Survey 第11页

Multi-Modal Knowledge Graph Construction and Application: A Survey

Absract:存在问题：1.现实世界知识爆炸；2现存KG是withpuresymbol,不好让机器去理解。->解决问题方案：Multi-ModalKG，这可以更好地实现人类水平的机器翻译。->得出结果：MMKG概览：1.defintionofMMKGs;2.thepreliminariesonmulti-modaltasksandtechniques;3.systematicallyreview

小学生R_rrr·2022-12-10 00:24

论文笔记Multi-Modal Knowledge Graph Construction and Application: A Survey

Multi-ModalKnowledgeGraphConstructionandApplication:ASurvey作者：XiangruZhu,YanghuaXiaoetal.单位：复旦大学期刊：摘要现在大多知识图谱用纯符号表示，会损害对真实世界的理解，multi-modalization是实现人机智能的关键，即MMKG。在这项由文本和图像构建的MMKG的调查中，MMKG的定义——多模态任务和技

唔西迪西爱学习·2022-12-10 00:21

Transformer综述1——《A Survey on Visual Transformer》

《ASurveyonVisualTransformer》摘要将视觉Transformer应用到不同的任务中，分析优缺点，回顾自注意力机制背景介绍多层感知和全连接层是经典的神经网络，有多线性层和非线性激活函数。卷积神经网络引入卷积层和池化层，用于图片的尺度不变递归神经网络利用递归细胞来处理顺序数据或时间序列数据Transformer利用注意力机制，提取内在特征是一种新的神经网络。综述Vaswanie

白日梦想家April_Liu·2022-12-09 15:40

Multi-Modal 3D Object Detection in Autonomous Driving: a Survey（自动驾驶中的多模态3D目标检测综述）论文笔记

原文链接：https://arxiv.org/pdf/2106.12735.pdf1.引言1.1单一传感器3D目标检测基于图像的3D目标检测。低费用换来满意的性能。但存在遮挡、高计算成本、易受极端天气影响等问题。基于激光雷达的3D目标检测。激光雷达提供更丰富的几何信息，性能比图像好；但其昂贵而笨重、分辨率和刷新率低、有效范围小（远处点极为稀疏）、极端天气下不能工作。基于其他传感器的3D目标检测。雷

byzy·2022-12-09 15:56

论文记载：A Survey on Traffic Signal Control Methods

ABSTRACT交通信号控制是一个重要且具有挑战性的现实问题，其目标是通过协调车辆在道路交叉口的移动来最小化车辆的行驶时间。目前使用的交通信号控制系统仍然严重依赖过于简单的信息和基于规则的方法，尽管我们现在有更丰富的数据、更强的计算能力和先进的方法来推动智能交通的发展。随着人们对使用机器学习方法(如强化学习)的智能交通越来越感兴趣，本调查涵盖了广泛认可的交通方法和交通信号控制强化的最新文献综合列表

gy-7·2022-12-09 10:45

【论文阅读】【Arxiv 2022.02】Unsupervised Representation Learning for Point Clouds: A Survey

文章目录Abstract1INTRODUCTION2BACKGROUND2.1Basicconcepts3POINTCLOUDDATASETS4COMMONDEEPARCHITECTURESFORPOINTCLOUDLEARNING5UNSUPERVISEDPOINTCLOUDREPRESENTATIONLEARNING(无监督的点云representationlearning)5.1Genera

I"ll carry you·2022-12-09 07:19

Time Series Data Augmentation for Deep Learning: A Survey

TimeSeriesDataAugmentationforDeepLearning:ASurvey1、Introduction深度学习近年来也被广泛地应用到时间序列分类（timeseriesclassification）、时间序列预测（timeseriesforecasting）、时间序列异常监测（timeseriesanomalydetection）。深度学习的成功很大程度上依赖于大量的训练数据

卉卉卉大爷·2022-12-09 02:07

【论文笔记】-- Visual Place Recognition：A Survey

VisualPlaceRecognition：ASurvey1.原理图2.Aplace是什么？3.Imageprocessing模块4.mapping模块5.beliefgeneration模块6.在动态环境下的视觉placerecognitionA.描述placeB.记住placeC.识别place7.总结1.原理图imageprocessing:输入图像，输出视觉信息。用于描述place。ma

C ．Lee·2022-12-08 13:58

【论文阅读】Place recognition survey: An update on deeplearning approaches

论文下载：PDF[1]BarrosT,PereiraR,GarroteL,etal.Placerecognitionsurvey:Anupdateondeeplearningapproaches:,10.48550/arXiv.2106.10458[P].2021.AbstractAbstract—AutonomousVehicles(AV)arebecomingmorecapableofnavi

ljl_30·2022-12-08 13:27

【论文阅读】Visual place recognition: A survey from deep learning perspective

Visualplacerecognition:Asurveyfromdeeplearningperspective原文链接：PDF[1]ZhangX,WangL,SuY.VisualPlaceRecognition:ASurveyfromDeepLearningPerspective[J].PatternRecognition,2020.公开数据集介绍及链接个人觉得这篇文章介绍的非常全面，很适合初

ljl_30·2022-12-08 13:20

【类增量学习综述】 Class-incremental learning：survey and performance evaluation

Class-incrementallearning：surveyandperformanceevaluation论文地址：摘要：介绍：相关工作：Task-incrementallearning：Onlinelearning：Variationalcontinuallearning：Pseudo-rehearsalmethods：类增量学习：通用类增量式学习设置：类增量学习的挑战：研究方法：实验评估

BIT可达鸭·2022-12-08 12:12

扩散模型(Diffusion)最新综述+GitHub论文汇总-A Survey On Generative Diffusion

扩散模型(DiffusionModel)最新综述+GitHub论文汇总-ASurveyOnGenerativeDiffusion本综述来自香港中文大学Pheng-AnnHeng、西湖大学李子青实验室和浙江大学陈广勇团队，对现有的扩散生成模型进行了全面的回顾。本文首先提出了diffusionmodel改进算法的细化分类与深度解析，同时对diffusionmodel的应用进行了系统的回顾，最后率先汇总

拉姆哥的小屋·2022-12-08 06:04

【Meta-Learning】元学习综述 Meta-Learning in Neural Networks: A Survey　（ing）

文章目录参考资料元学习是什么元学习的研究现状元学习有哪些方法参考资料7Nov2020论文原文：https://arxiv.org/pdf/2004.05439.pdf现有翻译：https://blog.csdn.net/qq_38680752/article/details/1064885087Oct2020深度元学习：https://arxiv.org/pdf/2010.03522.pdf论文集

zhaoyuyu_nudt·2022-12-07 18:54

【论文阅读】【逐字翻译】爱丁堡大学IEEE TPAMI 2021年最新元学习综述《Meta-Learning in Neural Networks: A Survey》

开个新坑，长期，不定时更新…一一+原文：TimothyMHospedales,AntreasAntoniou,PaulMicaelli,AmosJStorkey.Meta-LearninginNeuralNetworks:ASurvey[J].IEEETransactionsonPatternAnalysisandMachineIntelligence.2021.EarlyAccess.https

寒霜雨刃·2022-12-07 17:20

Meta-Learning in Neural Networks: A Survey 笔记

这篇survey解决了我的那些疑惑？

起妃儿·2022-12-07 17:20

[论文阅读笔记58]Learning from Noisy Labels with Deep Neural Networks：A Survey

1.题目LearningfromNoisyLabelswithDeepNeuralNetworks:ASurvey作者团队：韩国科学技术院（KAIST）SongH,KimM,ParkD,etal.LearningfromNoisyLabelswithDeepNeuralNetworks:ASurvey.2020.2.摘要重述问题：从监督学习的角度来描述使用标签噪声学习的问题；方法回顾：对57种最先

happyprince·2022-12-07 17:13

标签噪声：综述 Learning from Noisy Labels with Deep Neural Networks: A Survey

原文链接：https://arxiv.org/pdf/2007.08199.pdfgithub链接：GitHub-songhwanjun/Awesome-Noisy-Labels:ASurvey（本文仅做阅读笔记之用，如需了解细节可自行查看原文，翻译不周之处，敬请指正）1.Introduction据统计真实世界的数据集中存在的标注噪声范围在8%到38.5%。深度神经网络（DNN）因为具有很强的拟合

Doctor_Strange_DML·2022-12-07 17:13

Meta-learning：Survey

文章目录introduction超参的元学习先验模型独立推荐超参超参空间的设置配置的迁移LeaningfromtaskProperties元特征热启动算法元模型LearningfromPriorModels迁移学习神经网络中的元学习小样本学习超越监督学习Meta-learning：Surveyintroduction元学习的先验任务必须是具有一定相似性的任务，才能够有很好的泛化。元数据：用于描述先

Mr_tianyanxiaobai·2022-12-07 17:10

元学习：Meta-Learning in Neural Networks: A Survey

原文：TimothyMHospedales,AntreasAntoniou,PaulMicaelli,AmosJStorkey.Meta-LearninginNeuralNetworks:ASurvey[J].IEEETransactionsonPatternAnalysisandMachineIntelligence.2021.EarlyAccess.https://doi.org/10.110

Small_Teenager·2022-12-07 17:08

RGB-D salient object detection: A survey 综述

摘要：显著对象检测是模拟场景中最重要物体的视觉感知，已广泛应用于各种计算机视觉任务。现在，深度传感器的出现意味着深度地图可以很容易地捕获；这种额外的空间信息可以提高显著目标检测的性能。虽然在过去的几年中，已经提出了各种基于RGB-D的具有良好性能的显著目标检测模型，但对这些模型和该领域的挑战仍然缺乏深入的理解。本文从不同的角度对基于RGB-D的显著对象检测模型进行了全面的调查，并详细回顾了相关的基

麻瓜学AI·2022-12-06 13:49

＜000＞RGB-D Salient Object Detection: A Survey

RGB-DSOD综述1.基于RGB-DSOD的模型。1.1传统模型与深度模型1.2融合模型1.3单流与多流模型1.4注意模型2.RGB-DSOD数据集3.评价指标1.基于RGB-DSOD的模型。1.1传统模型与深度模型从特征提取的角度看：（1）传统模型：手工特征。中心环绕差异、对比度、背景包围、中心/边界优先、紧凑性或各种显著性度量的组合。模型都严重依赖于启发式手工功能，导致在复杂场景中的通用性有

jinmoua·2022-12-06 13:44

GNN综述：论文A Comprehensive Survey on Graph Neural Networks

目录一、什么是图神经网络二、图神经网络的种类1、图卷积网络（GraphConvolutionNetworks，GCN）2、图注意力网络（GraphAttentionNetworks）3、GraphAutoencoders4、GraphGenerativeNetworks5、GraphSpatial-TemporalNetworks三、图神经网络的应用一、什么是图神经网络传统的深度学习方法被应用在提

Mitsui745·2022-12-06 10:29

[Transformer]A Survey on Vision Transformer

ASurveyonVisionTransformer视觉Transformer综述Abstract:Transformer是一种基于自注意力机制的深度神经网络，最初被用于NLP，由于其强大的特征表征能力，也逐步被应用于计算机视觉任务中去。在一些计算机视觉的基准任务中，基于Transformer的模型取得了与CNN或RNN网络等相近甚至更优越的性能。鉴于其优越的性能，同时无需过多的输入所需的先验知识

黄小米吖·2022-12-05 13:18

r语言svr模型_R语言 survey包 brrweights()函数中文帮助文档(中英文对照)

brrweights(survey)brrweights()所属R语言包：surveyComputereplicateweights计算复制权重译者：生物统计家园网机器人LoveR描述---------

weixin_39837207·2022-12-05 11:48

人体姿态估计综述（Monocular Human Pose Estimation: A Survey of Deep Learning-based Methods）

1.总述1.1应用电影和动画虚拟现实人机交互视频监控医疗救助自动驾驶运动动作分析1.2挑战人体姿势估计所面临的挑战主要体现在三个方面：灵活的身体构造表示复杂的关节间关节和高自由度肢体，这可能会导致自我闭塞或罕见/复杂的姿势。身体外观包括不同的衣服和彼此相似的部分。复杂的环境可能会导致前景遮挡，附近人遮挡或类似的部分，各种视角以及相机视图中的截断。1.3已有的方法根据是否使用设计的人体模型，可以将这

To_1_oT·2022-12-05 09:17

扩散模型:方法和应用的综合综述Diffusion Models: A Comprehensive Survey of Methods and Applications

扩散模型:方法和应用的综合综述DiffusionModels:AComprehensiveSurveyofMethodsandApplications0.摘要1.超级分辨率、修复和翻译2.语义分割0.摘要扩散模型已经成为一个强大的深层生成模型的新家族，在许多应用中具有破纪录的性能，包括图像合成、视频生成和分子设计。在这个综述中，我们提供了一个关于扩散模型的快速扩展的工作的概述，将研究分为三个关键领

HheeFish·2022-12-05 02:36

Knowledge Tracing: A Survey阅读笔记

（注：为了方便后续阅读KT论文，文中一些名词使用英文。文中保留的序号与原论文参考文献一致。行文会在后续反刍过程中改进。）原文链接：https://arxiv.org/abs/2201.06953v1问题：如何在学生与教学材料交互的基础上，有效地追踪一个学生学习的过程？定义：知识追踪(KT)的目标是观察、表现和量化学生的知识状态。挑战：解决一个问题可能需要不止一项技能（p.s.：看来如何合理对技能的

拙劣的马奎·2022-12-04 17:12

如何看待神经架构搜索（Neural Architecture Search）的发展？

神经网络架构搜索(NAS)今年也是火的不行，本文简单梳理一下个人觉得比较有代表意义的工作，如果有错误或者遗漏欢迎大家指出hhhh另外推荐一篇survey(虽然到处都在说这个，但我还是要推荐一下)NeuralArchitectureSearch

baidu_huihui·2022-12-04 14:46

语义分割综述"A SURVEY ON DEEP LEARNING-BASED ARCHITECTURES FOR SEMANTIC SEGMENTATION ON 2D IMAGES"

ASURVEYONDEEPLEARNING-BASEDARCHITECTURESFORSEMANTICSEGMENTATIONON2DIMAGEShttps://arxiv.org/pdf/1912.10230.pdfIremUlku语义分割的一篇综述，了解下该领域。语义分割的第一步是对每个pixel给予classlabel标注。(这跟目标检测似乎很像。目标检测里面也是对每个方格进行分类吧，cla

w55100·2022-12-04 12:11

【ACM 2020 - Text Recognition in the Wild：A Survey】OCR识别综述

Introduction1.推动基于深度学习的STR发展三要素：（1）先进的硬件系统：高性能计算支持训练大规模识别网络（2）基于深度学习的STR算法能自动进行特征学习（3）STR应用需求旺盛BACKGROUNDSTR基本问题：（1）Textlocalization（文本定位）PanHe,WeilinHuang,TongHe,QileZhu,YuQiao,andXiaolinLi.Singlesho

chenghaoy·2022-12-04 12:02

【2021-IEEE】Image Segmentation Using Deep Learning: A Survey

概述作者在本次调查中，涵盖了语义和实例级分割的广泛开创性工作，包括全卷积像素标记网络，编码器-解码器体系结构，多尺度以及基于金字塔的方法，递归网络，视觉注意模型和对抗环境中的生成模型。研究了这些深度学习模型的相似性，优势和挑战，研究了使用最广泛的数据集，报告了性能，并讨论了该领域有希望的未来研究方向。Paper贡献：这项调查涵盖了有关分割问题的当代文献，并概述了截至2019年提出的100多种分割算

PRSer_Carrot·2022-12-04 12:29

Generative Adversarial Networks in Computer Vision: A Survey and Taxonomy（计算机视觉中的GANs:综述与分类）

Abstract：生成对抗网络(GANs)在过去几年得到了广泛的研究。可以说，他们最重要的影响是在计算机视觉领域，在挑战方面取得了巨大的进步，如可信的图像生成，图像之间的翻译，面部属性操纵和类似领域。尽管到目前为止已经取得了重大的成功，但将GANs应用于现实世界的问题仍然面临着重大的挑战，这里我们将重点讨论其中的三个。这包括:(1)生成高质量的图像;(2)生成图像的多样性;(3)稳定的训练。重点关

菜鸟的进阶之路1D·2022-12-03 08:11

Blind Image Super-Resolution: A Survey and Beyond

文章目录6EXPLICITDEGRADATIONMODELLING6.1ClassicalDegradationModelwithExternalDataset6.1.1Image-SpecificAdaptationwithoutKernelEstimation6.1.2Image-SpecificAdaptationwithKernelEstimation6.2SingleImageModel

BugMaker-shen·2022-12-03 07:15

【Real-Time Detection survey】实时目标检测网络综述论文 A Comprehensive Study of Real-Time Object Detection Network

AComprehensiveStudyofReal-TimeObjectDetectionNetworksAcrossMultipleDomains:ASurvey文章目录AComprehensiveStudyofReal-TimeObjectDetectionNetworksAcrossMultipleDomains:ASurvey导言1.总览论文贡献点2.目标网络结构介绍2.1目标检测网络的基

vcbe·2022-12-03 05:59

【论文笔记】Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in NLP

摘要Unliketraditionalsupervisedlearning,whichtrainsamodeltotakeinaninputxandpredictanoutputyasP(y|x),prompt-basedlearningisbasedonlanguagemodelsthatmodeltheprobabilityoftextdirectly.Tousethesemodelstope

烫烫烫烫的若愚·2022-12-02 16:07

Survey on Human pose estimation

关于姿态估计的一些总结，GitHub上搬的Papers2DPoseestimationLearningHumanPoseEstimationFeatureswithConvolutionalNetworks-Jain,A.,Tompson,J.,Andriluka,M.,Taylor,G.W.,&Bregler,C.(ICLR2013)DeepPose:HumanPoseEstimationvia

zhangjf26·2022-12-02 14:21

【论文精读】A Survey on Deep Learning for Named Entity Recognition

ASurveyonDeepLearningforNamedEntityRecognition前言Abstract1.INTRODUCTION2.BACKGROUND2.1WhatisNER?2.2NERResources:DatasetsandTools2.3NEREvaluationMetrics2.3.1Exact-MatchEvaluation2.3.2Relaxed-MatchEvalua

HERODING23·2022-12-02 14:39

【NLP】预训练时代下的文本生成｜模型&技巧

风度78·2022-12-02 13:01

论文笔记 A Comprehensive Survey on Graph Neural Networks(GNN综述)

前言近年来，深度学习促进了很多机器学习任务的发展，这些任务很多都表示在规则的欧几里得空间中表示。但是图作为具有复杂关系和对象之间相互依赖，其数据是从非欧几里得域生成的，最近也有很多关于图数据深度学习方法的研究。在本篇文章中，作者总结了目前主要的图神经网络模型，并提出了一种新的分类方法将目前的图神经网络分为以下四种：循环图神经网络（RecGNN），卷积图神经网络(ConvGNN)，图自动编码器(GA

xiaopihaierletian·2022-12-02 12:41

一篇文本对齐可视化综述《A Survey of Text Alignment Visualization》机翻

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档ASurveyofTextAlignmentVisualization前言一、介绍二、调研范围三、文本对齐应用3.1校勘应用场景对准细节莎士比亚的《哈姆雷特与校勘》3.2应用二：文本重用检测与分析应用场景对准细节莎士比亚的哈姆雷特&文本重用场景三：翻译对齐应用场景对齐细节莎士比亚的哈姆雷特&翻译对齐4.文本对齐流程预处理对齐可视化分析

又又菜又多·2022-12-01 22:11

【知识图谱综述】Knowledge Graphs: A Survey

知识图谱综述本文主要在阅读文章KnowledgeGraphs.ACMComput.Surv.,54(4):1–37.2021的基础上进行归纳总结，涉及原理知识较浅，旨在帮助对知识图谱进行较全面的理解。如有错误，还请不吝赐教。1.Intro现代"knowledgegraph"概念起源：2012announcementoftheGoogleKnowledgeGraph相关参考文献知识图谱相关实例htt

PPPerry_1·2022-12-01 21:04

survey-Graph-neural-networks--A-review-of-methods-and-applications_2020_AI-Open

Graphneuralnetworks:AreviewofmethodsandapplicationsJieZhoua,1,GanquCuia,1,ShengdingHua,ZhengyanZhanga,ChengYangb,ZhiyuanLiua,*,LifengWangc,ChangchengLic,MaosongSunaaDepartmentofComputerScienceandTechn

大黄同学·2022-12-01 16:58

【综述】Transformers in Remote Sensing: A Survey

论文论文：TransformersinRemoteSensing:ASurvey论文地址：https://arxiv.org/abs/2209.01206[2209.01206]TransformersinRemoteSensing:ASurvey(arxiv.org)TransformersinRemoteSensing:ASurvey-专知论文(zhuanzhi.ai)项目地址：https:/

m0_61899108·2022-12-01 01:29

Machine Learning with Graphs:Part1

MachineLearningwithGraphs:Part1Survey:图嵌入和广义图网络Hamiltonetal(2017)'s"RepresentationLearningonGraphs:MethodsandApplications"https

apche CN·2022-11-30 23:20

强化学习泛化性综述论文阅读 A SURVEY OF GENERALISATION IN DEEP REINFORCEMENT LEARNING

强化学习泛化性综述论文阅读摘要一、介绍二、相关工作：强化学习子领域的survey三、强化学习中的泛化的形式3.1监督学习中泛化性3.2强化学习泛化性背景3.3上下文马尔可夫决策过程3.4训练和测试上下文

孙敬博·2022-11-30 20:06

transformer 多模态综述学习笔记《Multimodal Learning with Transformers: A Survey》

我的目标：调研目前transformer在多模态领域的应用，内容也以此为重点（不全文解析）。论文标题：MultimodalLearningwithTransformers:ASurvey论文地址：https://arxiv.org/abs/2206.06488作者：PengXu,XiatianZhu,andDavidA.Clifton摘要：本文主要工作包括：多模态学习、Transformer生态系

我说你别说·2022-11-30 19:10

Visual and Object Geo-localization: A Comprehensive Survey

VisualandObjectGeo-localization:AComprehensiveSurvey综述类文章，仅越读intro，以及Geo-localization方向Graph-basedmethodGraph-basedcross-viewgeolocalizationexplicitlytakesthelocationandappearanceoflandmarkssuchastree

枫楠Kuiy·2022-11-30 16:01

Low-Light Image and Video Enhancement Using Deep Learning: A Survey 论文阅读笔记

由于环境问题或者拍摄技巧的缺失，拍摄者可能得到一系列质量较差的图像如以下6类：低光图像质量增强在许多方面都有用武之地，比如监控、自动驾驶、摄影图像处理等。传统的方法主要是两类——基于直方图均衡化的方法和基于retinexmodel的方法。后者根据先验知识或者正则，将一张低光图像分解为反射分量和照度分量。分解得到的反射分量即是增强的结果。然而基于retinexmodel的方法有以下几种问题：一个是将

sysu_first_yasuo·2022-11-30 10:23

A survey on semi-supervised learning

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录摘要结论IntroductionBackgroundRelatedareas期刊：MachineLearning（wos2区，中科院3区）(2020)摘要对进二十年的半监督方法进行概述（主要是半监督分类）。提出了一种新的半监督分类算法。大多数半监督学习算法的基本假设是如何相互紧密联系的，以及它们与众所周知的半监督聚类假设之间的

姚同·2022-11-30 10:41

推荐频道

Survey