beyond

小文笔～致最好的音乐人～黄家驹(Beyond)

或许最璀璨的梦，需要用一切去实践，需要靠妥协来进展，更需要用生命来画一个或许并不完美的句点……beyond四子也许在最光辉灿烂的时候，把生命一下子玩到尽头，这就是永恒吧……乐队正值上升的高峰期，一切都好像步入正轨
1辈子陪我走·2023-01-26 12:35

《不再犹豫》焕起我内心的动力

是否能记得Beyond乐队，一曲《不再犹豫》焕起了多少青春的动力；让多少处在踌躇徘徊之人，有了激情，成就一个个梦想；让多少青春不负年华，让多少光阴从此厚重。
阿建w·2023-01-25 23:59

论文阅读|POET

End-to-EndTrainableMulti-InstancePoseEstimationwithTransformers目录AbstractIntroductionRelatedWorkTransformersinvisionandbeyondPoseestimationThePOETmodelPOETarchitectureCNNbackboneEncoder-Decodertr
xiaoweiyuya·2023-01-24 07:07

【学习资源】理解数学和热爱数学

在科学和工程实践中运用数学和计算思维2.人工智能里的数学3.用ADEPT模型理解复杂的概念4.参考书籍5.数据和计算的局限之处图片来源：Memorizationvs.Automaticity:BacktoBasicsorBeyondtheBasics
苹果二·2023-01-20 12:12

Beyond YOLOv8！| YOLOv6 v3.0 is coming!

Paper:https://arxiv.org/pdf/2301.05586.pdfCode:https://github.com/meituan/YOLOv6引言没啥好说的，YOLO这发新的速度，股市打新都没这么猛，卷王来了都不敢吭声。今天主要是带大家光速过一遍YOLOv6v3.0版本带来了更新，不做技术解读，先占个坑。YOLOv8才正视宣布开源没几天，YOLOv6就在新年到来前发布版本了，该版
CVHub·2023-01-20 02:41

编程人员常用工具软件

比如发送SIP或HTTP报文二、BeyondCompare4用来比较代码、文本、二进制内容的差异。
浪游东戴河·2023-01-18 18:25

74、Beyond RGB: Scene-Property Synthesis with Neural Radiance Fields

简介Listitem论文地址：http://arxiv-export3.library.cornell.edu/abs/2206.04669v1利用隐式三维表示和神经渲染的最新进展，从综合模型的角度提供了一种新的场景理解方法，能够从新颖的视点渲染照片逼真的RGB图像，而且还能够渲染各种精确的场景属性(例如，外观、几何和语义)。便于在统一的框架下解决各种场景理解任务，包括语义分割、表面法向估计、重塑
C--G·2023-01-16 14:09

BasicVSR The Search for Essential Components in Video Super-Resolution and Beyond（视频超分论文解析）

BasicVSR:TheSearchforEssentialComponentsinVideoSuper-ResolutionandBeyond（视频超分）提出了一个新的pipeline，BasicVSR
AiArt_H·2023-01-15 15:05

【图像超分辨率论文】BasicVSR: The Search for Essential Components in Video Super-Resolution and Beyond

BasicVSR:TheSearchforEssentialComponentsinVideoSuper-ResolutionandBeyondAbstract视频超级分辨率（VSR）方法往往比图像对应的组件多
jaeden_xu·2023-01-15 15:04

BasicVSR: The Search for Essential Components in Video Super-Resolution and Beyond阅读笔记

BasicVSR:TheSearchforEssentialComponentsinVideoSuper-ResolutionandBeyondBasicVSR：寻找视频超分辨率及更高分辨率的关键组件论文
写Bug的小廉·2023-01-15 15:31

抗锯齿技术深度解析

前一段上网扒文的时候我发现了Beyond3D的这篇文章1，觉得挺有意思。相较于目前大部分中文媒体2和论坛对抗锯齿的探讨而言，这篇文章解说的更浅更系统，涵盖的范围更广，案例也比较生动。
麦晓宇·2023-01-15 08:04

BeyondDesk 桌面小工具集合/时钟日历黄历便签相框天气时间/托盘时钟 [开放代码]

技术特点：主要功能皆开放源码，C++开发，支持winxp及以上的所有windows平台，也可以wine兼容的方式运行在linux桌面上。UI采用了二次开发的Duilib，插件结构，所有子功能皆为插件，可以动态删减。观察者模式的异步事件架构。功能：主要在桌面上显示各种小工具，每种小工具皆为插件实现，灵活，伸缩性强。包含桌面轮播相框、日历、天气、日期/时间倒计时、节日、便签、各种样式的时钟。一个软件集
Up to the mountain·2023-01-14 16:06

关于边缘计算机系统的调研报告,【论文推荐】边缘计算:对当前计划的全面调查和可持续边缘计算发展的路线图...

题目：Blockchainfor5GandBeyondNetworks:AStateoftheArtSurvey摘要：第五代(5G)无线网络即将在全球部署。
小子骚骚·2023-01-14 14:41

Pretrained-Model-02-Transformer-XL阅读笔记

文章题目：Transformer-XL:AttentiveLanguageModelsBeyondaFixed-LengthContext发表会议及时间：2019-ACL1、背景知识2、相关工作ValillaTransformer
小杰.·2023-01-14 07:55

Transformer-XL论文笔记

论文地址：Transformer-XL::AttentiveLanguageModelsBeyondaFixed-LengthContext摘要Transformer具有学习长期依赖的能力，但是在语言模型的设置中
牧童在路上·2023-01-14 07:25

Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context

Transormer-XL主要工作研究问题固定长度的上下文设置对于模型的限制。文章贡献介绍一种segment级别的递归机制。提出一种新的位置编码方式。模型介绍VanillaTransformer为解决问题：如何将任意长度的上下文输入表示为有限大小的上下文。方法1：给一个无限内存和计算能力，用一个无条件的Transformer处理整个上下文序列，类似于前馈神经网络。方法2：而可行的方法是划分整个语料
刘皮狠·2023-01-14 07:55

【PTM】Transformer-XL：捕捉超长上下文依赖

今天学习的是谷歌大脑的同学和CMU的同学于2019年联合出品的论文《Transformer-XL:AttentiveLanguageModelsBeyondaFixed-LengthContext》，目前被引次数超
阿泽的学习笔记·2023-01-14 07:54

Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context_学习笔记

Transformer-XL学习笔记一、Transformer-XL出现的原因首先说明Transformer的变形版本Transformer-XL出现的原因：transformer作为一种特提取器，在NLP中有广泛的应用，但是transformer需要对输入的序列设置固定的长度，例如在Bert中，默认设置长度为512，若文本序列长度小于固定长度，可以通过填充0的方式补充序列；若文本序列长度大于固定
敷衍zgf·2023-01-14 07:24

论文阅读“XAI Beyond Classification: Interpretable Neural Clustering”

论文标题XAIBeyondClassification:InterpretableNeuralClustering论文作者、链接作者：Peng,XiandLi,YunfanandTsang,IvorWandZhu
不吃香菜的zbw·2023-01-13 14:08

李宏毅机器学习笔记-Lecture1

李宏毅机器学习笔记-Lecture1_续机器学习基本概念（下）PiecewiseLinearCurvesBeyondPiecewiseLinearCurvesSigmoidFunction各参数对Sigmoid
不废江河954·2023-01-11 20:34

conda env环境配置

https://www.cnblogs.com/beyondChan/p/11010658.html1、首先在所在系统中安装Anaconda。
火星种萝卜·2023-01-11 10:23

语义分割系列22-GCNet（pytorch实现）

GCNet：《GCNet:Non-localNetworksMeetSqueeze-ExcitationNetworksandBeyond》论文链接：ICCV2019：GCNet本文将介绍：GCNet:
yumaomi·2023-01-09 08:40

linux实用技巧：ubuntu16.04安装BeyondCompare文件/文件夹对比工具

的博文大全：开发技术集合（包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等）持续更新中…（点击传送门）Linux实用技巧前言  在ubuntu上使用BeyondCompar
长沙红胖子Qt·2023-01-07 03:12

【时序】Informer：用于长序列预测的高效 Transformer 论文笔记

论文名称：Informer:BeyondEfficientTransformerforLongSequenceTime-SeriesForecasting论文下载：https://arxiv.org/abs
datamonday·2023-01-06 21:44

百度飞浆图像分割课程 笔记07：基于视觉特征的图推理方法 Beyond Grids（Learning Graph Representations for Visual Recognition）

基于视觉特征的图推理方法BeyondGrids：LearningGraphRepresentationsforVisualRecognition具体方法图投影（GraphProjection）本质：把一些特征相似的
享受这时光·2023-01-06 08:54

阅读笔记--《Abstractive Text Summarization using Sequence-to-sequence RNNs and Beyond》

本文主要是对论文中的算法技巧和创新点进行总结介绍，借鉴了一些博主的文章也有一些自己的理解。一、论文的基准模型参考https://blog.csdn.net/dcrmg/article/details/80327069Sequence-to-SequenceSeq2Seq是一类End-to-End算法框架，是从序列到序列转换模型框架，一般是通过Encoder-Decoder（编码/解码）模型实现的，
..Reputation·2023-01-04 20:07

AAAI 2023 | 从谱的角度来看待（图）对比学习

图数据挖掘前言我们主要来介绍一下我们在AAAI23（NeurIPSFastTrack）的中稿，SFA:SpectrumFeatureAugmentationinGraphContrastiveLeanringandBeyond
PaperWeekly·2023-01-01 21:39

BeyondCorp 打造得物零信任安全架构

1.背景当前，大部分企业都使用防火墙(firewall)来加强网络边界安全。然而，这种安全模型是有缺陷，因为当该边界被破坏，攻击者可以相对容易地访问公司的特权内部网。边界安全模型通常被比作中世纪城堡：城墙厚厚的堡垒，四周有护城河，戒备森严单点入口和出口。任何位于墙外的东西都被认为是危险的，而位于墙内的任何东西都是可信的。任何通过吊桥的人可以随时访问城堡的资源。传统的安全模型：当所有员工都在公司提供
网安员阿道夫·2023-01-01 11:50

Beyond 预训练语言模型，NLP还需要什么样的知识？

点击左上方蓝字关注我们近年来，深度学习技术已广泛应用于NLP领域，但实际应用效果往往受限于缺乏大规模高质量监督样本。2018年底，预训练语言模型横空出世，极大缓解了这个问题，通过“超大规模无监督语料上的预训练语言模型+相对少量的监督样本进行任务精调（fine-tuning）”，可以大幅提升各类NLP任务的效果。由于效果显著和应用机制简单，预训练语言模型以前所未有的速度在业界得到广泛应用，各大厂纷纷
飞桨PaddlePaddle·2022-12-31 20:13

机器学习与分布式机器学习_机器学习治疗抑郁症

Machinelearningisahottopicthathaspermeatednumerouspublicandprivateindustries,aswellasadiversespectrumofacademicdisciplines,extendingfarbeyonditshumblecomputerscienceorigins
weixin_26632369·2022-12-30 19:38

CVPR、ICCV、NeurIPS 2021；WACV、AAAI、CVPR2022-去噪系列文章

CVPR2021AdaptiveConsistencyPriorbasedDeepNetworkforImageDenoisingBeyondJointDemosaickingandDenoisingAnImageProcessingPipelineforaPixel-binImageSensorDeepConvolutionalDictionaryLearningforImageDenoisin
love_lqz·2022-12-29 19:16

视频超分：BasicVSR&IconVSR（The Search for Essential Components in Video Super-Resolution and Beyond）

论文：BasicVSR:在视频超分组件上的搜索和超越作者单位：南洋理工大学、腾讯PCG应用研究中心、香港中文大学-商汤科技联合实验室看点本文把改进的双向循环神经网络加入进了超分架构，在Vid4测试集上突破了28dB，亮点如下：本文把视频超分（VSR）看做由四个基本构件组成：传播、对齐、融合、上采样。通过对这些组件的重用和部分修改，构建了一个BasicVSR模型。对BasicVSR进一步进行扩展，添
WangsyHebut·2022-12-27 21:31

解决Beyond Compare不能比较Selinux te文件

由于BC将*.te文件识别为一个可执行文件，即使手动在文件格式里添加对te文件的支持也是无效的会提示：NotavalidTerseExecutable.所以需要将BC默认对te的识别取消掉，以下是方法：点击Tools--->Options---->ArchiveTypes找到TerseExecutable.这一项，然后将后面的Mask删除，即将*.te删掉。重启BC生效
Free飝Fly·2022-12-26 23:10

【阅读笔记】Blockchain management and ML adaptation for IoT environment in 5G and beyond ...

本文目录【阅读笔记】BlockchainmanagementandmachinelearningadaptationforIoTenvironmentin5Gandbeyondnetworks:Asystematicreview
文三路张同学·2022-12-26 10:13

各种注意力机制，MLP，Re-Parameter系列的PyTorch实现

各种注意力机制Pytorchimplementationof"BeyondSelf-attention:ExternalAtte
ronghuaiyang·2022-12-25 16:10

超越自注意力！清华提出EA和EAMLP：使用两个线性层的新注意力机制

CVer”公众号AI/CV重磅干货，第一时间送达作者：国孟昊|已授权转载（源：知乎）https://zhuanlan.zhihu.com/p/376929247本文是对最近我们更新到arxiv的paper：BeyondSelf-attention
Amusi（CVer）·2022-12-25 16:36

外部注意力EA阅读

BeyondSelf-attention:ExternalAttentionusingTwoLinearLayersforVisualTasks超越自我注意：使用两个线性层进行视觉任务的外部注意论文摘要
赫瑟尔·2022-12-25 16:33

计算机视觉与图形学-神经渲染专题-NeRF汇总大礼包-I

001NeRFRepresentingScenesasNeuralRadianceFieldsforViewSynthesisNeRF综述类002NEURALVOLUMERENDERINGNERFANDBEYOND025MultimodalImageSynthesisandE
元宇宙MetaAI·2022-12-25 14:06

ViT中的attention可视化

另外一个方法来自于TransformerInterpretabilityBeyondAttentionVisualization.效果图如下所示：
Tyyy`·2022-12-24 16:28

【新闻】李晓翾先生荣获北美产险精算学会2022年度卓越成就奖

中再产险总精算师李晓翾先生荣获北美产险精算学会2022年度卓越成就奖（2022AboveandBeyondAchievementAward），这也是我国产险保险行业精算从业人员第一次荣获该奖项。
北理工附中J·2022-12-24 13:46

一种巧妙且简单的数据增强方法 - MixUp 小综述

开⼭之作：Mixuppaper:mixup:BEYONDEMPIRICALRISKMINIMIZATION--ICLR2018link:https://arx
zenRRan·2022-12-23 13:45

卷积核大到51x51！SLaK：一种CNN主干新网络

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群转载自：集智书童MoreConvNetsinthe2020s:ScalingupKernelsBeyond51
Amusi（CVer）·2022-12-23 13:54

MORE CONVNETS IN THE 2020S: SCALING UP KER- NELS BEYOND 51 × 51 USING SPARSITY

pdf/2207.03620.pdfcode:https://github.com/VITA-Group/SLaKlinkMORECONVNETSINTHE2020S:SCALINGUPKER-NELSBEYOND51
小小小~·2022-12-23 13:52

陪孩子早读英语第一天

一个月前，开始每天阅读一页英语原版书籍《beyondfeelings》，截止今天，已经读了40多页。写作是加入了007写作社群，7天写一篇，截止今天写了5篇。编程还没有开始，正在计划暂且不提。
amanda_f729·2022-12-23 11:37

bamlss简介

bamlss-ALegoToolboxforFlexibleBayesianRegression(andBeyond)一个灵活的贝叶斯回归乐高工具箱作者:NikolausUmlauf,NadjaKlein
upuil·2022-12-22 20:35

Beyond Self-attention: External Attention usingTwo Linear Layers for Visual Tasks（论文翻译）

摘要注意机制，尤其是自我注意，在视觉任务的深度特征表示中发挥了越来越重要的作用。自注意力通过使用所有位置的成对亲和力计算特征的加权和来更新每个位置的特征，以捕获单个样本中的长期依赖关系。然而，self-attention具有二次复杂度，并且忽略了不同样本之间的潜在相关性。本文提出了一种新的注意力机制，我们称之为外部注意力，它基于两个外部的、小的、可学习的、共享的内存，只需使用两个级联的线性层和两个
MJ5513·2022-12-22 09:39

【论文阅读】Neural Transformation Learning for Deep Anomaly Detection Beyond Images 异常检测，可学习变换，时间序列，表格数据

论文标题：NeuralTransformationLearningforDeepAnomalyDetectionBeyondImages；论文作者：ChenQiu12，TimoPfrommer1，MariusKloft2
me_yundou·2022-12-22 07:46

【paper-note9】Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting

论文作者：HaoyiZhouBeihangUniversity收录：AAAI2021bestpaper前言Transformer[1]模型在NLP领域提出之后，风靡众多领域，有大一统的模式。这篇论文就是对transformer进行改进，提出Informer模型应用在长时序预测领域。该模型设计合理精巧，利用长尾分布截取头部的attention点积对，提高运行效率、降低运行成本；同时模型结合长时序预测
sayhi_yang·2022-12-20 17:38

Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting（2020-12-14）

模型介绍对于长序列时间预测一直是研究的热点，随着预测序列长度增加，预测难度越来越高，LSTF需要模型提高预测能力，本文设计了一个高效的基于Transformer的LSTF模型，名为Informer。informer模型成功地提高LSTF问题的预测能力，验证了类Transformer模型的潜在价值；Informer针对Transformer上的三大问题：二次时间复杂度，高内存消耗，Decoder逐步
不负韶华ღ·2022-12-20 17:37

Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting

摘要许多实际应用需要对长序列时间序列进行预测，例如耗电量计划。长序列时间序列预测（LSTF）需要模型的高预测能力，即高效精确地捕获输出和输入之间的长期依赖关系的能力。最近的研究表明，Transformer具有提高预测能力的潜力。但是，Transformer有几个严重的问题，使其无法直接应用于LSTF，包括二次时间复杂度，高内存使用率，以及编码器-解码器体系结构的局限性。为了解决这些问题，我们为LS
simple_hututu·2022-12-20 17:03
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他