Representation 第10页

论文阅读学习 - Deep Representation Learning with Target Coding

DeepRepresentationLearningwithTargetCoding[ProjectHomePage][Paper-AAAI2015][SupplementaryDoc][Code-cuda-convnet]1-of-Kcode：长度为KK的向量，第kk个元素为1，其它的为0.[分类任务]Targetcode：multi-label预测问题.图像分类一般采用单个类别标签作为labe

AIHGF·2022-12-02 23:02

【论文阅读】Code Search and Code Representation

CodeSearchandCodeRepresentation这张表格总结了一些经典的与CodeSearch和CodeRepresentation相关的工作，内含代码表示方法，模型框架和下游任务几个部分。论文代码表示模型下游任务DeepCodeSearch（，Description）Bi-LSTM和MLP代码搜索Code2VecASTpathAttention方法名预测Code2SeqASTpat

Yukimini·2022-12-02 23:30

CFT：Multi-Camera Calibration Free BEV Representation for 3D Object Detection——论文笔记

参考代码：暂无1.概述介绍：在相机数据作为输入的BEV感知算法中很多是需要显式或是隐式使用相机内外参数的，但是相机的参数自标定之后并不是一直保持不变的，这就对依赖相机标定参数的算法带来了麻烦。如何提升模型对相机参数鲁棒性，甚至是如何去掉相机参数成为一种趋势。对应的这篇文章完全去除了相机参数依赖，首先通过PA（position-awareenhancement）实现强大BEV空间位置编码，之后BEV

m_buddy·2022-12-02 18:58

【步态识别】GaitGL 算法学习《Gait Recognition via Effective Global-Local Feature Representation and Local Temp》

目录1.论文&代码源2.论文亮点3.模型结构3.1局部时间聚合（LocalTemporalAggregation,LTA）3.2全局和局部特征提取（GlobalandLocalFeatureExtractor,GLFE）3.3特征图（FeatureMapping）3.3.1时间池化（TemporalPooling,TP）3.3.2广义平均池化（Generalized-Meanpooling,GeM

一只菟葵·2022-12-02 13:06

You Only Learn One Representation: Unified Network for Multiple Tasks论文阅读

YouOnlyLearnOneRepresentation:UnifiedNetworkforMultipleTasks论文阅读代码paper:https://arxiv.org/pdf/2105.04206.pdfcode:WongKinYiu/yolor摘要论文中，提出了一个统一的网络将隐性知识(implicitknowledge)和显性知识(explicitknowledge)编码在一起，就

Replete·2022-12-02 11:47

DER: Dynamically Expandable Representation for Class Incremental Learning翻译

DER:DynamicallyExpandableRepresentationforClassIncrementalLearning(CVPR,2021)DER:类增量学习的动态可扩展表示目录传送门Abstract1.Introduction2.RelatedWorkRepresentationLearningClassifierLearning分类器的学习Discussion3.Methods3

Andy_2259·2022-12-02 11:09

You Only Learn One Representation: Unified Network for Multiple Tasks

YouOnlyLearnOneRepresentation:UnifiedNetworkforMultipleTasks一、引言（一）、Explicitdeeplearning（二）、Implicitdeeplearning（三）、Knowledgemodeling(四)、Kernelspacealignment二、实现细节（一）、Formulationofimplicitknowledge(二)

小小小~·2022-12-02 11:07

BatchFormer: Learning to Explore Sample Relationships for Robust Representation Learning

BatchFormer:LearningtoExploreSampleRelationshipsforRobustRepresentationLearningpaper:https://arxiv.org/pdf/2203.01522.pdfcode:https://github.com/zhihou7/BatchFormer摘要由于数据不平衡、不可见分布和域转移等数据稀缺问题，深度表示学习仍面临

条竿儿毛好·2022-12-01 22:13

Paper Notes: Inductive Representation Learning on Large Graphs

InductiveRepresentationLearningonLargeGraphsLINK:https://arxiv.org/abs/1706.02216CLASSIFICATION:SPATAIL-BASEDGCNYEAR:Submittedon7Jun2017(v1),lastrevised10Sep2018(thisversion,v4)FROM:NIPS2017WHATPROBLE

HotChoc·2022-12-01 19:51

文献学习(part103)--Inductive Representation Learning on Large Graphs

学习笔记，仅供参考，有错必纠未完待续…文章目录InductiveRepresentationLearningonLargeGraphsAbstractIntroductionRelatedworkProposedmethod:GraphSAGEEmbeddinggeneration(i.e.,forwardpropagation)algorithmLearningtheparametersofGr

GoatGui·2022-12-01 19:20

文献学习03_GloVe: Global Vectors for Word Representation_20221124

论文信息Subjects:《2014年自然语言处理经验方法会议论文集》（EMNLP），第1532–1543页，2014年10月25日至29日，（1）题目：GloVe:GlobalVectorsforWordRepresentation（GloVe:单词表示的全局向量）（2）文章下载地址：https://aclanthology.org/D14-1162PDF：https://aclantholog

爱敲代码的小雨·2022-12-01 13:53

关系抽取：传统：UniRel: Unified Representation and Interaction for Joint Relational

针对传统下的三元组抽取提出的一种方法，在NYT和webNLG数据集上，再次刷新榜单。本来对这个结果不是很确定，但作者公布了源码，wecanreformulateit.很少在看到这种文章了吧。Coreidea换了一种解释思路。从entity-entity的interaction和entity-relation的interaction两种角度提出的模型结构。根据entity-entity和entity

等景，不如找景·2022-12-01 11:25

Andrew-Ng-ML 吴恩达机器学习课后练习错题总结

4LinearRegressionwithMultipleVariables5Octave/MatlabTutorial6LogisticRegression7Regularization8NeuralNetworks:Representation9NeuralNetworks

持续战斗状态·2022-12-01 07:34

＜＜视觉Transformer＞＞2020：Visual Transformers: Token-based Image Representation and Processing for CV

本专栏只研究visionTransformer的原理，对实验不做过多研究。目录摘要：一、介绍二、相关工作三、VisualTransformer3.1.Tokenizer3.1.1Filter-basedTokenizer3.1.2RecurrentTokenizer3.2.Transformer3.3.Projector四、UsingVisualTransformersinvisionmodels

金克丝、·2022-12-01 03:20

概率图模型中的贝叶斯网络

三、概率知识四、贝叶斯网络知识网络条件独立性结构六、概率推断七、案例分析八、贝叶斯学习九、Netica软件软件介绍软件使用参考一、概率图概率图的框架由上图可知，PGM(概率图)主要分为3个部分：表示(Representation

ゞ随性·2022-11-30 23:12

Stanford cs224w : machine learning with graphs 筆記

.%20Graph_Representation.pdfLecture2:Node-LevelFeature:https://github.com/tom99763/cs224w/blob/main/notes

西瓜龍·2022-11-30 23:20

论文笔记：Bootstrap Your Own Latent A New Approach to Self-Supervised Learning

从图像增强地视角下看online和target网络，在同一张图片，我们训练了online网络去预测target网络的representation。与此

Jesse～Lau·2022-11-30 22:45

对比损失（Contrastive Loss）学习【转载】

转自：https://blog.csdn.net/autocyz/article/details/53149760https://www.tensorflow.org/tutorials/representation

weixin_30455365·2022-11-30 18:01

MMEKG : Multi-modal Event Knowledge Graph towards Universal Representation across Modalities

这里写自定义目录标题·MMEKG:Multi-modalEventKnowledgeGraphtowardsUniversalRepresentationacrossModalities·Abstract·提出：大规模多模态事件知识图谱——**MMEKG**·开发：·Introduction·（描述概念及存在的问题）·（简单介绍本文提出的模型，并给出一个简单的例子进行说明）·（分点说明本文的创新点

Peppa _Peppa·2022-11-30 10:49

XGBoost和Boosted Trees

树模型简介树模型是工业界用得非常多的一个模型，它的representation类似于下图。

大师鲁·2022-11-30 08:11

论文阅读_Distribution-Aware Coordinate Representation for Human Pose Estimation学习笔记

Abstract总结：这篇文章系统地研究了Heatmap上的热图表示。主要是：预测的热图解码成原始图像空间中的最终关节坐标的过程。针对所发现的重要性，我们进一步探讨了现有方法中广泛使用的标准坐标译码方法的设计局限性，并提出了一种更有原则的分布式感知译码方法**（创新点1）。我们通过为无偏模型训练生成精确的热图分布来改进标准坐标编码过程(即，将真实坐标转换为热图)。（创新点2）。把这两个创新点结合起

Mr_WangAndy·2022-11-29 22:30

Distribution-Aware Coordinate Representation for Human Pose Estimation

Distribution-AwareCoordinateRepresentationforHumanPoseEstimation一.论文简介设计gaussianheatmap的后处理，获得更精确的位置坐标主要做的贡献如下（可能之前有人已提出）：encode使用non-bias生成heatmapdecode使用gaussian函数梯度求取二.模块详解2.1整体结构介绍论文思想比较简单，整体进行概括编

影醉阏轩窗·2022-11-29 22:58

人体姿态2019（八）Distribution-Aware Coordinate Representation for Human Pose Estimation

《Distribution-AwareCoordinateRepresentationforHumanPoseEstimation》论文解读Abstract1.Introduction2.Methodology2.1.CoordinateDecoding2.1.1.Thestandardcoordinatedecodingmethod2.1.2.Theproposedcoordinatedecod

Raywit·2022-11-29 22:55

姿态估计之2D人体姿态估计 - SimDR: Is 2D Heatmap Representation Even Necessary for Human Pose Estimation?

转自[论文阅读：姿态识别]2107SimDR:Is2DHeatmapRepresentationEvenNecessaryforHumanPoseEstimation?_cheerful090的博客-CSDN博客告别Heatmap，人体姿态估计表征新方法SimDR-知乎来自清华大学、旷视、东南。这篇与上一篇TokenPose来自同一研究团队。paperhttps://arxiv.org/pdf/2

light169·2022-11-29 22:23

[论文阅读：姿态识别] 2107 SimDR: Is 2D Heatmap Representation Even Necessary for Human Pose Estimation?

[论文阅读：姿态识别]2107SimDR:Is2DHeatmapRepresentationEvenNecessaryforHumanPoseEstimation?文章目录[论文阅读：姿态识别]2107SimDR:Is2DHeatmapRepresentationEvenNecessaryforHumanPoseEstimation?摘要：1.IntroductionContributions2.

cheerful090·2022-11-29 22:52

Bert原理详解

模型的主要创新点都在pre-train方法上，即用MaskedLM和NextSentencePrediction两种方法分别捕捉词语和句子级别的representation。1.1模型

莫杨94·2022-11-29 19:02

NLP基础拼写纠错Spell Correction与文本表示Word Representation

NLP基础系列（二）文章目录NLP基础系列（二）一、拼写纠错SpellCorrectionWordsFilteringWordsNormalization二、文本表示WordRepresentationTf-idfRepresentationMeasureSimilarityBetweenWordsFromOne-hotRepresentationtoDistributedRepresentati

哈哈小火锅·2022-11-29 06:21

NLP深入学习——文本表示与相似度计算（text representation and Similarity calculation）

文章目录返回主目录文本表示（textrepresentation）文本表示方法（textrepresentationmethod）单词表示（wordrepresentation）:One-hotrepresentation句子表示（sentencerepresentation）:①Boolean-basedrepresentation②Count-basedrepresentation③Tf-id

superbfiy·2022-11-29 06:50

representation learning 表示学习

representationlearningReview1WHAT2WHY3WHATMAKESAREPRESENTATIONGOODwordembedding1Hinton1986Distributedrepresentation2Bengio2003NNLM3MnihHinton2008HierarchicalModel4Mikolov2010-2011RNNLM5Mikolov2013word

shahuzi·2022-11-29 06:19

文本表征 Text Representation

基于one-hot、tf-idf、textrank等的bag-of-words；主题模型：LSA（SVD）、pLSA、LDA；基于词向量的固定表征：Word2vec、FastText、GloVe基于词向量的动态表征：ELMo、GPT、BERT各模型的优缺点：One-hot表示：维度灾难、语义鸿沟；静态表证矩阵分解（LSA）：利用全局语料特征，但SVD求解计算复杂度大；静态表证基于NNLM/RNNL

jzwei023·2022-11-29 06:16

NLP-文本表示(Text Representation)：TF-IDF和Embedding

TF-IDF（词频逆文档频次算法）该指标的意义：tf-idf通过词频统计的方法得到某个词对一篇文档的重要性大小（没有考虑语义信息）。计算公式：TF-IDF=tf*idf可以看出，是tf与idf值得乘积tf值（termfrequency）：其中n表示某个词在该文档中出现的次数，N表示该文档中所有词出现的次数总和，这是一个归一化的过程，目的是消除文档篇幅长短上的差异。idf值（inversedocum

cartes1us·2022-11-29 06:16

文本表示（Representation）

文本表示（Representation）这里写目录标题文本表示（Representation）独热编码(one-hotrepresentation)整数编码Word2vec模型整体理解我的理解CBoW&

程序员_yw·2022-11-29 06:44

传智播客 sklearn数据集与机器学习组成

其实机器学习可以表示为：Learning=Representation+Evalution+Opti

天人合一peng·2022-11-28 20:24

【论文学习】On the representation and estimation of spatial uncertainty

RandallC.Smith与PeterChessman，发表于1987年，这篇文章被认为是最早提出SLAM问题的一篇文章。CSDN文章链接（欢迎使用积分下载）：https://download.csdn.net/download/tfb760/11888452百度网盘分享（如果实在没有积分的话）：https://pan.baidu.com/s/1Ys2R5TxKjBLYbuOapqlLjg&sh

larry_dongy·2022-11-28 16:40

通俗易懂——VAE变分自编码器原理

中间的code就是隐变量，也叫Embedding,Representation，Bottleneck…名字花样很多，其实本质都是同一个东西，都是原始数据的低

BarbaraChow·2022-11-28 13:22

# 互信息最大化[视角统一]:Align before Fuse: Vision Language Representation Learning with Momentum Distillation

互信息最大化[视角统一]:AlignbeforeFuse:VisionandLanguageRepresentationLearningwithMomentumDistillation摘要视觉和语言表示学习已经广泛被应用与各种视觉语言任务。现有方法大多数基于Transformer方法的多模态编码器同时进行视觉特征学习（基于区域的图像特征）和文本特征学习。鉴于视觉特征和文本特征之间的语义空间不一致问

Mira-Tableau·2022-11-28 11:40

Align before Fuse: Vision and Language Representation Learning with Momentum Distillation

ALBEF：AlignbeforeFuse:VisionandLanguageRepresentationLearningwithMomentumDistillation论文链接：https://arxiv.org/abs/2107.07651代码：https://github.com/salesforce/ALBEF引入了一种对比损失，通过在跨模态注意前融合(ALBEF)来调整图像和文本表示，从

hblg_bobo·2022-11-28 10:45

Diffusion Autoencoders: Toward a Meaningful and Decodable Representation

DiffusionAutoencoders:TowardaMeaningfulandDecodableRepresentation扩散自编码器:面向有意义和可解码的表示code：https://github.com/phizaz/diffaeACVPR2022(ORAL)paper(paper,site,5-minvideo)贡献：本文的重点就是构建了一个与VanillaAutoencoder不同

马鹏森·2022-11-28 02:40

Do Transformers Really Perform Bad for Graph Representation?

DoTransformersReallyPerformBadforGraphRepresentation?论文中提出了Graphormer，它建立在标准的Transformer架构之上，并且在广泛地图表示学习任务重获得了优异的成绩。同时，作者也提出了一些简单但是有效的结构编码方法来帮助Graphormer更好的模拟图结构数据。Graphormer的结构编码方法如下：1，CentralityEnco

嗨I，你Y·2022-11-27 02:31

Deep Spatio-Temporal Representation for Detection of Road Accidents Using Stacked Autoencoder

文章目录基于栈式自编码器的道路交通事故深度时空表征-一种时空无监督的事故检测方法1论文方法概述2STVVs和SDAE2.1STVVs（Spatio-TemporalVideoVolumn:时空视频体）2.2SDAE（StackedDenoisingAutoencoder：堆叠去噪自编码器）3无监督事故检测思路4论文主体模型框架5实验结果分析6创新点与不足基于栈式自编码器的道路交通事故深度时空表征-

wfl6666·2022-11-26 22:50

[CVPR‘22 FaRL] General Facial Representation Learning in a Visual-Linguistic Manner

paper:https://arxiv.org/pdf/2112.03109v3.pdfGitHub-FacePerceiver/FaRL:FaRLforFacialRepresentationLearning[Official,CVPR2022]摘要提出FaRL，首个针对人脸任务的预训练大模型；提出：1）使用contrastiveloss，从image-text对中学习high-level语义特

zzl_1998·2022-11-26 15:31

【论文精读】DeepFirearm: Learning Discriminative Feature Representation for Fine-grained Firearm Retrieval

DeepFirearm:LearningDiscriminativeFeatureRepresentationforFine-grainedFirearmRetrievalINTRODUCTION这是最近看的一篇文章，论文并没有太多方法上的创新点，但是将神经网络用于现代武器的检索，方向挺新奇的。所以记录一下。论文之初作者就指出现在CNN发展得很好，网络上像Facebook这一类的社交巨头都使用CN

luuuyi·2022-11-26 11:47

论文解读UNITER: UNiversal Image-TExt Representation Learning

论文解读UNITER:UNiversalImage-TExtRepresentationLearning简介结构解读预训练方法简介论文链接:link.以后争取保持一周3更及以上。UNITER是一个图文表征学习的预训练模型。废话不多说，直接上干货。结构解读其结构十分明了。一个imageembedder，一个textembedder。然后加多个transormerlayer。imageembedder

黑夜使者·2022-11-26 11:45

Re-ID: Person Re-identification by Local Maximal Occurrence Representation and Metric Learning 论文解析

注:刚刚看完了这篇论文，顺便整理了一下这篇论文的思路，对论文的方法表示666项目主页：http://www.cbsr.ia.ac.cn/users/scliao/projects/lomo_xqda/论文解析行人重识别有两个特别重要的问题：FeaturerepresentationMetriclearning在这篇论文中，作者采用的是LOMO的特征表示方法，以及XQDA的度量学习方法LOMO：Lo

小威威__·2022-11-26 11:39

文献阅读（27）DySAT: Deep Neural Representation Learning on Dynamic Graphs via Self-Attention Networks

本文是对《DySAT:DeepNeuralRepresentationLearningonDynamicGraphsviaSelf-AttentionNetworks》一文的浅显翻译与理解，如有侵权即刻删除。朋友们，我们在github创建了一个图学习笔记库，总结了相关文章的论文、代码和我个人的中文笔记，能够帮助大家更加便捷地找到对应论文，欢迎star~Chinese-Reading-Notes-o

学徒刘猛·2022-11-26 11:04

论文精读——《BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotempor》

BEVFormer:LearningBird’s-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotemporalTransformers文章目录BEVFormer:LearningBird’s-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotemporalTransformers

zyw2002·2022-11-26 11:33

词嵌入来龙去脉

DeepNLP的表示学习·词嵌入来龙去脉·深度学习（DeepLearning）·自然语言处理（NLP）·表示（Representation）原创作品，转载请注明出处：[Mr.Scofieldhttp:/

琥珀色的微笑·2022-11-26 04:59

一文梳理NLP词的表示——从one-hot到 word2vec