representation 第13页

TS2Vec: Towards Universal Representation of Time Series

TS2Vec:TowardsUniversalRepresentationofTimeSeries本文提出了TS2Vec，一个学习任意语义层次时间序列表示的通用框架。与现有的方法不同，TS2Vec在增强的上下文视图上以分层的方式执行对比学习，它支持每个时间戳的健壮上下文表示。此外，为了获得时间序列中任意子序列的表示，我们可以对相应时间戳的表示应用一个简单的聚合。我们对时间序列分类任务进行了广泛的实

西西弗的小蚂蚁·2022-11-16 11:05

【论文笔记——对比预测编码CPC】Representation Learning with Contrastive Predictive Coding

RepresentationLearningwithContrastivePredictiveCodingarxiv：https://arxiv.org/abs/1807.03748code：https://github.com/jefflai108/Contrastive-Predictive-Coding-PyTorch1Introduce作者提出了一种叫做“对比预测编码（CPC,Contra

LetheSec·2022-11-15 11:50

NLP自然语言处理（零）—— NLP的来龙去脉

DeepLearning+NLP就是用深度学习的方法来进行自然语言处理现在研究的热点也就是用深度学习的方法来进行自然语言处理，即现在研究的热点也就是DeepNLP一、DeepNLP的核心关键：语言表示（Representation

hxxjxw·2022-11-14 11:56

Image-embodied Knowledge Representation Learning

摘要实体图像可以为知识表示学习提供重要的视觉信息。大多数传统方法仅仅从结构化的三元组中学习知识表示，忽略了从实体图像中提取的丰富的视觉信息。在本文中，我们提出了一种新的基于图像的知识表示学习模型(IKRL)，该模型同时使用三重事实和图像学习知识表示。更具体地说，我们首先用神经图像编码器为实体的所有图像构造表示。然后通过基于注意的方法将这些图像表示集成到聚合的基于图像的表示中。我们在知识图补全和三重

小蜗子·2022-11-11 13:59

【机器学习】音乐表示Music Representation

音乐基本术语velocity(i.e.barorbodyspeed)Atempoishowfastthebeatsgobyinaparticularpieceofmusic.quality：音程性质音乐符号化表示（Symbolic）最基本的音乐信息（Events）：在何时起止（Onset、Offset）什么绝对音高（MIDIpitch）。元信息：该音乐数据的名称是什么，包含什么声部、使用什么音色播

noobiee·2022-11-09 13:30

论文阅读之Improved Word Representation Learning with Sememes(2017)

文章目录论文介绍ConventionalSkip-gramModelSimpleSememeAggregationModel（SSA）SememeAttentionoverContextModel（SAC）SememeAttentionoverTargetModel（SAT）实验结果总结参考论文介绍义原是词义的最小语义单位，每个词义的意义通常由若干个义原组成。由于每个单词的义原并不明确，人们手动注

Icy Hunter·2022-11-09 07:14

BEVFusion:Multi-Task Multi-Sensor Fusion with Unified Bird’s-Eye View Representation 论文笔记

原文链接：https://arxiv.org/abs/2205.135421.引言为找到多传感器数据的统一表达，最直接的方法是将激光雷达点云投影到图像上，但这样做会带来严重的几何扭曲（如下图(a)所示），对于3D物体识别等几何导向任务而言不那么有效。最近的融合方法将图像语义信息、CNN特征或是来自图像的虚拟点附加到激光雷达点云，然后使用现有的激光雷达方法进行3D检测。这些方法对BEV分割等语义导向

byzy·2022-11-08 14:57

M²BEV: Multi-Camera Joint 3D Detection and Segmentation with Unified Bird’s-Eye View Representation

M²BEV:Multi-CameraJoint3DDetectionandSegmentationwithUnifiedBird’s-EyeViewRepresentation论文笔记原文链接：https://arxiv.org/pdf/2204.05088.pdf1.引言本文设计一个联合训练多视图图像3D目标检测和BEV分割任务的统一网络。此外，本文提出了几个能提高精度并减小空间耗费的方法：高效

byzy·2022-11-08 14:57

BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotemporal Trans

BEVFormer:LearningBird’s-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotemporalTransformers论文笔记原文链接：https://arxiv.org/pdf/2203.17270.pdf1.引言视觉感知是利用多个摄像机提供的图像来给出3D边界框或语义图。最直接的方法是基于单目框架和跨相机后处理。但这

byzy·2022-11-08 14:26

【自动驾驶】《BEVFusion: Multi-Task Multi-Sensor Fusion with Unified Bird’s-Eye View Representation》论文阅读笔记

论文地址：https://arxiv.org/pdf/2205.13542.pdfhttps://arxiv.org/pdf/2205.13542.pdf代码地址：GitHub-mit-han-lab/bevfusion:BEVFusion:Multi-TaskMulti-SensorFusionwithUnifiedBird's-EyeViewRepresentationBEVFusion:Mu

聿默·2022-11-08 14:55

【论文阅读】BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotemporal

论文题目：BEVFormer:LearningBird’s-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotemporalTransformers参考与前言arXiv地址：BEVFormer:LearningBird’s-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotempor

Kin__Zhang·2022-11-08 14:55

自然语言处理从零到入门词嵌入

词嵌入|Wordembedding一、什么是词嵌入一、文本表示（Representation）二、独热编码|one-hotrepresentation三、整数编码四、什么是词嵌入|wordembedding

BlackStar_L·2022-11-08 14:24

【EMNLP2019】Event Representation Learning Enhanced with External Commonsense Knowledge

p1in2019/12/3论文名称：EventRepresentationLearningEnhancedwithExternalCommonsenseKnowledge………：常识信息增强的事件表示学习论文作者：丁效，廖阔，刘挺，段俊文，李忠阳论文来源：EMNLP2019下载链接：https://arxiv.org/pdf/1909.05190.pdf源码链接：https://github.co

imsuhxz·2022-11-06 07:28

2019CVPR Deep High-Resolution Representation Learning for Human Pose Estimation 姿态估计01

代码：https://github.com/leoxiaobin/deep-high-resolution-net.pytorch论文：arXiv:1902.09212v1题目：深度高分辨率特征学习的姿态估计摘要：在文章中，主要提出了从始至终维持着高分辨率的特征的深度学习网络，并对比了现存的高分辨率-低分辨率，低分辨率-高分辨率的深度网络框架，本文提出的高分辨率网络分为几个阶段，以高分辨率的子网络

weixin_44576543·2022-11-05 15:46

Deep High-Resolution Representation Learning for Human Pose Estimation

1Introduction简述2D人体姿态估计一直是计算机视觉中一个基本而又具有挑战性的问题。目标是定位人体解剖关键点(例如，肘、腕等)或零件。它有很多应用，包括人体动作识别、人机交互、动画等。本文感兴趣的是单人位姿估计，它是其他相关问题的基础，如多人位姿估计[6，27，33，39，47，57，41，46，17，71]，视频位姿估计与跟踪[49，72]等。发展现状最近的发展表明，深度卷积神经网络已

咕咕噜噜咕噜噜·2022-11-05 15:46

《Deep High-Resolution Representation Learning for Human Pose Estimation》

代码文章主页1.研究问题大多数现有的姿态检测网络从由串联连接的高到低分辨率网络产生的低分辨率表示中恢复高分辨率表示，可能会导致预测热图的精度损失。2.研究方法所提出的高分辨率网络（HRNet）在整个过程中保持高分辨率表示，首先，不同于传统的串联连接由高到低分辨率网络，HRNet并行连接由低到高分辨率子网，保持高分辨率而不是由低到高恢复分辨率，因此预测的热图可能在空间上更准确。然后进行重复的多尺度融

爱钻研的小铭·2022-11-05 15:15

HRNet网络代码解读：Deep High-Resolution Representation Learning for Human Pose Estimation

论文地址：https://arxiv.org/abs/1902.09212官方源码：https://github.com/leoxiaobin/deep-high-resolution-net.pytorchHRNet网络结构这里引用“太阳花的小绿豆”绘制的一张基于HRNet-32模型的结构图。便于后续理解。重要的部分写在代码注释里了，阅读的时候注意。代码详解forward函数defget_pos

安淮葭·2022-11-05 15:15

人体姿态识别~HRNet论文笔记（CVPR2019）~《Deep High-Resolution Representation Learning for Human Pose Estimation》

有兴趣的朋友可以相互讨论技术论文：https://arxiv.org/abs/1902.09212官方代码：https://github.com/leoxiaobin/deep-high-resolution-net.pytorchAbstract在这篇论文中，我们主要研究人的姿态问题(humanposeestimationproblem)，着重于输出可靠的高分辨率表征(reliablehighr

雁飞鸣·2022-11-05 15:15

Deep High-Resolution Representation Learning for Human Pose Estimation (CVPR 2019)

MyenvironmentUbuntu18.04,3090whenyoudownloadcodefromhttps://github.com/leoxiaobin/deep-high-resolution-net.pytorchConfigureforthecodeUpgradeyourpippython-mensurepippython-mpipinstall--upgradepipmodify

思考实践·2022-11-05 15:15

《HRNet：Deep High-Resolution Representation Learning for Human Pose Estimation》论文笔记

参考代码：HRNet1.概述导读：这篇文章聚焦人体关键点检测任务中高分辨率特征的学习表达，现有的特征表达方式一般采取分辨率从高到低的演化路径，这篇文章中为了保持高分辨率特征的作用（分辨率越高关键点定位自然越准确），在网络的pipeline中保持与原始输入尺寸一致的特征图，通过逐步添加低分辨率平行分支并与其它分辨率互连的形式构造一种新的特征提取方式。这样的方式带来的好处也是显而易见的，极大提升了文章

m_buddy·2022-11-05 15:44

【论文阅读笔记】Deep High-Resolution Representation Learning for Human Pose Estimation

论文地址：https://arxiv.org/abs/1902.09212代码地址：https://github.com/leoxiaobin/deep-high-resolution-net.pytorch论文总结论文总得来说是提出了一种网络架构的思想：以前的模型都是下采样后再上采样，从而达到预期的分辨率。而本文的网络HRNet则一直维持高分辨率分支，通过融合低分辨率分支上采样带来的high

时光机ﾟ·2022-11-05 15:44

【姿态估计】Deep High-Resolution Representation Learning for Human Pose Estimation论文理解

摘要本文：本文关注人体姿态估计问题，重点是学习可靠的高分辨率表征。现有的大多数方法都是从由高到低分辨率网络产生的低分辨率表征中恢复高分辨率表征。相反本文提出的网络在整个过程中保持高分辨率表征：（1）从一个高分辨率的子网开始，作为第一阶段，将高分辨率到低分辨率的子网逐个添加，形成更多的阶段，并将多分辨率的子网并行连接。（2）执行重复的多尺度融合，这样每一个高到低分辨率的表征都能从其它

不断进步的咸鱼·2022-11-05 15:44

姿态估计之2D人体姿态估计 - （HRNet）Deep High-Resolution Representation Learning for Human Pose Estimation（多家综合）

论文下载地址：https://arxiv.org/abs/1902.09212官方源码地址：https://github.com/leoxiaobin/deep-high-resolution-net.pytorch在bilibili上的视频讲解：https://www.bilibili.com/video/BV1bB4y1y7qPHRNet团队工作小结_Patricia_daye的博客-CSDN

light169·2022-11-05 15:43

姿态估计 - Deep High-Resolution Representation Learning for Human Pose Estimation

文章目录0.前言1.要解决什么问题2.用了什么方法3.效果如何4.还存在什么问题&可借鉴之处0.前言相关资料：arxivgithub论文解读（写得很好，值得看）本文中截图来自论文或上面这篇博客论文基本信息领域：姿态估计作者单位：中国科学技术大学&微软亚洲研究院发表时间：CVPR2019一句话总结：提出一种新的backbone设计思路，即不同尺寸的特征图之间进行多次信息融合。1.要解决什么问题为了获

清欢守护者·2022-11-05 15:13

【HRNet】《Deep High-Resolution Representation Learning for Human Pose Estimation》

CVPR-2019代码：https://github.com/leoxiaobin/deep-high-resolution-net.pytorch文章目录1BackgroundandMotivation2RelatedWork3Advantages/Contributions4Method5Experiments5.1Datasets5.2COCOKey-pointDetection5.3MPI

bryant_meng·2022-11-05 15:12

【论文阅读】HRNet：Deep High-Resolution Representation Learning for Human Pose Estimation

源文http://cn.arxiv.org/pdf/1902.09212.pdfhttp://cn.arxiv.org/pdf/1902.09212.pdf源代码https://github.com/leoxiaobin/deep-high-resolution-net.pytorchhttps://github.com/leoxiaobin/deep-high-resolution-net.py

creami11·2022-11-05 15:12

【论文笔记】Deep High-Resolution Representation Learning for Human Pose Estimation

论文标题：DeepHigh-ResolutionRepresentationLearningforHumanPoseEstimation论文链接：https://arxiv.org/abs/1902.09212论文代码：https://github.com/leoxiaobin/deep-high-resolution-net.pytorch发表时间：2019年2月Abstract在本文中，作者对

来自γ星的赛亚人·2022-11-05 15:42

Deep High-Resolution Representation Learning for Human Pose Estimation论文翻译阅读 - 2019CVPR

DeepHigh-ResolutionRepresentationLearningforHumanPoseEstimation论文阅读翻译-2019CVPR目录：DeepHigh-ResolutionRepresentationLearningforHumanPoseEstimation论文阅读翻译-2019CVPR一、Abstract二、Introduction三、Approach3.1Sequ

深度检测·2022-11-05 15:42

姿态估计之2D人体姿态估计 - HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation

参见：HigherHRNet论文阅读笔记_酉意铭的博客-CSDN博客_higherhrnet论文笔记_人体姿态估计：HigherHRNet-知乎HigherHRNet论文详解-知乎https://arxiv.org/pdf/1908.10357.pdfhttps://github.com/HRNet/HigherHRNet-Human-Pose-EstimationHigherHRNet是在HRN

light169·2022-11-01 14:18

Structure-Augmented Text Representation Learning for Efficient Knowledge Graph Completion

摘要人类组织的知识图为各种自然语言处理任务提供关键的支持信息，但这些图通常是不完整的，需要自动补全它们(也称为知识图补全)。流行的图嵌入方法，例如TransE，通过将图元素(即实体/关系)表示为密集嵌入并捕获它们与空间距离的三层关系来学习结构化知识。然而，它们很难推广到训练中从未访问过的元素，并且在本质上容易受到图不完整性的影响。相比之下，文本编码方法，例如KG-BERT，诉诸于图的三重文本和三层

小蜗子·2022-10-31 11:42

bert获得词向量_Bert输入输出是什么

从名字中可以看出，BERT模型的目标是利用大规模无标注语料训练、获得文本的包含丰富语义信息的Representation，即：文本的语义表示，然后将文本的语义表示在特定NLP任务中作微调，最终应用于该NLP

weixin_39934640·2022-10-30 03:20

机器学习笔记之概率图模型(六)推断基本介绍

贝叶斯学派与推断推断的系统介绍场景构建推断的任务推断方法介绍回顾：隐马尔可夫模型中的推断问题引言前面部分分别介绍了贝叶斯网络(BayessianNetwork)和马尔可夫随机场(MarkovRandomField)的结构表示(Representation

静静的喝酒·2022-10-25 19:51

论文笔记 | code representation（代码表示学习）系列

文章目录AssociatingNaturallanguagecommentandsourcecodeentities研究动机本文方法DeepLearningSimilaritiesfromDifferentRepresentationsofSourceCode研究动机具体方法实验部分LearningSemanticVectorRepresentationsofSourceCodeviaaSiame

ttliu_kiwi·2022-10-24 07:49

《GraphCodeBERT: Pre-Training Code Representation With Data Flow》论文笔记

论文来源：ICLR-2021论文链接：https://arxiv.org/abs/2009.08366（看时间，应该是2020发在了arxiv上，2021被ICLR录用） ⭐主要贡献：可以说是在CodeBERT的基础上引入了结构信息和两个新的预训练任务。 1.提出了GraphCodeBERT，是第一个利用了代码语义结构信息来学习代码特征表示的预训练模型。（通过dataflow来获得语义结构信息而

#苦行僧·2022-10-19 07:55

GraphCodeBERT: Pre-Training Code Representation With Data Flow

论文来源：ICLR-2021论文链接：https://arxiv.org/abs/2009.08366（看时间，应该是2020发在了arxiv上，2021被ICLR录用）⭐主要贡献：可以说是在CodeBERT的基础上引入了结构信息和两个新的预训练任务。1.提出了GraphCodeBERT，是第一个利用了代码语义结构信息来学习代码特征表示的预训练模型。（通过dataflow来获得语义结构信息而不是

Harlanlu·2022-10-19 07:23

UDA/语义分割:Feature Re-Representation and Reliable Pseudo Label Retraining for Cross-Domain Semantic

FeatureRe-RepresentationandReliablePseudoLabelRetrainingforCross-DomainSemanticSegmentation跨域语义分割的特征重表示与可靠伪标签重训练0.摘要1.概述2.相关工作2.1.语义分割2.2.基于领域自适应的语义分割3.方法3.1.特征重表示对齐3.1.1.特征重表示(FeatureRe-Representatio

HheeFish·2022-10-19 07:21

Graph Representation Learning学习笔记-chapter2

Chapter2BackgroundandTraditionalApproaches2.1GraphStatisticsandKernelMethodsNode-leveldegree度：考虑邻居数量dud_udu:nodeu’sdegreetakeintoaccounthowmanyneighborsanodehascentrality中心性：考虑邻居数量+重要程度eue_ueu:eigenve

Dodo·D·Caster·2022-10-12 19:38

DIFFPOOL - Hierarchical Graph Representation Learning with Differentiable Pooling NIPS 2018

不务正业的土豆·2022-10-09 15:36

Deep High-Resolution Representation Learning for Visual Recognition阅读笔记

用于视觉识别的深度高分辨率表示学习论文链接摘要：高分辨率表示对于人体姿态估计、语义分割和目标检测这类位置敏感的视觉问题至关重要。现有的sota框架首先通过串联high-to-low分辨率卷积（例如ResNet、VGGNet）形成的子网将输入图像编码为低分辨率表示，然后从编码的低分辨率表示中恢复高分辨率表示。但是，HRNet在整个过程中保持高分辨率表示。HRNet有两个关键特征：(i)并行连接hig

AnZhiJiaShu·2022-10-03 07:55

【聚类学习】时间序列聚类—10年回顾概括性综述

目录一、引言二、时间序列聚类的作用三、时间序列数据的聚类问题正式定义四、时序数据的聚类的挑战五、时间序列数据聚类有什么用六、时间序列聚类技术的分类七、时间序列聚类的四步骤：1、时间序列的representation2

烈日松饼·2022-10-02 07:40

06_1.Pytorch中如何表示字符串、word embedding、One - hot、Embedding（Word2vec、BERT、Glove）【学习总结】

1.6.1.如何表示字符串1.6.1.1.wordembedding1.6.1.1.1.文本表示（Representation）1.6.1.1.2.独热编码|one-hotrepresentation1.6.1.1.3

涂作权的博客·2022-09-25 09:22

Understanding Contrastive Representation Learning through Alignment and Uniformity on the Hyperspher

1.UnderstandingContrastiveRepresentationLearningthroughAlignmentandUniformityontheHyperspher1.论文思路提出了contrastiveloss的两种性质：（1）alignment用来衡量正例对样本间的近似程度。（2）uniformity衡量规整后的特征在unit超球体上的分布的均匀性。并提出了衡量两种性质的评

pitaojun·2022-09-22 21:30

【论文阅读】3D Topology-Preserving Segmentation with Compound Multi-Slice Representation

【论文阅读】3DTopology-PreservingSegmentationwithCompoundMulti-SliceRepresentation2022年3月6日（本文仅作为本人学习中的记录，如有错误欢迎批评指正。）文章目录【论文阅读】3DTopology-PreservingSegmentationwithCompoundMulti-SliceRepresentation一、概述二、任务

学会编程就改名·2022-09-21 07:13

【机器学习】李宏毅——AE自编码器(Auto-encoder)

其中的向量可称为Embedaing、Representation、Code。而它的主要用处就是将原始数据（高维、复杂）经过Encoder后得到

FavoriteStar·2022-09-20 16:16

Graph Representation Learning翻译版

章节1引言图是一种普遍存在的数据结构，也是一种描述复杂系统的通用语言。在最一般的视图中，图只是对象（即节点）的集合，以及这些节点对之间的一组交互作用（即边）。例如，要将社交网络编码为图，我们可以使用节点来表示个体，并使用边来表示两个个体是朋友（图1.1）。在生物领域，我们可以使用图中的节点来表示蛋白质，并使用边来表示各种生物相互作用，如蛋白质之间的动力学相互作用。图1.1著名的ZacharyKar

「已注销」·2022-09-13 01:31

2020:UNITER: Universal Image_Text Representation Learning

摘要本文引入UNITER，一种通用的图像-文本表示，从四个图像-文本数据集(COCO,VisualGenome,ConceptualCaption,andSBUCaptions)的大规模预训练学习，通过联合多模态嵌入为下游V+L任务提供动力。我们设计四个预训练任务：掩码语言建模MLM，掩码区域建模MRM，图像-文本匹配ITM，和单词-区域对齐WRA。与之前将联合随机掩码应用到这两个模态的工作不同，

weixin_42653320·2022-09-04 07:12

图神经网络——GraphSAGE

论文地址：http://papers.nips.cc/paper/6703-inductive-representation-learning-on-large-graphs.pdf发表会议：NeurIPS2017

bobobe·2022-08-30 07:52

对比学习系列论文MoCo v1（二）：Momentum Contrast for Unsupervised Visual Representation Learning

0.Abstract0.1逐句翻译WepresentMomentumContrast(MoCo)forunsupervisedvisualrepresentationlearning.我们提出了动量对比(MoCo)用于无监督视觉表征学习。Fromaperspectiveoncontrastivelearningasdictionarylook-up,webuildadynamicdictionar

BuptBf·2022-08-30 07:47

【论文翻译】论文中英对照翻译--（Learning Generalized Deep Feature Representation for Face Anti-Spoofing）（其一）

【开始时间】2018.10.23【完成时间】2018.10.25【论文翻译】论文中英对照翻译--（LearningGeneralizedDeepFeatureRepresentationforFaceAnti-Spoofing）（其一）【中文译名】人脸反欺骗的广义深层特征表示【论文链接】论文链接【说明】此论文较长，本人将它分为了两部分，这是前半部分【补充】1）论文的发表时间是：2018年5月14日

C小C·2022-08-18 07:16

论文阅读：《Rethinking Pseudo-LiDAR Representation》

RethinkingPseudo-LiDARRepresentation 该论文是商汤2020年发表在ECCV上的一篇论文。2018年的CVPR论文《Pseudo-LiDARFromVisualDepthEstimation:BridgingtheGapin3DObjectDetectionforAutonomousDriving》使用视觉伪点云来进行单目3D目标检测，获得了大幅性能提升，并将性

Maples丶丶·2022-08-10 15:11

推荐频道

representation