Towards

Exemplar Fine-Tuning for 3D Human Model Fitting Towards In-the-Wild 3D Human Pose Estimation 2020阅读理

本文通过EFT方法生成伪3D数据集，只使用该数据集，从头开始训练3D姿势回归器网络，该网络在诸如3DPW等野外基准测试上的表现超过当前的最先进水平例如HMR。EFT方法可以看作SPIN的改良，即在测试阶段，通过2d重投影loss微调HMR的参数，从而间接调整SMPL系数，使得当前测试样本在尽可能保留HMR的输出效果的同时，降低2d重投影误差。显然SPIN则是通过SMPLify接在HMR后面，通过2
为什么先生2012·2023-01-04 15:32

论文阅读笔记五十三：Libra R-CNN: Towards Balanced Learning for Object Detection(CVPR2019)

论文原址：https://arxiv.org/pdf/1904.02701.pdfgithub:https://github.com/OceanPang/Libra_R-CNN摘要相比模型的结构，关注度较少的训练过程对于检测器的成功检测也是十分重要的。本文发现，检测性能主要受限于训练时，samplelevel,featurelevel,objectivelevel的不平衡问题。为此，提出了Libr
?Briella·2023-01-04 09:11

论文阅读—Towards Good Practices for Very Deep Two-Stream ConvNets

摘要深度卷积网络在静止图像中的目标识别方面取得了巨大成功。然而，对于视频中的动作识别，深度卷积网络的改进并不那么明显。我们认为有两个原因可以解释这一结果。首先，与图像域中的那些非常深的模型（例如VGGNet[13]、GoogLeNet[15]）相比，当前的网络架构（例如双流ConvNets[12]）相对较浅，因此它们的建模能力受到其深度的限制.其次，可能更重要的是，动作识别的训练数据集与Image
dl_sn·2023-01-03 07:23

论文笔记：FewRel 2.0: Towards More Challenging Few-Shot Relation Classification

论文来源：EMNLP2019论文地址：https://aclanthology.org/D19-1649.pdf论文代码：https://github.com/thunlp/fewrelGaoT,HanX,ZhuH,etal.FewRel2.0:TowardsMoreChallengingFew-ShotRelationClassification[C]//Proceedingsofthe2019
Daisymanman·2023-01-02 14:09

【ICCV 2019】特征超分检测：Towards Precise Supervision of Feature Super-Resolution for Small Object Detection

BettertoFollow,FollowtoBeBetter:TowardsPreciseSupervisionofFeatureSuper-ResolutionforSmallObjectDetection摘要：具体实现：超分辨率的目标提取器：超分辨率特征生成器：实验结果：摘要：尽管最近基于提案的CNN模型在目标检测方面取得了成功，但由于小的ROI区域所包含的信息有限和扭曲，检测小目标仍然很困
BIT可达鸭·2023-01-01 09:35

基于GAN的小目标检测算法总结（3）——《Better to Follow, Follow to Be Better: Towards Precise Supervision ......》

基于GAN的小目标检测算法总结（3）——《BettertoFollow,FollowtoBeBetter:TowardsPreciseSupervisionofFeatureSuper-Resolution》1.前言2.算法简介2.1核心idea2.1.1为什么使用feature-level的超分？2.1.2低分特征和高分目标特征的相对感受野匹配问题2.2网络组成2.2.1basedetector
ckq3·2023-01-01 09:57

FFA 2022 主会场 Keynote：Flink Towards Streaming Data Warehouse

摘要：本文整理自ApacheFlink中文社区发起人、阿里巴巴开源大数据平台负责人王峰（莫问），在FlinkForwardAsia2022主会场的分享。本篇内容主要分为四个部分：实时流计算全球范围事实标准2022数据实时化技术创新不止StreamingDataWarehouse流式数仓DemoTips：点击「阅读原文」查看原文视频&演讲ppt01实时流计算全球范围事实标准ApacheFlink社区
Apache Flink·2022-12-30 22:52

Towards Generative Aspect-Based Sentiment Analysis 论文阅读ACL2021

TowardsGenerativeAspect-BasedSentimentAnalysis摘要【ACL2021】基于方面的情感分析（ABSA）最近受到越来越多的关注。大多数现有工作以区分方式处理ABSA，为预测设计各种特定于任务的分类网络。尽管它们很有效，但这些方法忽略了ABSA问题中丰富的标签语义，并且需要广泛的特定于任务的设计。在本文中，我们建议在统一的生成框架中处理各种ABSA任务。两种类
qq_36234441·2022-12-30 20:03

《Towards Generative Aspect-Based Sentiment Analysis》论文阅读

文章目录文章介绍方法文章介绍  目前针对ASTE任务的处理大多是针对不同的部分即方面实体识别，情感词抽取，情感分析设计不同的处理方式。但这样的处理就很难考虑到标签丰富的语义信息，而且也较为复杂。因此该问提出了一个统一的生成框架用来处理不同的ABSA任务，具体可以分为两种类型的范式，即注释样式（annotation-style）和提取样式（extraction-style）。方法  两种样式的例子如
jst100·2022-12-30 20:33

【论文阅读】【基于方面的情感分析】Towards Generative Aspect-Based Sentiment Analysis

文章目录TowardsGenerativeAspect-BasedSentimentAnalysis一、该论文关注的是解决ABSA问题的哪个方面？驱动是什么？具体目标是解决什么问题？二、该论文采用的方法是什么，方法的核心原理是什么？三、该方法是如何提出的，是开创性的方法还是对已有方法进行的改进，创新点是什么？四、该论文展示的结果如何？使用的是什么数据集？五、该论文是否提出还有需要改进的地方，即fu
南瑾与春风·2022-12-30 20:31

【论文粗读】(DE-DETR) Towards Data-Efficient Detection Transformers

摘要：本文旨在减少DetectionTransformer类目标检测器对标注数据的依赖程度，提高其数据效率。研究动机目前的研究似乎表明DetectionTransformers能够在性能、简洁性和通用性方面全面超越基于CNN的目标检测器。但我们研究发现只有在COCO这样训练数据丰富的数据集上DetectionTransformers能够表现出性能上的优越，而当训练数据量较小时，大多数Detecti
吃吃今天努力学习了吗·2022-12-29 13:40

【论文笔记】Towards Corrective Deep Imitation Learning in Data Intensive Environments

【论文笔记】TowardsCorrectiveDeepImitationLearninginDataIntensiveEnvironments:HelpingrobotstolearnfasterbyleveraginghumanknowledgeAbstractInteractiveimitationlearningreferstolearningmethodswhereahumanteache
Ctrl+Alt+L·2022-12-29 07:32

XSimGCL: Towards Extremely Simple GraphContrastive Learning for Recommendation 论文+代码解读

趁热打铁接着上篇继续干，上一篇提到在对比学习中图的增强只起次要作用。优化CL损失可以得到更均匀的表示分布，通过在表示中加入有向随机噪声，进行不同的数据增强和对比，提出的方法显著提高了推荐能力。SimGCL:AreGraphAugmentationsNecessary?SimpleGraphContrastiveLearningforRecommendation论文代码解读_只想做个咸鱼的博客-CS
只想做个咸鱼·2022-12-28 07:28

《Towards Accurate Alignment in Real-time 3D Hand-Mesh Reconstruction》论文解读

一、参考资料实时重建手部网格3DHandMeshReconstruction论文笔记二、相关介绍《TowardsAccurateAlignmentinReal-time3DHand-MeshReconstruction》（实时三维手部网格重建中的精确对齐）XiaoTang,TianyuWang,andChi-WingFu.InternationalConferenceonComputerVisio
花花少年·2022-12-27 21:48

pcl 学习论文阅读（Towards 3D Object Maps for Autonomous Household Robots）

Towards3DObjectMapsforAutonomousHouseholdRobots，2007室内环境的3D地图构建摘要描述了室内环境下的绘图系统，如何获取室内目标模型系统分为3维分割和几何重建门
磊磊哈哈·2022-12-26 11:43

【论文&模型讲解】UPT 文本分类 Towards Unified Prompt Tuning for Few-shot Text Classification

文章目录前言0摘要1Introduction2UPT:TheProposedFramework2.1UPT概述2.2统一prompting范式2.3统一提示在自监督学习中的推广2.4Few-shotFine-tuning3实验3.1实验设置3.2主要结果3.3模型分析4相关工作5结论和未来的工作前言论文标题：TowardsUnifiedPromptTuningforFew-shotTextClas
friedrichor·2022-12-26 11:37

Towards Open Set Deep Networks：开放世界的目标检测

文章发表于2016年文章链接：1、概述随着深度网络在目标检测领域的发展，网络的性能和准确率都在不断提升。但是存在的一个问题，深度网络很容易被一些图片（在人类看来没有意义）所欺骗，即使我们觉得该图像并不属于某一类别，但是深度网络还是会以高置信度将其分为该类。究其原因，这是因为我们训练网络时，使用的是封闭的数据集（有多少类别已经提前规定好，所以深度网络的选择只会在这些特定类别中去选择）。作者在此强调更
NewSuNess·2022-12-25 23:01

Towards Open Set Deep Networks CVPR2016开放集识别论文解读

[11]BendaleA,BoultT.TowardsOpenSetDeepNetworks[C]//2016IEEEConferenceonComputerVisionandPatternRecognition(CVPR).IEEE,2016.本文开发了通对交叉熵分类网络进行后处理，用来开放集分类。在训练中，就用普通的交叉熵。在测试时，对每个每个类正确分类样本激活值建立一个极值分布（算法1），并
appron·2022-12-25 23:56

Towards Open Set Deep Networks（CVPR 2016）

BendaleA,BoultT.TowardsOpenSetDeepNetworks[C]//2016IEEEConferenceonComputerVisionandPatternRecognition(CVPR).IEEE,2016文章目录摘要1介绍2开放集深度网络2.1多类元识别（Alg.1计算MAV和Weibull拟合参数）2.2激活向量（activationvector）的解释2.3Op
_Cat_·2022-12-25 22:24

KDD20: DAGNN Towards Deeper Graph Neural Networks

1.modelDAGNN的思想也比较简单：SGC的升级版本，考虑了不同感受野（通过拼接）。SSGC是通过求和。1.X先通过MLP降维得到Z，这个Z进行多次传播得到Hk。2.将Z，H拼接。ZH的维度都是类别的维度c3.同时采用了一个projectvector（实际上还是一个降维的，作者自己用PyG实现时还是采用了Linear实现降维。DGL版本则是通过Parameter(torch.tensor)更
Complicated__76·2022-12-25 15:25

FFA 2022 主会场 Keynote：Flink Towards Streaming Data Warehouse

摘要：本文整理自ApacheFlink中文社区发起人、阿里巴巴开源大数据平台负责人王峰（莫问），在FlinkForwardAsia2022主会场的分享。本篇内容主要分为四个部分：实时流计算全球范围事实标准2022数据实时化技术创新不止StreamingDataWarehouse流式数仓Demo点击查看直播回放&演讲PPT一、实时流计算全球范围事实标准ApacheFlink社区从2014年诞生到20
·2022-12-24 22:31

FFA 2022 主会场 Keynote：Flink Towards Streaming Data Warehouse

摘要：本文整理自ApacheFlink中文社区发起人、阿里巴巴开源大数据平台负责人王峰（莫问），在FlinkForwardAsia2022主会场的分享。本篇内容主要分为四个部分：实时流计算全球范围事实标准2022数据实时化技术创新不止StreamingDataWarehouse流式数仓Demo点击查看直播回放&演讲PPT一、实时流计算全球范围事实标准ApacheFlink社区从2014年诞生到20
·2022-12-24 22:01

开集识别(Open Set Recognition, OSR)算法：《Towards Open Set Deep Networks》OpenMax

写完了论文，重新梳理一下，以后不再更新。1.相关论文源码《TowardsOpenSetDeepNetworks》即OpenMax源码:https://github.com/abhijitbendale/OSDN《Meta-Recognition:TheTheoryandPracticeofRecognitionScoreAnalysis》即libMR，OpenMax使用libMR完成Weibull
夜猫子熬夜云撸猫·2022-12-24 15:33

【虚拟试衣论文笔记】Towards Scalable Unpaired Virtual Try-On via Patch-Routed Spatially-Adaptive GAN

论文地址：https://proceedings.neurips.cc/paper/2021/file/151de84cca69258b17375e2f44239191-Paper.pdf项目地址：https://github.com/xiezhy6/PASTA-GAN为了实现一个能够以无监督的方式在源和目标人之间迁移任意服装的可扩展的虚拟试穿方法，本文提出了一种纹理保持的端到端网络，即**PAt
橙子的科研日记·2022-12-24 13:26

Towards BCI-based Interfaces for Augmented Reality: Feasibility, Design and Evaluation

TowardsBCI-basedInterfacesforAugmentedReality:Feasibility,DesignandEvaluation迈向基于脑机接口的增强现实：可行性，设计和评估文章目录TowardsBCI-basedInterfacesforAugmentedReality:Feasibility,DesignandEvaluation迈向基于脑机接口的增强现实：可行性，设
MissXy_·2022-12-24 13:34

【文字识别】SRN - Towards Accurate Scene Text Recognition with Semantic Reasoning Networks

提出背景通常的识别模型，例如CRNN，只使用RNN来隐式的建模语义信息。然而，我们发现基于RNN的方法存在一些明显的缺点，如时间依赖的解码方式和语义上下文的单向串行传输，这极大地限制了RNN的语义信息和计算效率。其中引入了一个全局语义推理模块（GSRM），通过多路并行传输的方式来捕获全局语义上下文。对比multi-way并行模式，one-way串行模式有以下几个缺点：从每个解码时间步长只能感知非常
阿飞大魔王·2022-12-24 11:24

【论文阅读】Towards Time-Aware Knowledge Graph Completion

TowardsTime-AwareKnowledgeGraphCompletion重点：知识图谱中考虑时间因素time实现知识图谱的补全。框架模型1)Time-AwareEmbeddingTaskModel对于任意正向训练四元组(ei,rk,ej,trk)(e_i,r_k,e_j,t_{r_k})(ei,rk,ej,trk),具有相同的头实体和相应的时间顺序关系对(rk,rl)(r_k,r_l)(
上串下跳·2022-12-23 07:24

Towards Cross-Modality Medical Image Segmentation with Online Mutual Knowledge Distillation论文的研读

TowardsCross-ModalityMedicalImageSegmentationwithOnlineMutualKnowledgeDistillation论文的研读原文出处：英文原文本文主要翻译了摘要引言以及结论部分，方法以及结果部分捡重点进行翻译研读，有不恰当之处，敬请指出！摘要：深度卷积神经网络的成功部分归功于大量注释的训练数据。然而，在实践中，获取医疗数据注释通常是昂贵且耗时的。考
我就是我2333·2022-12-22 10:16

Deep Forest: Towards an Alternative to Deep Neural Networks (阅读笔记)

Thisisanoriginalarticle.Pleaseindicatereferenceifreproduced.Introduction首先，文中阐述了深度神经网络的一些缺陷，主要分为三个方面：-数据-有监督的深度学习方法通常都需要大量的数据用来训练，即使训练出来的模型是应用在小规模数据的任务上。-即使是在获得大量数据的情况下，通常也会面临数据标注的问题，因为大量数据的标注通常花费高昂。-
xue_wenyuan·2022-12-22 08:34

Towards Evaluating the Robustness of Neural Networks详解

论文信息题目：TowardsEvaluatingtheRobustnessofNeuralNetworks作者：NicholasCarlini,DavidWagner会议：ICLR(InternationalConferenceonLearningRepresentations)单位：MIT-IBMWatsonAILab,IBMResearch论文内容关于JSMA中选择像素对来进行修改的方法，作者
pinn山里娃·2022-12-19 18:04

论文那些事—Towards Evaluating the Robustnessof Neural Networks

TowardsEvaluatingtheRobustnessofNeuralNetworks（神经网络鲁棒性评价）1、摘要及背景2016年提出一中蒸馏网络的防御方法(梯度屏蔽），蒸馏网络的作者声称防御蒸馏能够击败现有的攻击算法，并且将他们的攻击成功率从95%降低到5%。这种防御方法通常用于任何前馈神经网络，只需要一个单独的训练步骤，就能够防御当前所存在的对抗样本。本文作者对防御性的蒸馏网络提出了挑
凉茶i·2022-12-19 18:33

Towards Evaluating the Robustness of Neural Networks

这是一篇论文阅读笔记，论文原文：神经网络的鲁棒性评价写在前面  本人在阅读这篇论文的时候也参考了别人的博文，参考博文的链接我会在文章最后的参考资料中列举出来，如有侵权请联系我删除。本文主要是对这篇论文的一些思想的理解，包括公式推导还有一些总结。除此之外发现原文在论文第6页中提出的7个目标函数中，第5个目标函数有错误，主要是对数里面的式子写反了，如果是仔细看的话是能够看出来的。原来的式子如下面的公式
馆主君晓·2022-12-19 18:33

Towards Evaluating the Robustness of Neural Networks(翻译，侵删)

TowardsEvaluatingtheRobustnessofNeuralNetworks面向评估神经网络的鲁棒性论文地址https://ieeexplore.ieee.org/abstract/document/7958570摘要深度网络对于大多数的机器学习任务提供了顶尖的结果。不幸的是，深度网络容易受到对抗样本攻击：给定一个输入xxx和任何类别ttt，有可能找到一个新的输入x′x^\prim
turb_csdn·2022-12-19 18:29

对抗机器学习论文-Towards Evaluating the Robustness of Neural Networks（CW2）

TowardsEvaluatingtheRobustnessofNeuralNetworks文章目录TowardsEvaluatingtheRobustnessofNeuralNetworks摘要1介绍2背景2.1威胁模型2.2攻击样本2.3距离度量2.4防御蒸馏方法介绍3攻击算法3.1L-BFGS3.2FGSM3.3JSMA3.4Deepfool4提出的方法4.1目标函数4.2盒子约束（Boxc
冰羽vee9·2022-12-19 18:58

AAAI-2020-SiamFC++：Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines阅读笔记

论文代码地址：https://github.com/MegviiDetection/video_analystAAAI2020论文未开源一、写作动机以往的方法提出了多种目标状态估计方法，但很少考虑到视觉跟踪问题本身的特殊性。跟踪问题可以被视为分类任务和估计任务的组合。第一个任务是通过分类提供一个鲁棒的目标粗定位。第二个任务是估计一个准确的目标状态，通常用一个边界框表示。虽然现代跟踪器已经取得了显著
菜菜子hoho·2022-12-18 01:38

[论文阅读 2020 AAAI 目标跟踪]SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation

简介paper:SiamFC++:TowardsRobustandAccurateVisualTrackingwithTargetEstimationGuidelinescode:MegviiDetection/video_analyst这篇论文在SiamFC基础上进行了改进，提出了SiamFC++,并在OTB2015,VOT2018,LaSOT,GOT-10k和TrackingNet上取得了SO
lingqing97·2022-12-18 01:37

《SiamFC++：Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines》论文笔记

参考代码：video_analyst1.概述导读：这篇文章指出之前的一些跟踪算法没有深入讨论针对跟踪任务的实质，很多时候只是在某些点上进行突破，因而最后方法的性能总是有局限性的。对此文章深入分析了跟踪网络的特性，因而对跟踪网络的设计提出了4点建议：G1（目标位置估计和目标判别需要接耦，分别具有各自的分支）/G2（目标判别置信度不能与实际相模糊）/G3（不能依赖数据分布等先验知识，否则导致泛化性鲁棒
m_buddy·2022-12-18 00:36

目标跟踪 SiamFC++ （Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines）

文章标题：《SiamFC++：TowardsRobustandAccurateVisualTrackingwithTargetEstimationGuidelines》文章地址：https://arxiv.org/abs/1911.06188github地址：https://github.com/MegviiDetection/video_analyst2020年AAAI（Proceedingso
Yemiekai·2022-12-18 00:01

Temporal Segment Networks:Towards Good Practices for Deep TSN论文精读笔记

TemporalSegmentNetworks:TowardsGoodPracticesforDeepTSN论文精读笔记这篇论文首先解决了双流卷积网络只能处理较短视频帧的缺陷，论文的主要贡献是提出了TemporalSegmentNetwork，他基于长范围时间结构建模，结合了稀疏时间采样策略和视频级别监督，使得神经网络能够处理较长的时间段，且效果较好。其次，论文还确定了很多很好用的技巧，比如如何进
Encounter84·2022-12-17 14:51

TSN泛读【Temporal Segment Networks: Towards GoodPractices for Deep Action Recognition】

目录0、前沿1、标题2、摘要3、结论4、重要图表5、解决了什么问题6、采用了什么方法7、达到了什么效果0、前沿泛读我们主要读文章标题，摘要、结论和图表数据四个部分。需要回答用什么方法，解决什么问题，达到什么效果这三个问题。需要了解更多视频理解相关文章可以关注视频理解系列目录了解当前更新情况。TSN论文下载：https://arxiv.org/pdf/1608.00859.pdfhttps://ar
weixin_47341656·2022-12-17 14:20

Temporal Segment Networks: Towards Good Practices for Deep Action Recognition

论文笔记（3）TemporalSegmentNetworks:TowardsGoodPracticesforDeepActionRecognition主要贡献TSN实验细节实验结果TemporalSegmentNetworks:TowardsGoodPracticesforDeepActionRecognition主要贡献1.提出了一种新型的基于视频的行为识别的网络结构——TemporalSegm
LMW4444·2022-12-17 14:19

【视频理解】TSN Temporal Segment Networks: Towards Good Practices for Deep Action Recognition 笔记

TemporalSegmentNetworks:TowardsGoodPracticesforDeepActionRecognitionhttps://arxiv.org/abs/1608.00859https://github.com/yjxiong/temporal-segment-networkshttps://github.com/yjxiong/tsn-pytorch时间分段网络（TSN
鹿鹿最可爱·2022-12-17 14:45

【论文阅读】Temporal Segment Networks: Towards Good Practices for Deep Action Recognition

Abstract卷积网络在动作识别领域带来的提升不像图像领域那么大提出TSN，基于长距离时序建模的思想，结合时序稀疏采样(sparsetemporalsampling)策略和视频级监督(video-levelsupervision)进行视频动作识别。Introduction卷积网络在图像分类上取得了巨大的成功，但在视频动作识别上却没有取得相应的大幅度提升（相对传统手工特征）动作识别主要需要学习视频
Mr. Anonymous·2022-12-17 14:11

多类别目标计数 Towards Partial Supervision for Generic Object Counting in Natural Scenes 论文笔记

多类别目标计数TowardsPartialSupervisionforGenericObjectCountinginNaturalScenes论文笔记一、摘要二、引言三、相关工作3.1自然场景中通用的目标计数3.2监控现场的人群计数3.3在有限制监督上的通用目标计数3.4与之前版本的不同之处四、带有部分监督的通用目标计数五、低数量(LC)监督框架5.1图像分类分支5.2密度分支5.2.1硬空间指导
乄洛尘·2022-12-16 08:05

CVPR_2019:Towards Real Scene Super-Resolution With Raw Images

利用原始图像（rawimages）实现真实场景的超分辨率摘要由于（1）缺乏真实的训练数据和（2）模型输入的信息丢失，大多数现有的超分辨率方法在实际场景中表现不佳。为了解决问题，本文：（1）提出了一种新的管道，通过模拟数码相机的成像过程来生成逼真的训练数据（2）开发了一个双卷积神经网络来利用原始图像捕获的射线信息。此外，提出了学习空间变化的颜色变换，这有助于更有效的颜色校正。一、介绍用以表示对象的像
M_Y_Y_·2022-12-15 01:13

JDE 《Towards Real-Time Multi-Object Tracking》学习笔记

论文链接：https://arxiv.org/pdf/1909.12605.pdf代码链接：https://github.com/Zhongdao/Towards-Realtime-MOT翻译链接：https
学学没完·2022-12-14 14:39

多目标跟踪算法(JDE)Towards Real-Time Multi-Object Tracking训练方法

论文链接：https://arxiv.org/pdf/1909.12605v1.pdf代码链接：https://github.com/Zhongdao/Towards-Realtime-MOT作者给的数据集链接
耳东广大木木·2022-12-14 14:38

JDE（Towards Real-Time Multi-Object Tracking）代码训练——小白必看

数据集制作1.可直接下载作者给的数据集，是制作好的论文链接：https://arxiv.org/pdf/1909.12605v1.pdf代码链接：https://github.com/Zhongdao/Towards-Realtime-MOT
来吧，搞学习了！·2022-12-14 14:37

Towards-Realtime-MOT源代码学习之JDETracker中的update()函数

该函数主要作用是将模型的预测输出进行处理，计算当前帧所检测到的目标对象与已有目标对象（前一帧所跟踪到的、一定时间内跟丢的、前一帧新出现的目标）之间的特征距离、iou距离，得到当前帧目标对象与已有目标对象的最佳匹配，然后根据目标对象的状态（跟住、跟丢、新出现、跟丢又出现、新出现但跟丢）进行相应的处理self.frame_id+=1activated_starcks=[]#activated_star
想成为书呆子·2022-12-14 14:07

（KDD2020）论文笔记---------XGNN: Towards Model-Level Explanations of Graph Neural Networks

0、最近在看一篇关于在模型层面上做可解释的图神经网络，记录一下。论文链接：XGNN：TowardsModel-LevelExplanationsofGraphNeuralNetworksAbstract图神经网络通过聚合邻居节点的信息来学习节点特征，虽然在许多图任务上取得了较大的成功，但是GNN和传统的深度学习模型一样，是黑盒模型。如果不能理解GNN模型，就不能完全信任它们。本文作者提出了一种在模
Laiguibing521·2022-12-11 18:37
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他