标提取和目标情感预测模型AbstractTarget-basedsentimentanalysisinvolvesopiniontargetextractionandtargetsentimentclassification.基于目标的情感分析包括意

fuchengguo666·2022-12-05 15:46

【学习周报】10.31 ~ 11.5

学习目标：调试HMN项目代码调研CVPR中与视频理解相关的文章学习内容：HMN项目代码：保存字幕的prediction以及对应的groundtruth到本地。

Bohemian_mc·2022-12-05 15:14

VIDHOP, viral host prediction with Deep Learning 论文阅读笔记

VIDHOP,viralhostpredictionwithDeepLearning论文阅读笔记github:https://github.com/flomock/vidhop摘要Zoonosis即人类和动物都可相互传染致病，如寨卡病毒、埃博拉病毒和新冠病毒等，为了预防全球化带来的病毒传染加快的问题，本文提出一种基于病毒的基因组序列来推测病毒宿主的预测方法（input=病毒基因碱基序列，Y=宿主种

Samuel'C·2022-12-05 12:05

自动驾驶轨迹预测任务浅述

目录1.自动驾驶任务浅述2.轨迹预测任务2.1agentencoding2.2mapencoding2.3trajectorydecoding1.自动驾驶任务浅述自动驾驶任务分为perception、prediction

Cameron Chen·2022-12-05 11:15

MPViT: Multi-Path Vision Transformer for Dense Prediction源码详解

1.mmsegmentation注册自己的模块创建一个新的文件mmseg/models/backbones/mpvit.py,同时进行注册（@BACKBONES.register_module()）2.在mmseg/models/backbones/__init__.py里面导入模块3.在配置文件里使用它2.网络源码详解conv_stem:如图所示，网络第一层为卷积层，直接运用transforme

樱花的浪漫·2022-12-04 20:50

MPVIT：Multi-Path Vision Transformer for Dense Prediction

动机：深度预测需要多尺度特征表示，在这篇文章中作者关注于如何有效的使用VisionTransformer来表示多尺度特征。如何实现：提出了多尺度块编码和多路径的结构，多尺度块编码通过重叠的卷积操作，将不同大小的块同时进行编码，产生的特征具有相同的序列长度，然后将产生的特征并行的输入到Transformer结构中。最后将产生的并行的粗糙的和精细特征进行融合。网络结构介绍：1：多尺度patchembe

翰墨大人·2022-12-04 20:19

关于sklearn的roc_auc_score

最早发现这个问题是发觉输入roc_auc_score（xtest，prediction）输出的auc与plot_auc的值相差甚远，查资料之后发现关键在于第二个参数应该输入模型的输出概率值而非预测值，这里是个小坑

XiaoE爱食橙·2022-12-04 20:17

MPViT : Multi-Path Vision Transformer for Dense Prediction

MPViT:Multi-PathVisionTransformerforDensePrediction一、引言（一）、VisionTransformersfordensepredictions（二）、ComparisontoConcurrentwork二、实现细节（一）、Multi-PathVisionTransformer(二)、Multi-ScalePatchEmbedding(三)、Glob

小小小~·2022-12-04 20:11

[论]【SATP-GAN】 self-attention based generative adversarial network for traffic flow prediction

SATP-GAN:self-attentionbasedgenerativeadversarialnetworkfortrafficflowprediction原文：见这里作者：LiangZhang，JianqingWu，JunShen，MingChen，RuiWang，XinliangZhou，CankunXu，QuankaiYao，QiangWu期刊：TransportmetricaB:Tra

panbaoran913·2022-12-04 20:22

[PVT] Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolution

paper:https://arxiv.org/abs/2102.12122code:https://github.com/whai362/PVT/文章目录1.Motivation2.Contribution3.Method3.1OverallArchitecture3.2FeaturePyramidforTransformer3.3Spatial-ReductionAttention3.3Det

Ah丶Weii·2022-12-04 00:27

Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions

A.问题首先，对于densepredictiontasks，完全无卷积的的transformerbackbone少有人研究。而VIT作为用在图像分类任务的完全transformer结构，很难直接应用于像素级别的denseprediction，例如目标检测与分割。原因：（1）只有一个尺度的低分辨率输出（2）内存与计算复杂度限制。为了解决完全transformer对于denseprediction的限

jipinzhuo93·2022-12-04 00:12

PVT：Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions论文学习

目录摘要论文结构方法CNN金字塔结构Transformer编码器维度分析实验及结果图像分类目标检测其他摘要PVT是把金字塔结构引入到Transformer中，使得它可以像ResNet那样无缝接入到各种下游任务中（如：物体检测，语义分割），同时也取得了非常不错的效果。论文地址：PyramidVisionTransformer:AVersatileBackboneforDensePredictionw

与光i·2022-12-04 00:12

[论文评析] ArXiv-2021,Pyramid Vision Transformer A Versatile Backbone for Dense Prediction without Convo

PyramidVisionTransformerAVersatileBackboneforDensePredictionwithoutConvolutions基础知识动机贡献PVTarchitecturePatchEmbeddingSpatialreductionattention(SRA)点评总结Reference论文名称：PyramidVisionTransformerAVersatileBa

MasterQKK 被注册·2022-12-04 00:41

推荐频道

PREDICTION

【多目标轨迹预测】DESIRE: Distant Future Prediction in Dynamic Scenes with Interacting Agents（2017 翻译+笔记）

【多V目标轨迹预测】mmTransformer:Multimodal Motion Prediction with Stacked Transformers (CVPR2021)

【多目标轨迹预测】M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction（翻译+笔记）

【多目标轨迹预测】HiVT: Hierarchical Vector Transformer for Multi-Agent Motion Prediction（CVPR2022,翻译+笔记）

【论文分享】Highly accurate protein structure prediction with AlphaFold

论文阅读 | Optimizing Video Prediction via Video Frame Interpolation

SUBGRAPH REPRESENTATION LEARNING WITH HARD NEGATIVE SAMPLES FORINDUCTIVE LINK PREDICTION

SNRI Subgraph Neighboring Relations Infomax for Inductive Link Prediction on Knowledge Graphs

基于信息增强传输的时空图神经网络交通流预测 Spatial-Temporal Graph Neural Network for Traffic Flow Prediction Based on Inf

Suspected Object Matters: Rethinking Model’s Prediction for One-stage Visual Grounding 2022

百度apollo自动驾驶planning代码学习-Apollo\modules\planning\lattice\behavior\PredictionQuerier类代码详解

论文笔记（二）Depth Map Prediction from a Single Image using a Multi-Scale Deep Network

apollo自动驾驶进阶学习之：Planning模块全场景约束参数解析及调试思路

【论文+推导】Predictability and Prediction of Human Mobility Based on Application-Collected Location Data

Survey on Research of RNN-Based Spatio-Temporal Sequence Prediction Algorithms 时空序列数据预测综述笔记

论文笔记 【DeepFM: A Factorization-Machine based Neural Network for CTR Prediction】

CVPR2021论文速览--LaPred: Lane-Aware Prediction of Multi-Modal Future Trajectories of Dynamic Agents

yolo 系列

《End-to-end Lane Shape Prediction with Transformers》论文笔记

强化学习拾遗 —— 强化学习的样本效率

【论文翻译】Meta Relational Learning for Few-Shot Link Prediction in Knowledge Graphs

YOLO训练产出warning： NMS time limit 1.060s exceeded原因与解决办法

RAILD: Towards Leveraging Relation Features for InductiveLink Prediction In Knowledge Graphs

MLMLM: Link Prediction with Mean Likelihood Masked LanguageModel

目标检测中IOU和NMS的python实现

目标检测中IoU计算

Planning-Apollo6.0 planning module protobuf定义

论文阅读笔记：Link Prediction Based on Graph Neural Networks

轨迹预测笔记——TrafficPredict: Trajectory Prediction for Heterogeneous Traffic-Agents

Vision Transformers for Dense Prediction

Vision Transformers for Dense Prediction 论文阅读

用于密集预测的视觉转换器 Vision Transformers for Dense Prediction

Vision Transformers for Dense Prediction——代码实践

Vision Transformers for Dense Prediction

kaggle案例

EM规划器：EMPlanner

评估行人行动预测的基准——Benchmark for Evaluating Pedestrian Action Prediction

A Unified Model for Opinion Target Extraction and Target Sentiment Prediction(20.11.17)

【学习周报】10.31 ~ 11.5

VIDHOP, viral host prediction with Deep Learning 论文阅读笔记

自动驾驶轨迹预测任务浅述

MPViT: Multi-Path Vision Transformer for Dense Prediction源码详解

MPVIT：Multi-Path Vision Transformer for Dense Prediction

关于sklearn的roc_auc_score

MPViT : Multi-Path Vision Transformer for Dense Prediction

[论]【SATP-GAN】 self-attention based generative adversarial network for traffic flow prediction

[PVT] Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolution

Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions

PVT：Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions论文学习

[论文评析] ArXiv-2021,Pyramid Vision Transformer A Versatile Backbone for Dense Prediction without Convo

论文笔记【DeepFM: A Factorization-Machine based Neural Network for CTR Prediction】