efficient 第37页

『ML』用Python实现聚类效果的评估（轮廓系数、互信息）

本文介绍两种聚类评估方法，轮廓系数（SilhouetteCoefficient）以及标准化互信息（NMI），并且用Python实现。

来日凭君发遣·2022-12-20 19:06

深度学习经典论文汇总

2014）：使用3x3卷积构造更深的网络GoogleNet（2014）：使用并行架构构造更深的网络ResNet（2015）：构建深层网络的残差连接MobileNet（2017）：适合终端设备的小CNNEfficientNet

下雨天吃火锅哩·2022-12-20 17:16

【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

Informer: Beyond Efficient Transformer for Long SequenceTime-Series Forecasting

BeyondEfficientTransformerforLongSequenceTime-SeriesForecasting就是用Transformer的方法来对长时间的序列进行一个预测的问题。

lwera·2022-12-20 17:32

【论文阅读】Informer：Beyond Efficient Transformer for Long Sequence Time-Series Forecasting

【论文阅读】Informer：BeyondEfficientTransformerforLongSequenceTime-SeriesForecasting原文：https://arxiv.org/abs

goldwater2020·2022-12-20 17:01

论文解读10——Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting

目录1、文章贡献2、有效的self-attention机制3、ProbSparseself-attention机制4、self-attentiondistilling5、Generativestyledecoder6、实验1、文章贡献这篇是2021年AAAI的bestpaper，主要提出了Informer模型来解决Transformer中无法用于长时间序列预测的问题，提高了长时间序列预测问题的能力

对流层的酱猪肘·2022-12-20 17:57

AI大语音（四）——MFCC特征提取（深度解析）

1特征提取流程在语音识别和话者识别方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scaleFrequencyCepstralCoefficients，简称MFCC）。

AI大道理·2022-12-20 12:51

Triangle Attack: A Query-efficient Decision-based Adversarial Attack

TriangleAttack:AQuery-efficientDecision-basedAdversarialAttack三角攻击:一种查询高效的基于决策的对抗性攻击Abstract基于决策的攻击对实际应用程序构成了严重的威胁

程序媛堆堆·2022-12-20 12:47

python学习笔记（22）——皮尔逊相关系数运用（SciPy库）

Ama_tor·2022-12-20 09:53

阅读文献(一):Joint Sensing and Communication-Rate Control for Energy Efficient Mobile Crowd Sensing

目录前言一、文章的摘要1.文章要解决的问题2.文章提出的解决方法二、文章的引言1.WSN(无线感知网)2.DRRM(差异化无线电资源管理)3.SP结构(String-pulling)三、模型与公式四、模型的求解与各种定理1.传输与传感速率的联合优化1.速度控制的最优结构2.最优高度的搜索域3.搜索域的划分4.搜索高度2.关于缓冲区容量有限的扩展情况1.模型建立2.搜索域的确定3.给定"height

Ali forever·2022-12-20 08:13

Tensorflow Lite 笔记(二)

tensorflowlitemodelmakermetadatawhichprovidesastandardformodeldescriptionsThedefaultmodelisEfficientNet-Lite0

XianxinMao·2022-12-20 05:11

超越nnFormer！UNETR++：高效准确的3D医学图像分割

UNETR++:DelvingintoEfficientandAccurate3DMedicalImageSegmentation论文链接：https://arxiv.org/abs/2212.04497

机器学习社区·2022-12-20 02:36

论文阅读|Shunted Self-Attention

ShuntedSelf-AttentionviaMulti-ScaleTokenAggregation代码目录AbstractIntroductionContributionsRelatedWorkSelf-AttentioninCNNsVisionTransformerEfficientViTVariantsMethod3.1

xiaoweiyuya·2022-12-19 14:27

ChannelNets: 省力又讨好的channel-wise卷积，在channel维度进行卷积滑动 | NeurIPS 2018

channel维度上进行滑动，巧妙地解决卷积操作中输入输出的复杂全连接特性，但又不会像分组卷积那样死板，是个很不错的想法来源：晓飞的算法工程笔记公众号论文:ChannelNets:CompactandEfficientConvolutionalNeuralNetworksviaChannel-WiseConvolutions

晓飞的算法工程笔记·2022-12-19 11:58

【论文阅读笔记】【ARXIV2105】An Efficient Pyramid Split Attention Block on Convolutional Neural Network

源文https://arxiv.org/abs/2105.14447源代码https://github.com/murufeng/EPSANetIntroductionModelPyramidSplitAttention(PSA)在SENet的基础上提出多尺度特征图提取策略，整体结构图如下所示。具体可分为如下四个步骤：SplitandConcat(SPC)模块用于获得空间级多尺度特征图；SEWei

creami11·2022-12-19 11:57

[模型压缩/加速]-加速卷积计算的三种方法-Depth-wise Conv、Group Conv、Channel-wise Conv

2.Depth-wiseConv出自论文《MobileNets:EfficientConvolutionalNeu

orangezs·2022-12-19 11:26

Introduction to modern cryptography阅读笔记（三）

Aschemesatisfyingaweakerdefinitionmaybemoreefficientthananotherschemesatisfyingastrongerdefinition.一个安全方

Annalovecoding·2022-12-18 22:35

51、Recursive-NeRF: An Efficient and Dynamically Growing NeRF

简介github主页：https://github.com/Gword/Recursive-NeRFRecursive-nerf的核心是学习查询坐标的不确定性，代表每一级预测颜色和体积强度的质量。只有具有高不确定性的查询坐标才会被转发到下一层具有更强大表示能力的更大的神经网络。最终渲染的图像是由各级神经网络的结果组成的贡献点一种递归场景渲染方法，一旦输出质量足够好，早期终止阻止进一步处理，以大大减

C--G·2022-12-18 20:28

夏安　　　·2022-12-18 16:37

【神经网络】(18) EfficientNetV2 代码复现，网络解析，附Tensorflow完整代码

各位同学好，今天和大家分享一下如何使用Tensorflow搭建EfficientNetV2卷积神经网络模型。

立Sir·2022-12-18 15:11

【深度学习】(6) EfficientNetV2 代码复现，网络解析，附pytorch完整代码

ShuffleNetV2的原理和TensorFlow2实现方法可以看我下面这篇博文，建议大家看一下https://blog.csdn.net/dgvv4/article/details/1235988471.模型介绍EfficientNetV2

立Sir·2022-12-18 14:35

Efficientdet源码详解

1.参数配置最重要的参数配置如下-p:配置文件，需要在project文件夹下新建配置文件-c:efficientdet的版本,efficientdetB0-B7-n:windows为0，linix根据自己的需求修改

樱花的浪漫·2022-12-18 08:53

SurfelMeshing 解析

ElasticFusion），该算法由四大部分组成surfelreconstruction，采用ElasticFusion的方式进行面元重建；surfeldenoising，创新点；meshing，采用Afastandefficientprojection-basedapp

漫漫人生路lz·2022-12-18 08:23

论文精读:EfficientDet: Scalable and Efficient Object Detection

Abstract首先，本篇论文提出了一种加权双向特征金字塔网络（BiFPN），进行简单、快速的多尺度特征融合；其次，作者提出了一种复合尺度方法，同时统一调整所有主干、特征网络和box/类别预测网络的分辨率、深度和宽度。基于这些优化和更好的骨干，提出了一个目标检测算法称为Effificientdet.1.Introduction目标检测算法有两个挑战:挑战1：高效的多尺度特征融合——FPN、PANe

樱花的浪漫·2022-12-18 07:13

医学图像分割框架

1、CoTr：基于CNN和Transformer进行3D医学图像分割3D2021年GitHub-YtongXie/CoTr:[MICCAI2021]CoTr:EfficientlyBridgingCNNandTransformerfor3DMedicalImageSegmentation2

c_daofeng·2022-12-18 07:43

Attention注意力机制——ECANet以及加入到1DCNN网络方法

原文：https://arxiv.org/abs/1910.03151代码：https://github.com/BangguWu/ECANet论文题目：ECA-Net:EfficientChannelAttentionforDeepConvolutionalNeuralNetworks

梁梁จุ๊บ·2022-12-18 01:43

论文解读《Semi-supervised Contrastive Learning for Label-efficient Medical Image Segmentation》

论文解读《半监督对比学习高效标签的医学图像分割》期刊名：MICCAI2021代码：代码地址论文地址：论文地址一、摘要：1）深度学习在医学图像分割中，依赖标注数据的监督训练。2）生物医学图像的注释需要该领域知识。3）对比学习学习数据（不带标签）有利于隐藏层特征提取。4）预训练处理部分标签信息，监督局部对比损失，相同标签的像素聚集在嵌入空间（embeddingspace）周围。5）计算损失需要像素级的

渔歌畅晚·2022-12-17 22:07

python获取word页数_使用Python的word文档的页数(Number of pages of a word document with Python)...

Isthereawaytogetefficientlythenumberofpagesofaworddocument(.d

weixin_39528559·2022-12-17 13:04

几种常见的距离计算公式

欧氏距离2.曼哈顿距离3.切比雪夫距离4.闵氏距离5.标准化欧氏距离6.余弦相似度7.马氏距离**协方差矩阵S的介绍：**8.汉明距离9.巴氏距离10.杰卡德相似系数(Jaccardsimilaritycoefficient

lijfrank·2022-12-17 12:26

《机器学习》周志华--第9章聚类笔记+习题

www.cnblogs.com/hzcya1995/p/13302691.html9.1聚类任务9.2性能度量基于式(9.1)~(9.4)，可导出下面这些常用的聚类性能度量外部指标：Jaccard系数(JaccardCoefficient

汪呀呀呀呀呀呀呀·2022-12-17 10:05

Efficient Zero-shot Event Extraction with Context-Definition Alignment论文解读

EfficientZero-shotEventExtractionwithContext-DefinitionAlignmentcode：tencent-ailab/ZED:ThisistherepositoryforEMNLP2022paper

Trouble..·2022-12-17 08:39

深度学习中的Graph Embedding方法

1、第一部分Word2vec基础[Word2Vec]EfficientEstimationofWordRepresentationsinVectorSpace(Google2013)Google的TomasMikolov

winner8881·2022-12-17 00:22

深入理解MFCC（梅尔频率倒谱系数）

从倒谱图出发MFCC是MelFrequencyCepstralCoefficient的简称，要理解MFCC特征，就需要先明白这里引入的一个新的概念——Cepstral，这个形容词的名词形式为Cepstrum

DEDSEC_Roger·2022-12-16 21:29

DeiT：使用Attention蒸馏Transformer

题目：Trainingdata-efficientimagetransformers&distillationthroughattention【GiantPandaCV导语】Deit是一个全Transformer

*pprp*·2022-12-16 19:22

文献阅读：Training data-efficient image transformers & distillation through attention

Trainingdata-efficientimagetransformers&distillationthroughattention1.四个问题要解决什么问题解决Transformer在图像分类问题中对数据集的限制用什么方法解决作者提出

MRzzyy·2022-12-16 19:22

yolov5修改骨干网络-使用自己搭建的网络-以efficientnetv2为例

yolov5修改骨干网络–原网络说明yolov5修改骨干网络-使用pytorch自带的网络-以Mobilenet和efficientnet为例yolov5修改骨干网络-使用自己搭建的网络-以efficientnetv2

猛男技术控·2022-12-16 16:59

深度学习语义分割标签图像独热编码 (one hot encoding)

label的shape相同，因此需要对label进行one-hotencoding分割中的独热编码示例python代码实现Python实现的思路参考https://discuss.pytorch.org/t/efficient-way-to-one-hot-encode-whole-i

Simon---Chen·2022-12-16 13:31

CRNN骨干网络替换指南

但当时所用的骨干网络直接早已落后于现在的AUTOML搜索，比如：mobilenetv3,efficientnet。

mochp·2022-12-16 13:17

使用python计算多项式_Python是否具有计算多项式系数的函数？

IwaslookingforaPythonlibraryfunctionwhichcomputesmultinomialcoefficients.Icouldnotfindanysuchfunctioninanyofthestandardlibraries.Forbinomialcoefficients

weixin_39890102·2022-12-16 11:32

Next-ViT论文详解

Next-ViT:NextGenerationVisionTransformerforEfficientDeploymentinRealisticIndustrialScenarios论文：https:

蓝色兔子·2022-12-16 08:19

yolov5修改骨干网络--原网络说明

yolov5修改骨干网络–原网络说明yolov5修改骨干网络-使用pytorch自带的网络-以Mobilenet和efficientnet为例yolov5修改骨干网络-使用自己搭建的网络-以efficientnetv2

猛男技术控·2022-12-16 08:08

减小模型训练成本的视频动作识别 Efficient Video Transformers with Spatial-Temporal Token Selection 论文精读笔记

减小模型训练成本的视频动作识别EfficientVideoTransformerswithSpatial-TemporalTokenSelection论文笔记一、Abstract二、引言三、相关工作3.1VisionTransformers3.2EfficientVideoRecognition3.3DifferentiableTokenSelection

乄洛尘·2022-12-16 08:36

【ARXIV2207】Next-ViT: Next Generation Vision Transformer for Efficient Deployment

【ARXIV2207】Next-ViT:NextGenerationVisionTransformerforEfficientDeploymentinRealisticIndustrialScenarios

AI前沿理论组@OUC·2022-12-16 08:32

EfficientFormer：在iPhone上能实时推理的ViT模型

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达转载自：集智书童EfficientFormer:VisionTransformersatMobileNetSpeed论文：https:

Amusi（CVer）·2022-12-16 08:31

论文笔记《Next-ViT: Next Generation Vision Transformer for Efficient Deployment inRealistic Industrial 》

Abstract由于复杂的注意机制和模型设计，现有的大多数视觉变形器(ViTs)在现实工业部署场景中无法像卷积神经网络(CNNs)那样高效，如TensorRT和CoreML。这就提出了一个明显的挑战:视觉神经网络能否设计得像CNNs一样快，像ViTs一样强大?在这些工作中，我们提出了在现实工业场景中有效部署的下一代愿景变压器，即next-vit，它从延迟/精度权衡的角度主导了CNNs和vit。分别

MarvinP·2022-12-16 08:30

Next-ViT学习笔记

Next-ViT学习笔记Next-ViT:NextGenerationVisionTransformerforEfficientDeploymentinRealisticIndustrialScenariosAbstract

麻花地·2022-12-16 08:29

使用条件向量的轻量级增强网络-CSRNet分享

目录论文简介网络介绍工作原理说明网络代码试验结果消融试验basenetworkconditionnetworkmodulationstragegy总结论文简介论文题目：ConditionalSequentialModulationforEfficientGlobalImageRetouching

图像算法菜鸟·2022-12-16 03:56

SAM解析：Sharpness-Aware Minimization for Efficiently Improving Generalization

论文：Sharpness-AwareMinimizationforEfficientlyImprovingGeneralization(ICLR2021)一、理论综合了另一篇论文：ASAM:AdaptiveSharpness-AwareMinimizationforScale-InvariantLearningofDeepNeuralNetworks

wukurua·2022-12-15 22:14

推荐频道

efficient