re-id论文学习第4页

基础论文学习（6）——BeiT

BEiT是把BERT模型成功用在image领域的首创，也是一种自监督训练的形式，所以取名为视觉Transformer的BERT预训练模型。这个工作用一种巧妙的办法把BERT的训练思想成功用在了image任务中。BERT：Bidiractional(双向)EncoderRepresentationsfromTransformersSSL自监督学习：机器学习分为有监督学习，无监督学习和强化学习，Sel

Yuezero_·2023-09-03 01:53

ice-ba论文学习

最近百度开源了个slam系统ice-ba，测试发现性能强大，代码方面工程优化做了很多，总的来说前端使用了光流，后端正是论文提出上的增量式BA了。这个增量式的ice-BA主要分为三个部分，全局BA，局部BA以及relative-marg，前两者采用了增量式方法提升了后端速度，后者保证了local-BA和global-BA的一致性对精度有所贡献。GlobalBA论文最先提及的是他们先前已经在Robus

范帝楷·2023-08-31 00:19

YOLO-MS: Rethinking Multi-Scale Representation Learning for Real-time Object Detection(论文学习笔记)

性能超越YOLOv8与RTMDet，即插即用论文地址：https://arxiv.org/pdf/2308.05480.pdf代码地址：文中给了github地址，但是暂时打不开（2023.08.15）摘要作者旨在为目标检测社区提供一种高效且性能卓越的目标检测器，称为YOLO-MS。核心设计基于一系列对不同Kernel-Size卷积如何影响不同尺度上目标检测性能的研究。研究结果是一种可以显著增强实时

athrunsunny·2023-08-30 21:45

基础论文学习（5）——MAE

MAE：MaskedAutoencodersAreScalableVisionLearnersSelf-SupervisedLearningstep1：先用无标签数据集，把参数从一张白纸训练到初步预训练模型，可以得到数据的VisualRepresentationstep2：再从初步成型，根据你下游任务DownstreamTasks的不同去用带标签的数据集把参数训练到完全成型。注意这是2个阶段。第一

Yuezero_·2023-08-26 07:51

论文学习——A Proposal For Foley Sound Synthesis Challenge（如何开发出一个完整的FoleySound系统）

文章目录引言正文AbstractIntroduction问题2CaseStudy：ResearchChallenges3BackGrounds背景3.1PreviousWorksonFoleySoundSynthesis重点！！之前关于伪声合成的相关研究问题3.2ExistingDataset现存数据集4.FoleySoundSynthesisChallenge伪声合成系统的开发难点4.1Cons

客院载论·2023-08-26 06:57

【论文学习】Distortion Agnostic Deep Watermarking

一、前言论文链接：DistortionAgnosticDeepWatermarking论文主要内容：该文献提出了一种失真不可知的鲁棒水印模型，以解决现有DNN鲁棒水印方法的局限性。现有的DNN鲁棒水印方法，通常是在训练阶段将各类失真（例如JPEG压缩、高斯噪声、裁剪等…）纳入端到端网络中的噪声层，进行鲁棒训练，以获得抵抗攻击的鲁棒性。但在实际传输中，水印图像可能面临不同强度和类型的破坏与攻击，无法

小敏同学·2023-08-25 02:39

论文学习——FOLEY SOUND SYNTHESIS AT THE DCASE 2023 CHALLENGE（声音生成介绍）

文章目录引言正文AbstractIntroduction问题2ProblemAndTaskDefinition3.OfficialDatasetAndBaseline第一部分问题4.Evaluation问题4.1Step1：ObjectiveEvaluation问题4.2Step2:SubjectiveEvaluation问题4.3Execution（非重点）5Results6Conclusion

客院载论·2023-08-23 02:23

基础论文学习（2）——DETR

目标检测DETR：End-to-EndDetectionwithTransformerdetr是facebook提出的引入transformer到目标检测领域的算法，效果很好，做法也很简单，相较于RCNN和YOLO系列算法，避免了Proposal/Anchor+NMS的复杂流程。1.detr基本架构对于目标检测任务，其要求输出给定图片中所有前景物体的类别和bbox坐标，该任务实际上是无序集合预测问

Yuezero_·2023-08-22 10:52

基础论文学习（4）——CLIP

《LearningTransferableVisualModelsFromNaturalLanguageSupervision》CLIP的英文全称是ContrastiveLanguage-ImagePre-training，即一种基于对比文本-图像对的预训练模型。CLIP是一种基于对比学习的多模态模型，与CV中的一些对比学习方法如moco和simclr不同的是，CLIP的训练数据是文本-图像对：一

Yuezero_·2023-08-22 10:52

基础论文学习（1）——ViT

VisionTransformer（ViT）模型架构是在ICLR2021上作为会议论文发表的一篇研究论文中介绍的，题为“AnImageisWorth16*16Words:TransformersforImageRecognitionatScale”。它由NeilHoulsby，AlexeyDosovitskiy和Google研究大脑团队的另外10位作者开发和出版。调整代码和预先训练的ViT模型可以

Yuezero_·2023-08-22 10:21

基础论文学习（3）——SwinTransformer

目前Transformer应用到图像领域的挑战：图像分辨率高，像素点多，如果需要更多特征就必须构建很长的序列，但Transformer基于全局自注意力的计算导致计算量较大，能否用窗口+分层的形式代替长序列，实现类似CNN感受野的效果？针对上述问题，我们提出了一种包含滑窗操作，具有层级设计的SwinTransformer，逐层合并tokens。其中滑窗操作包括不重叠的localwindow+重叠的c

Yuezero_·2023-08-22 10:14

行人重识别 A Pose-Sensitive Embedding for Person Re-Identiﬁcation with Expanded Cross Neighborhood Re-...

基于姿态的Re-Id人的体态特征对于完成Re-Id任务来说是一个非常重要的线索。SDALF[1]利用两轴代表体态特征，进一步推演出具有姿态不变性的特征。

EverydayRunning·2023-08-20 03:50

图像去雨、去雪、去雾论文学习记录

All_in_One_Bad_Weather_Removal_Using_Architectural_Search这篇论文发表于CVPR2020，提出一种可以应对多种恶劣天气的去噪模型，可以同时进行去雨、去雪、去雾操作。但该部分代码似乎没有开源。提出的问题：当下的模型只能针对一种恶劣天气进行处理，无法适用于多种复杂恶劣天气目前的去噪数据集都是人为制作的，与真实数据具有差异。创新点1：多合一去噪模型

彭祥.·2023-08-20 02:00

论文解读：DeepSort（目标跟踪）

未考虑同一目标再次出现的重识别(Re-ID)问题。deepSort就是在SORT的基础上进行改进，有效地减少了身份切换的数量，缓解了重识别问题。

AI大道理·2023-08-19 18:48

pytorch学习笔记-----Resnet 残差网络论文学习

发现问题：深层网络训练的效果反而不如浅层网络效果解决办法：一方面更深卷积，另一方面要对未卷积之前的进行映射（个人理解即相当于未进网络的图片分成两条路一条走网络，一条直接拿过来，可以通过训练对两条路的训练效果进行比较调整比重，保证训练的结果至少不比未经网络之前的差）Resnet网络中体现：每个模块都要相上述方法两条路进网络，对于特征图数不同的，我们可以进行卷积操作来增加特征图数量（要求：两条路最终输

cvks·2023-08-13 06:55

论文学习21“Semi-supervised Segmentation of Optic Cup in Retinal Fundus Images Using Variational Autoe...

这是我入AI读的第一篇paper，很简单却很经典的思路。1.题目：Semi-supervisedSegmentationofOpticCupinRetinalFundusImagesUsingVariationalAutoencoder（使用VAE对视网膜光学杯进行半监督分割）2.Paper来源：MICCAI2017；作者，IBM实验室。3.背景：这篇文章是对视杯进行分割，对于青光眼等疾病中，杯盘

Carrie_Hou·2023-08-12 00:37

2019-3-5晨间日记

周目标·完成进度写毕设，论文学习·信息·阅读坚持阅读健康·饮食·锻炼一天只有一餐人际·家人·朋友和舍友改毕设工作·思考最美好的三件事1.睡觉2.吃饭3.看手机思考·创意·未来图片发自App

娜样阳光美丽·2023-08-11 12:44

车道线检测-Eigenlanes 论文学习笔记

论文：《Eigenlanes:Data-DrivenLaneDescriptorsforStructurallyDiverseLanes》代码：https://github.com/dongkwonjin/Eigenlanes核心：在EigenlaneSpace中检测车道线创新点Eigenlane：数据驱动的车道描述符，在特征车道空间中紧凑地表示结构多样化的车道；SIIC-Net：高效地检测和回归

tomeasure·2023-07-31 13:51

Informer 论文学习笔记

论文：《Informer:BeyondEfficientTransformerforLongSequenceTime-SeriesForecasting》代码：https://github.com/zhouhaoyi/Informer2020地址：https://arxiv.org/abs/2012.07436v3特点：实现时间与空间复杂度为O(Lln⁡L)\mathcal{O}(L\lnL)O(

tomeasure·2023-07-31 13:51

车道线检测-LaneATT 论文学习笔记

论文：《KeepyourEyesontheLane:Real-timeAttention-guidedLaneDetection》地址：https://arxiv.org/abs/2010.12035v2代码：https://github.com/lucastabelini/LaneATT整体结构车道线的表示方式Lane={(xi,yi)}i=0Npts−1,yi=i⋅HimageNpts−1La

tomeasure·2023-07-31 13:50

Transformer 论文学习笔记

重新学习了一下，整理了一下笔记论文：《AttentionIsAllYouNeed》代码：http://nlp.seas.harvard.edu/annotated-transformer/地址：https://arxiv.org/abs/1706.03762v5翻译：Transformer论文翻译特点：提出一种不使用RNN、CNN，仅使用注意力机制的新模型Transformer；只关注句内各tok

tomeasure·2023-07-31 13:19

PP-YOLOE 论文学习

1.解决了什么问题？单阶段目标检测器能很好地平衡速度和精度，YOLO系列是其中的代表。YOLOX采用了anchor-free范式，加入了动态标签分配以提升检测表现，在TeslaV100上取得了50.1mAP，速度是68.9FPS。本文提出的PP-YOLOE为了适配各种硬件平台，没有使用可变形卷积、MatrixNMS等操作。如下图，PP-YOLOE在速度和精度方面领先于YOLOX和YOLOv5。2.

calvinpaean·2023-07-29 08:35

2019-06-24 图像分类、目标检测、语义分割、实例分割概念

深度学习与TensorFlow:FCN论文学习笔记https://www.jianshu.com/p/376b1c99c8e7上文用一张图形象生动的阐述了目标识别/场景理解的四个技术概念：图像分类：给定一张图

MarkRyan·2023-07-28 13:29

YOLOv6 论文学习

1.解决了什么问题？吸收了学术圈和工业界最新的目标检测方法，包括网络结构、训练策略、测试技巧、量化和优化方法。作者有如下几点发现：目前还没有人深入研究RepVGG重参数化对检测任务的影响。直接缩放RepVGG模块的效果并不好，对于小模型而言，简单的单通道结构更好，但对于大模型来说，参数量会呈指数增加，计算量极其高昂。对重参数化的检测器做量化要格外小心，因为训练和推理时的网络结构不一致会导致性能大幅

calvinpaean·2023-07-26 22:12

[论文学习]权美香,朴松昊,李国. 视觉 SLAM 综述

摘要视觉SLAM指的是相机作为唯一的外部传感器,在进行自身定位的同时创建环境地图。SLAM创建的地图的好坏对之后自主的定位、路径规划以及壁障的性能起到一个决定性的作用。本文对基于特征的视觉SLAM方法和直接的SLAM方法,视觉SLAM的主要标志性成果,SLAM的主要研究实验室进行了介绍,并介绍了SIFT,SURF,ORB特征的检测与匹配,关键帧选择方法,并对消除累积误差的闭环检测及地图优化的方法进

Eminbogen·2023-07-26 12:16

Training-Time-Friendly Network for Real-Time Object Detection 论文学习

1.解决了什么问题？目前的目标检测器很少能做到快速训练、快速推理，并同时保持准确率。直觉上，推理越快的检测器应该训练也很快，但大多数的实时检测器反而需要更长的训练时间。准确率高的检测器大致可分为两类：推理时间久的的训练时间久的。推理时间久的检测器一般依赖于复杂的后处理逻辑或沉重的检测head。尽管这些设计能提升准确率和收敛速度，但是推理速度很慢，不适合实时应用。为了降低推理速度，人们尝试去简化检测

calvinpaean·2023-07-26 08:28

TOOD Task-aligned One-stage Object Detection 论文学习

1.解决了什么问题？目标检测通过多任务学习的方式，协同优化目标的分类和定位。分类任务会学习目标的判别特征，关注于目标的显著性或关键区域，而定位任务则学习准确地定位目标的边界。因为定位和分类的学习机制不同，这俩任务学到的特征分布也不同。当这两个分支做预测时，会产生一定的错位现象。分类和定位是独立的。两个独立的分支并行地做目标分类和定位，任务之间缺乏交流，会造成预测结果不一致。如下图红色格子，ATSS

calvinpaean·2023-07-26 08:58

BEVPoolv2 A Cutting-edge Implementation of BEVDet Toward Deployment 论文学习

GithubRepo:https://github.com/HuangJunJie2017/BEVDet/tree/dev2.0ArxivPaper:https://arxiv.org/abs/2211.171111.解决了什么问题？多相机3D目标检测是自动驾驶领域的基本任务，受到学术界和工业界的大量关注。Lift-Splat-Shootviewtransformation模块在部署时最大的问题是

calvinpaean·2023-07-26 07:39

大力出奇迹——GPT系列论文学习（GPT,GPT2,GPT3,InstructGPT）

目录说在前面1.GPT1.1引言1.2训练范式1.2.1无监督预训练1.2.2有监督微调1.3实验2.GPT22.1引言2.2模型结构2.3训练范式2.4实验3.GPT33.1引言3.2模型结构3.3训练范式3.4实验3.4.1数据集3.5局限性4.InstructGPT4.1引言4.2方法4.2.1数据收集4.2.2各部分模型4.3总结说在前面最近以GPT系列为代表的大语言模型LLM掀起了一阵热

Hilbob·2023-07-25 17:49

【论文学习】PromptIR：一种基于提示学习的一体化图像恢复方法

写在前面：本博客仅作记录学习之用，部分图片来自网络，如需引用请注明出处，同时如有侵犯您的权益，请联系删除！文章目录前言论文网络框架网络详解提示模块提示符生成模块(PGM)提示交互模块(PIM)实验实验-多重降解一体化实验-单次降解消融实验总结致谢参考前言图像恢复是指从降级版本恢复高质量干净图像的过程。这是一个极具挑战性的病态问题，与传统方法相比，基于深度学习的修复方法已经成为更有效的选择。基于深度

东荷新绿·2023-07-24 15:20

VoxelNet：End_to_End Learning for Point Cloud Based 3D Object Detection 论文学习与解读

写给读者文章的内容主要是我个人在学习论文的过程中按模块对论文进行了粗略的翻译并且加入了一定的理解，其中对于一些我不太了解的额外知识进行了一个补充，欢迎大家指正。IntroductionLiDAR（激光雷达）获取到的点云数据存在存在很高的随机点密度，这是由非均匀的3D空间采样，对一系列有效的传感器的遮盖和相关的动作。为了解决解决这个问题，很多方法采用人为手工制作点云的特征表现来用于3D物体识别。然而

健身的程序猿·2023-07-23 08:26

【目标跟踪】2、FairMOT | 平衡多目标跟踪中的目标检测和 Re-ID 任务 | IJCV2021

文章目录一、背景二、方法2.1Backbone2.2检测分支2.3Re-ID分支2.4训练FairMOT2.5OnlineInference三、效果3.1数据集3.2实现细节3.3消融实验3.4最终效果论文：FairMOT:OntheFairnessofDetectionandRe-IdentificationinMultipleObjectTracking代码：https://github.co

呆呆的猫·2023-07-23 02:59

2022-2-27晨间日记

晴朗心情：是极好的纪念日：暂无任务清单昨日完成的任务，最重要的三件事：约了好友，做了康复，睡了懒觉习惯养成：今天要去锻炼哦周目标·完成进度1.复习知识点，准备出组考核2.完成小讲课PPT制作3.修改毕业论文学习

听荷·2023-07-22 01:42

CenterNet Objects as Points 论文学习

论文链接：ObjectsasPoints1.解决了什么问题？目标检测的任务是从图像中检出目标的矩形框。现有的检测方法大多会穷举所有潜在的目标位置，然后做分类。这非常浪费资源、低效率，并且依赖后处理。单阶段方法会在图像上放置大量的anchors，然后直接分类。双阶段方法则会对候选边框的特征进行二次计算，做分类。然后这些方法计算IoU，通过NMS后处理去除冗余的预测框。这类后处理操作是不可微的，训练起

calvinpaean·2023-07-20 17:49

ImVoxelNet 论文学习

论文链接：ImVoxelNet:ImagetoVoxelsProjectionforMonocularandMulti-ViewGeneral-Purpose3DObjectDetection1.解决了什么问题？RGB图像成本低、数据源丰富，可以提供场景和物体的视觉信息，但不包括场景几何结构的直接信息。因此，从RGB图像检测3D物体本身就是不适当的。给定一张单目图像，基于深度学习的3D检测方法只能

calvinpaean·2023-07-20 03:32

yolov7论文学习——创新点解析、网络结构图

创新点1、提出了E-ELAN，但是只在yolov7-e6e中使用到。2、yolov7基于拼接模型的缩放方法，在yolov7x中使用到。3、将重参数化卷积应用到残差模块中或者用到基于拼接的模块中去。RepConvN4、提出了两种新的标签分配方法一、ELAN和E-ELAN1、ELANyolov7使用大量的ELAN作为基础模块。[-1,1,Conv,[64,1,1]],[-2,1,Conv,[64,1,

find_starshine·2023-07-19 16:36

FCOS 论文学习

1.解决了什么问题？之前的目标检测器如RetinaNet、SSD、YOLOv3都依赖于anchors。基于anchors的检测器有如下三个缺点：检测表现对于anchors的大小、宽高比和数量等超参数很敏感；即使精心设计了anchors，但由于大小和宽高比都是固定的，检测器很难处理形状变化很大的物体，比如小目标；为了提高召回率，基于anchor的检测器会在输入图像上放置大量的anchorboxes。

calvinpaean·2023-07-19 13:43

GFLv1 论文学习

1.解决了什么问题？单阶段目标检测器通过密集预测的方式进行分类、定位。分类一般使用FocalLoss，而边框回归则通过Diracdelta分布来学习。近年来的改进方向是引入一个单独的分支，预测定位的质量，然后用该质量分数去辅助分类得分，提升检测的表现。但质量预测存在两个问题：训练和推理时，定位质量和类别预测是不一致的。它们各自单独训练，但推理的时候是耦合在一起用的。此外，学习定位质量的监督信号只分

calvinpaean·2023-07-19 13:43

Bridging the Gap Between Anchor-based and Anchor-free Detection via ATSS 论文学习

1.解决了什么问题？Anchor-based和anchor-free方法的本质差异其实是如何定义正负样本，如果训练过程中它们采用相同的正负样本定义，最终的表现是差不多的。也就是说，如何选取正负样本才是最重要的。以单阶段anchor-based方法RetinaNet和基于中心点的anchor-free检测器FCOS为例，二者有以下三方面的差异：每个位置上anchor的个数：RetinaNet在每个位

calvinpaean·2023-07-19 13:13

MVX-Net Multimodal VoxelNet for 3D Object Detection 论文学习

论文链接：MVX-NetMultimodalVoxelNetfor3DObjectDetection1.解决了什么问题？2D目标检测取得了显著成效，但由于输入模态的本质区别，CNN无法直接应用在3D检测任务。LiDAR能准确地定位到3D空间的物体，基于LiDAR数据的检测方法通常优于2D方法。一些方法将3D点云转换为特征表示，如BEVmaps，然后用2D-CNN方法来做检测和分类。但这些方法对于点

calvinpaean·2023-07-19 13:41

Monocular 3D Object Detection with Depth from Motion 论文学习

论文链接：Monocular3DObjectDetectionwithDepthfromMotion1.解决了什么问题？从单目输入感知3D目标对于自动驾驶非常重要，因为单目3D的成本要比多传感器的方案低许多。但单目方法很难取得令人满意的效果，因为单张图像并没有提供任何关于深度的信息，该方案实现起来非常困难。Twoview场景有两个问题：多项预测的错误累积起来，使直接的深度预测变得非常困难；静止状态

calvinpaean·2023-07-19 13:11

GPT-1,GPT-2,GPT-3 InstructGPT论文学习笔记

Gpt-1论文：《ImprovingLanguageUnderstandingbyGenerativePre-Training》GPT-1网络结构无监督,使用12层transforerdecoder结构,每一层维度是768,12个注意力headstokenembedding矩阵,经过transformerdecoder处理后,经过线性层和softmax层,得到下一个token的预测分布位置编码30

dream_home8407·2023-07-18 06:19

YOLO系列学习

目录很不错的链接0一些小知识0.1先验框anchorbox0.2网络结构图1YOLOv1学习2YOLOv2学习很不错的链接还有一些在【yolo论文学习】收藏夹里面DeepLearningPapersTranslation

孟孟单单·2023-07-17 08:29

视觉伺服研究学习——2021年10月

二、论文学习1、室内动态视觉SLAM算法研究硕士学位论文鲁棒性：鲁棒是Robust的音译，也就是健壮和强壮的意思。它也是在异常和危险情况下系统生存的能力。

幻魔大师·2023-07-16 00:49

论文学习——U-Net: Convolutional Networks for Biomedical Image Segmentation

UNet的特点采用端到端的结构，通过FCN（最后一层仍然是通过卷积完成），最后输出图像。通过编码（下采样）-解码（上采样）形成一个“U”型结构。每次下采样时，先进行两次卷积（通道数不变），然后通过一次池化层（也可以通过卷积）处理（长宽减半，通道数加倍）；在每次上采样时，同样先进行两次卷积操作，再通过反卷积函数进行上采样（长宽加倍，通道不变），然后与编码过程中对应层进行拼接（通道加倍）。到最后一层时

颜妮儿·2023-07-16 00:36

2021-3-13论文学习——SENet，StairNet，Generalized Focal Loss，R3Det，CARAFE

[1]Squeeze-and-ExcitationNetworks论文地址：https://arxiv.org/abs/1709.01507代码地址：https://github.com/moskomule/senet.pytorch/blob/master/senet论文发表于CVPR2018，同时提交于IEEETPAMI2019结构图一个全局avgpooling得到11C的向量，然后通过一个M

practical_sharp·2023-07-15 08:58

论文学习「MDP」：马尔可夫决策过程原理与代码实现

最近在学习RL，不得不先接触一下“马尔可夫决策过程”，这里找到了DavidSilver的课程:UCLCourseonRL（http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html），这里我将按课程PPT中的顺序讲述我的理解已经如何用代码实现相应的计算过程。目录一、马尔可夫过程（MarkovProcess）（一）MDPs论述（二）马尔科夫特性

Snowbowღ·2023-07-14 14:20

资源类❀超实用学术必备的论文学习网站和英文论文编写，人工智能学习网站（免费）

目录前言Intr1.文献查找和下载1.1.paperswithcode（论文和代码）1.2.Researchrabbit（研究兔）1.3.Google学术2.论文AI总结3.文献翻译3.1.DeepL4.论文撰写4.1.Grammarly/prowritingaid4.2.Ginger4.3.PrepostSEO5.编码学习网站5.1.W3Schools5.2.towhee6.数据集下载6.1.帕

夏天｜여름이다·2023-06-21 16:20

论文学习——一种基于关键点的SAX改进算法

文章目录1摘要2引言2.1SAX的缺点+举个例子分析2.2分析问题原因2.3本文的改进工作3实验结果与分析3.1关键点的选取规则3.2本文定义的相似度距离计算公式3.3开始做实验了3.4结论4总结写在前面：期刊《计算机研究与发展》；1摘要【前人工作】SAX(symbolicaggregateapproximation)是一种符号化的时间序列相似性度量方法。【缺点】采用PAA均值划分（目的是降维），

山外小楼听夜雨.·2023-06-21 12:53

Classification-based framework for binarization on OCT-ME论文学习和总结

论文：Classification-basedframeworkforbinarizationonmiceeyeimageinvivowithopticalcoherencetomography源码：https://github.com/MIP2019/mip2019.github.io/blob/main/spsvm目录一、背景和出发点二、创新点三、SPSVM的具体实现四、实验五、总结一、背景和

向岸看·2023-06-18 22:58

推荐频道

re-id论文学习