re-id论文学习第7页

深度知识追踪（Deep Knowledge Tracing）论文学习（简要归纳）

深度知识追踪（DeepKnowledgeTracing）ChrisPiech∗,JonathanSpencer∗,JonathanHuang∗‡,SuryaGanguli∗,MehranSahami∗,LeonidasGuibas∗,JaschaSohl-Dickstein∗†∗StanfordUniversity,†KhanAcademy,‡Google发布正在：NIPS'15（人工智能A会）N

sereasuesue·2023-01-07 17:47

【论文学习】Towards Accurate Oriented Object Detection in Aerial Images with Adaptive Multi-level Feature

AFF-Det：通过自适应多级特征融合实现航空图像中的精确定向目标检测论文链接：《TowardsAccurateOrientedObjectDetectioninAerialImageswithAdaptiveMulti-levelFeatureFusion》代码链接：暂无本文中提出了一种新型的两阶段检测器，该检测器具有自适应特征融合功能，可以实现航空图像中高精度的定向物体检测，命名为AFF-De

pinfan12138·2023-01-07 13:14

【论文学习】RoBERTa

目录摘要训练过程分析摘要RoBERTa（ARobustlyOptimizedBERTPretrainingApproach）基本与BERT一致，但在以下方面做了一些细节调整：1）在更多数据上，以更大batch_size，训练更长时间；2）取消NSP任务；3）更大序列长度上训练（实际都是512，只不过数据处理上尽量选取长文本作为输入）；4）dynamicmask。训练过程分析dynamicmask：

凯子要面包·2023-01-05 16:28

论文学习随记：PF-Net: Point Fractal Network for 3D Point Cloud Completion

文章目录1.什么是genus-wisedistortionsproblem（属类失真问题）2.FPN结构3.GAN网络1.什么是genus-wisedistortionsproblem（属类失真问题）原文：Nonetheless,thereconstructedpointsmaystillhavegenus-wisedistortionswhentheoriginalsurfaceistoocom

Pikoyoo·2023-01-05 09:16

【论文学习】FD-MonbileNet: IMPROVED MOBILENET WITH A FAST DOWNSAMPLING STRATEGY

原文链接：https://arxiv.org/abs/1802.03750作者介绍了一种高效且在有限运算量限制上十分准确的网络：Fast-DownsamplingMobileNet（FD-MobileNet）。其中心思想是在MobileNet框架上应用一种快速下采样策略。在FD-MobileNet中，作者在12层中运行了32倍的下采样，这仅是原始MobileNet层数的一半。这样的设计有3个优点：

斯丢劈德Tony·2023-01-05 01:40

逐句解析点积注意力pytorch源码（配图解）

前言结合pytorch源码和原始论文学习ScaledDot-ProductAttention的原理。原论文链接：AttentionIsAllYouNeed原论文中的网络结构如下图所示。

coder1479·2023-01-04 02:37

论文学习笔记（二） D-CNN: Depth-aware CNN for RGB-D Segmentation

『写在前面』继续学习基于深度学习的点云分割算法~~~在PointCNN之后，依次阅读了PointNet、PointNet++和FrustumPointnets三部曲，然后才看的D-CNN。鉴于“三部曲”的篇幅较长且相关blog已经有很多朋友写过，今天我就先把D-CNN给码了，后面有时间再整理。本篇blog为方便自己回忆要点用，建议参照原版paper使用。欢迎各位指正纰漏。作者repo：https:

Wilber529·2023-01-03 09:23

【学习周报】研究生深度学习笔记9.12~9.17

学习目标：深度学习花书一篇A类会议论文学习内容：蒙特卡罗方法——深度学习第十七章GL-RG:Global-LocalRepresentationGranularityforVideoCaptioning

Bohemian_mc·2023-01-02 18:52

论文学习笔记 CatBoost: unbiased boosting with categorical features

CatBoost和XGBoost、LightGBM并称为GBDT的三大主流神器，都是在GBDT算法框架下的一种改进实现。今天分享一篇论文，CatBoost:unbiasedboostingwithcategoricalfeatures。摘要里指出CatBoost比其他基于GBDT算法的优势在于orderedboosting和一个创新性的处理类别型特征的方法。这两个创新点可以解决由目标泄露（targ

AidenLau·2023-01-02 09:40

LeGO-LOAM源码解析1 ：算法整体框架和utility.h

算法整体框架和utility.h解析一、算法框架与流程二、utility.h分析loam源码地址：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM.论文学习

MIKingZCC·2023-01-01 23:15

Re-ID论文 Person Search by Multi-Scale Matching

Weconsidertheproblemofpersonsearchinunconstrainedsceneimages.Existingmethodsusuallyfocusonimprovingthepersondetectionaccuracytomitigatenegativeeffectsimposedbymisalignment,misdetections,andfalsealarms

计算机视觉-Archer·2023-01-01 15:17

【person search】Re-ID Driven Localization Refinement for Person Search

Contribution:1，在re-ID损失的监督下优化探测器，以生产出可靠的包围盒。theboxcoordinate

moonuke·2023-01-01 15:14

Person Search

PersonSearchpersonsearch旨在从一个原始的场景中找到特定的车辆，和personre-id是不同的，re-id依赖于crop的图片，search的任务更加具有现实意义。

dingdeliao·2023-01-01 15:44

【论文阅读】跨域推荐系统相关论文学习

论文一、多域构建为一个整体graph论文标题：HeroGRAPH:AHeterogeneousGraphFrameworkforMulti-TargetCross-DomainRecommendation；发布刊物：ResSys2020；论文下载链接：http://ceur-ws.org/Vol-2715/paper6.pdf代码链接：GitHub-cuiqiang1990/HeroGRAPH:C

me_yundou·2023-01-01 15:11

SPPNet

文章目录论文信息论文标题：论文作者：收录期刊/会议及年份：论文学习论文阅读问题/背景：主要贡献：摘要：介绍：具有空间金字塔池化的深度网络：论文信息论文标题：SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition

写进メ诗的结尾。·2023-01-01 12:59

目标检测之SPP(Spatial Pyramid Pooling）论文学习

0.摘要作者：何凯明ILSVRC2014比赛上物体检测上排名第2，在物体分类上排名第3，是一篇十分很好的论文，体现了何凯明深厚的数学功底，有一些启发：比如多尺度池化是否可以加入注意力机制，多尺度的思想是否可以应用到特征提取阶段（类似densenet、或者多尺度放缩进行数据增强再进行交替训练强化网络）。SPP显著特点使用多个窗口(poolingwindow)SPP可以使用同一图像不同尺寸(scale

Diros1g·2023-01-01 12:27

【论文学习】《MOSNet: Deep Learning-based Objective Assessment for Voice Conversion》

《MOSNet:DeepLearning-basedObjectiveAssessmentforVoiceConversion》论文学习文章目录《MOSNet:DeepLearning-basedObjectiveAssessmentforVoiceConversion

FallenDarkStar·2023-01-01 07:30

PointNet 论文学习以及pytorch代码解读

论文部分Abstract以前的方法大多数将数据转换到3D体素格栅当中，但是这种方法会产生大量的不必要的数据，因此我们设计一种直接对点云进行处理的方法，这种方法最大程度上尊重了点云的不变性。Introduction因为点云数据是没有常规的结构，因此大部分研究者会将其转化到3D体素格栅或者图中，但这样会产生大量冗余数据。PointNet，需要尊重一个事实那就是点云只是一个点的集合，因此需要在计算时确保

健身的程序猿·2022-12-31 00:57

C3D网络介绍

深埋罐头的章鱼·2022-12-30 18:48

论文学习笔记

论文学习笔记一个好笔记的意义就在于：可以不用看原文-------鲁树人(滑稽)Abstract目前GCN由于受限于梯度消逝的问题，都比较浅层（一般小于4）本文将几个在深度CNN中使用的技巧：residualconnections

sendy.lee·2022-12-30 09:36

Mask R-CNN 论文学习笔记

论文基本信息标题：MaskR-CNN作者：KaimingHeGeorgiaGkioxariPiotrDollárRossGirshick机构：FacebookAIResearch(FAIR)来源：ICCV时间：2017论文地址：https://arxiv.org/abs/1703.06870代码地址:https://github.com/facebookresearch/Detectron论文概要

长歌丶采薇·2022-12-30 08:46

论文阅读之 Person Re-identification using Heterogeneous Local Graph Attention Networks

提出的模型3.1关系的定义3.2模型结构4.实验4.1消融实验4.2参数分析4.3State-of-the-Art的实验结果参考文献文章题目为基于异构局部图注意网络的再识别，提出了HLGAT，在一个统一的人Re-ID

star_function·2022-12-28 08:47

深度学习行人重识别综述与展望

不代表本公众号立场，侵权联系删除转载于：来自|知乎作者|叶茫地址|https://zhuanlan.zhihu.com/p/342249413摘要：行人重识别（PersonRe-Identification，简称Re-ID

小白学视觉·2022-12-28 04:36

立体匹配-ITSA-CVPR2022论文学习笔记

ITSA，Information-TheoreticShortcutAvoidance立体匹配的用途：AR、机器人、自动驾驶名称：《ITSA:AnInformation-TheoreticApproachtoAutomaticShortcutAvoidanceandDomainGeneralizationinStereoMatchingNetworks》位置：https://arxiv.org/a

tomeasure·2022-12-28 01:38

【论文学习笔记】Learning to Segment Every Thing (2018_CVPR)

论文：LearningtoSegmentEveryThing链接：https://arxiv.org/abs/1711.10370这篇文章是发表在2018的CVPR上的文章，文章的名字起的很霸气，示例分割所有的东西。下面本博客对这篇文章进行带有PPT的图片进行讲解，若有描述不对的地方，还请各位读者指教。目录IntroductionMask^xR-CNNExperimentConclusion文章的

嘿芝麻·2022-12-27 07:08

【第三周深度学习总结】

第三周深度学习总结论文学习ResNet重要结构结构创新点通过在block中加入identitymap，假设之前想要学习的映射为H(x)H(x)H(x)，那么现在可以知道H(x)=F(x)+xH(x)=F

文海傲舟·2022-12-27 07:35

Learning to Segment Every Thing Ronghang论文学习

近来目标检测器准确度显著提升，获得了很多重要的新能力。其中最令人兴奋的一项是为每个检测目标预测前景分割掩码，即实例分割（instancesegmentation）。在实践中，典型的实例分割系统只能关注小部分视觉信息，一般约为100个目标类别。该限制的主要原因是顶级的实例分割算法需要强大的监督系统，而此类监督数据很难收集新的类别，且比较昂贵。相比之下，边界框标注更丰富，也没有那么昂贵。这就引出了一个

北方的杨先生·2022-12-27 06:27

基于脑电信号的情绪识别-论文学习

论文题目：《AreviewofEEGfeaturesforemotionrecognition》论文题目：《EEG-BasedEmotionRecognitionUsingDeepLearningNetworkwithPrincipalComponentBasedCovariateShiftAdaptation》对情绪的量化和建模情绪有主要六种：高兴、悲伤、恐惧、惊讶、愤怒、厌恶。其他情绪可以由这

ipv-tao·2022-12-26 12:28

论文学习笔记——Fast Odometry and Scene Flow from RGB-D Cameras based on Geometric Clustering...

基于稀疏特征点匹配的视觉里程计技术1、需要通过多帧优化来消除奇异点的干扰。2、一般这种方法不能实现稠密场景流，但是存在可以估计多钢体运动的扩展方法，这些方法中需要足够多的特征点来估计运动，这在三维场景的二维投影结果中，只占小区域的物体是无法保证的直接产生稠密运动估计的方法(densedirectmethods)1、传统的代价函数惩罚：灰度误差、负的或正的深度误差、点面误差或特征空间中的可选误差。2

Fighting_young·2022-12-25 18:25

DD - NET 论文学习

MakeSkeleton-basedActionRecognitionModelSmaller,FasterandBetter1，DD-NET特点2，DD-NET的网络结构网络结构名称解释：DD-NET的特点如下：A：ModelingLocation-viewpointInvariantFeaturebyJointCollectionDistances(JCD)基于联合集合距离的位置视点不变特征建

hsclyy·2022-12-25 07:55

AlexNet论文学习笔记：ImageNet Classification with Deep Convolutional Neural Networks

AlexNet论文学习笔记：ImageNetClassificationwithDeepConvolutionalNeuralNetworks文章目录AlexNet论文学习笔记：ImageNetClassificationwithDeepConvolutionalNeuralNetworks

walyn lee·2022-12-24 14:27

论文学习：《Objects as Points》

被大佬安利了这篇论文，花了整整一天的时间学习这篇论文，感觉非常妙。记录一下学习笔记，先推荐两篇个人觉得讲的非常好的文章，以下笔记有些内容摘自这里：[1]https://zhuanlan.zhihu.com/p/66048276[2]http://www.tensorinfinity.com/paper_189.html[3]https://blog.csdn.net/c20081052/artic

Crazy_Omais·2022-12-24 11:36

论文学习：Decoupling Value and Policy for Generalization in Reinforcement Learning（强化学习中泛化的解耦价值和策略）

摘要：Standarddeepreinforcementlearningalgorithmsuseasharedrepresentationforthepolicyandvaluefunction,especiallywhentrainingdirectlyfromimages.However,wearguethatmoreinformationisneededtoaccuratelyestima

Love Q·2022-12-24 10:55

YOLOv3_论文学习

YOLOv3:AnIncrementalImprovement1Abstract2Introduction3TheDeal3.1BoundingBoxPrediction3.2ClassPrediction3.3PredictionsAcrossScales3.4FeatureExtractor3.5Training4HowWeDo5ThingsWeTriedThatDidn’tWork总结这篇文

必修居士·2022-12-24 08:26

YOLOV3论文学习

YOLOv3论文链接：https://pjreddie.com/media/files/papers/YOLOv3.pdf综述一、摘要1、320*320的YOLOv3推理时间22ms，准确率28.2mAP，达到了SSD的精确度，推理速度却快了三倍。2、基于.5mApIou的YOLOv3的检测效果还比较不错，在TitanX上准确率为57.9AP50，推理时间为51ms，和RetinaNet在Tita

thetffs·2022-12-24 08:46

Selective Search 论文学习笔记

原论文：《SelectiveSearchforObjectRecognition》关键字：分层分组算法、初始化区域集、相似度计算keywords:HierarchicalGroupingAlgorithm,ObtainingInitialRegions,CalculatingSimilarity一、分层分组算法（HierarchicalGroupingAlgorithm）这是selectivese

tomeasure·2022-12-24 05:28

Selective Search 学习及使用（python）

一、概念介绍物体检测之选择性搜索(SelectiveSearch)SelectiveSearch论文学习笔记深度学习selectivesearch算法理解（重点看下）二、SelectiveSearch库库

tw_devin·2022-12-24 05:28

Learning to Reconstruct 3D Human Pose and Shape via Model-fitting in the Loop 论文学习笔记（1）

LearningtoReconstruct3DHumanPoseandShapeviaModel-fittingintheLoop论文学习笔记（1）摘要部分原文Model-basedhumanposeestimationiscurrentlyapproachedthroughtwodifferentparadigms.Optimization-basedmethodsfitaparametricb

绿柳山庄赵公子·2022-12-23 18:32

Supervised Contrastive Learning 论文学习

Abstract在近几年，将对比学习应用在自监督表征学习上越来越受到关注，在深度图像非监督训练任务上取得了SOTA的性能。现在的批对比方法大幅度领先传统的对比损失，如triplet、max-margin和N-pairs损失。本文中作者将自监督批对比方法扩展至全监督任务上，使我们可以充分利用标签信息。在embedding空间中，属于同一个类别的点应该拉近，而不同类别的点应该推的远远的。作者分析了两种

calvinpaean·2022-12-23 14:18

【论文学习笔记】《Voice Conversion from Non-parallel Corpora Using Variational Auto-encoder》

《VoiceConversionfromNon-parallelCorporaUsingVariationalAuto-encoder》论文学习文章目录《VoiceConversionfromNon-parallelCorporaUsingVariationalAuto-encoder

FallenDarkStar·2022-12-22 16:46

信道估计（二）：卡尔曼滤波器

信道估计（二）：卡尔曼滤波器零.概述卡尔曼滤波器可以说是大名鼎鼎了，在我本科期间就在惯性传感器的使用上听过，但一直不知道是什么，刚好通过这篇论文学习一下论文是这样描述他的，使用先验的状态空间模型和状态向量的估计

举熙熙然回巧献计·2022-12-21 09:47

恒源云(GPUSHARE)_未闻Prompt名(论文学习笔记)

文章来源|恒源云社区（专注人工智能/深度学习GPU免费加速平台，官方体验网址：https://gpushare.com）原文作者|Mathor原文地址|https://gpushare.com/forum/topic/681/%E6%9C%AA%E9%97%BBprompt%E5%90%8D?_=1635736812393&lang=zh-CN个人觉得2021年NLP最火的两个idea，一个是对比

AI酱油君·2022-12-20 19:39

基于MMEngine和MMDet搭建目标跟踪框架MMTracking-1.0.0rc1-Win10

缘由：1.目标跟踪是工业检测和学术研究的基础课题，其pipeline通常分为视频目标检测、视频实例分割、单目标跟踪、多目标跟踪和Re-ID五类，同时，还细分为在线检测和离线检测两种任务模式。

@会飞的毛毛虫·2022-12-20 17:57

论文学习：BP神经网络

最近在学习LongShort-TermMemery(LSTM)[1]，文献中指出：通过递归反向传播算法学习在长时间间隔内存储信息需要花费很长的时间，这主要是由于不足、衰减的误差反向流造成的（Learningtostoreinformationoverextendedtimeintervalsviarecurrentbackpropagationtakesaverylongtime,mostlydu

Snowbowღ·2022-12-20 14:40

【论文学习】6、Wi-Fi中基于前导码的包检测：一种深度学习方法

摘要基于ieee802.11标准系列的无线网络系统是最流行的使用先听后说（LBT）方法进行信道接入的无线接口，在非接触频段中工作。大多数基于LBT的系统的显著特征是，发射机使用数据之前的前导码来允许接收机获得初始信号检测和同步。在模拟到数字转换之后应用于传入的离散时间复基带样本的接收器处的第一数字处理步骤是分组检测步骤，即，检测到达传入流内的每个帧的初始样本。由于前导码通常包含具有良好相关特性的训

Winds_Up·2022-12-20 14:06

【论文学习】9、基于Inception和LSTM网络的通信辐射源个体识别技术

摘要由于通信辐射源的指纹特征差异较小，传统的机器学习算法难以提取特征进行识别，因此需要采用深度学习方法。LSTM是一种改进的递归神经网络，擅长处理长期序列数据。初始模块可以在同一层上获得不同尺度的特征。本文结合inception结构和LSTM网络来识别5个USRPs。实验中使用的数据集由USRP和LabVIEW收集。根据发送端和接收端之间的障碍物收集了两组数据，这两组数据比仅使用软件模拟的数据更接