survey 第8页

【Multi-modal Sensor Fusion for Auto Driving Perception: A Survey学习笔记】

Multi-modalSensorFusionforAutoDrivingPerception:ASurvey一、简介二、为什么需要多模态？三、任务和公开比赛四、融合方法五、强融合前融合深度融合后融合不对称融合六、弱融合七、弱融合八、多模态融合的机遇更先进的融合方法多源信息利用传感器固有问题九、激光雷达和图像的表达形式9.1.图像表达形式9.2.基于点的点云表示9.3.基于体素的点云表示9.4.基

百度森森·2023-01-30 13:59

Multi-modal Sensor Fusion for Auto Driving Perception: A Survey 自动驾驶多模态传感器融合综述

Multi-modalSensorFusionforAutoDrivingPerception:ASurveyKeliHuangBotianShiXiangLiXinLiSiyuanHuangYikangLi论文翻译摘要：多模态融合是自动驾驶系统感知的一项基本任务，最近引起了许多研究人员的兴趣。然而，由于原始数据噪声大、信息利用率低以及多模传感器未经过校准，要获得相当好的性能并非易事。在本文中，我

感知小波·2023-01-30 13:57

深度学习论文: Multi-modal Sensor Fusion for Auto Driving Perception: A Survey

深度学习论文:Multi-modalSensorFusionforAutoDrivingPerception:ASurveyMulti-modalSensorFusionforAutoDrivingPerception:ASurveyPDF:https://arxiv.org/pdf/2202.02703.pdfPyTorch代码:https://github.com/shanglianlm052

mingo_敏·2023-01-30 13:21

深度学习于推荐系统综述：Deep Learning based Recommender System: A Survey and New Perspectives

前言论文链接：https://arxiv.org/abs/1707.07435部分内容参考于https://blog.csdn.net/w5688414/article/details/78651121系列博客主要整理与MLP及AE相关内容，仅用于自己学习笔记之用基于深度学习的推荐系统1.基于多层感知机的推荐系统多层感知器(Multi-LayerPerceptron，MLP)也叫人工神经网络(Ar

饮冰l·2023-01-29 19:31

2021-A Survey of Transformers

1.作者以及单位TianyangLin（复旦邱锡鹏组）2.解决问题对各种各样的Transformer变体（又名X-former）分了2类4种优化派别：2.1原版类Transformer。2.2变种X-former类：2.2.1架构修改、2.2.2预训练、2.2.3应用。下面是4种类的对应的文章：transform分类图taxonomy3.研究动机这应该是第一篇关于Transformers结构的综述

andyham·2023-01-28 13:06

Learning from Very Few Samples: A Survey（小样本学习综述）

1.Introduction成功从很少的样本中学习和概括的能力是区分人工智能和人类智能的一个明显的边界。人类智能的一个特点是能够从一个或几个例子中快速建立对概念的认知。相关研究表明：人类的显著学学习能力得益于人脑中前额叶皮层(PFC)和工作记忆，特别是PFC特有的神经生物学机制与大脑中存储的以往经验的相互作用。深度学习算法成功主要归结于三个关键因素：强大的计算资源、复杂的神经网络结构；大规模的数据

space_dandy·2023-01-27 15:57

SQ3R 读书法样例

46D4-8BD4-99A59FBE1102.pnghttps://www.toolshero.com/personal-development/sq3r-method/以《注重实效的程序员》第一章为例：Survey

叮咣铛·2023-01-26 22:32

Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey 论文阅读笔记

本文是论文的阅读笔记。Paper:AThreatofAdversarialAttacksonDeepLearninginComputerVision:ASurveyAuthor:NaveedAkhtar(cor)([email protected])AjmalMianPress:2018IEEEAccessDepartment:DepartmentofComputerSciencea

xbs118·2023-01-26 15:05

[论文解读]Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey

ThreatofAdversarialAttacksonDeepLearninginComputerVision:ASurvey文章目录ThreatofAdversarialAttacksonDeepLearninginComputerVision:ASurvey简介摘要常用术语对抗性攻击用于分类的攻击Box-constrainedL-BFGSFastGradientSignMethod(FGSM

年糕糕糕·2023-01-26 15:04

读《Multimodal Video Sentiment Analysis Using Deep Learning Approaches, a Survey》

摘要最强大的多模式情感分析的架构任务是多模态多话语的架构，利用所有模式的信息和上下文信息从相邻的话语视频为了分类目标话语。该体系结构主要由两个模块组成，其顺序可能因模型而异。第一个模块是上下文提取模块，用于建模视频中相邻话语之间的上下文关系，并突出哪些相关的上下文话语对预测目标话语的情绪更重要。在最新的模型中，该模块通常是一个基于双向递归神经网络的模块。（intra）第二个模块是一个基于注意力的模

Mighty_Crane·2023-01-23 10:04

All One Needs to Know about Priors for Deep Image Restoration and Enhancement: A Survey 翻译

AllOneNeedstoKnowaboutPriorsforDeepImageRestorationandEnhancement:ASurveyYunfanLu,YiqiLin,HaoWu,YunhaoLuo,XuZheng,andLinWangAbstractImagerestorationandenhancementisaprocessofimprovingtheimagequalityby

izzz_iz·2023-01-21 19:12

综述论文阅读”A comprehensive survey on graph neural networks“（TNNLS2020）

论文标题Acomprehensivesurveyongraphneuralnetworks论文作者、链接作者：Wu,ZonghanandPan,ShiruiandChen,FengwenandLong,GuodongandZhang,ChengqiandPhilip,SYu链接：AComprehensiveSurveyonGraphNeuralNetworks|IEEEJournals&Magaz

不吃香菜的zbw·2023-01-21 09:00

【阅读】A Comprehensive Survey on Distributed Training of Graph Neural Networks——翻译

AbstractGraphneuralnetworks(GNNs)havebeendemonstratedtobeapowerfulalgorithmicmodelinbroadapplicationfieldsfortheireffectivenessinlearningovergraphs.ToscaleGNNtrainingupforlarge-scaleandever-growinggra

小锋学长生活大爆炸·2023-01-21 08:21

R语言进行复杂抽样设计（Survey-Weighted）logistic回归列线图-Cindex-ROC-校准曲线绘制-外部验证

列线图，又称诺莫图（Nomogram），它是建立在回归分析的基础上，使用多个临床指标或者生物属性，然后采用带有分数高低的线段，从而达到设置的目的：基于多个变量的值预测一定的临床结局或者某类事件发生的概率。列线图(Nomogram)可以用于多指标联合诊断或预测疾病发病或进展。近些年来在高质量SCI临床论文中用的越来越多。列线图将回归模型转换成了可以直观的视图，让结果更容易判断，具有可读性，例如：对于

天桥下的卖艺者·2023-01-20 09:05

行人属性识别-第一篇综述学习-《Pedestrian Attribute Recognition: A Survey》

目录行人重识别行人属性识别行人重识别参考链接：行人重识别基本介绍行人重识别简介+数据集+核心论文点行人重识别(ReID)概述‍几个不错深度学习github源码（人体姿态、物体姿态、人脸相关、行人重识别、行人属性、风格迁移、目标检测、OCR）行人重识别(Personre-identification)也称行人再识别,被广泛认为是一个图像检索的子问题,是利用计算机视觉技术判断图像或者视频中是否存在特定

孟孟单单·2023-01-20 07:37

"A Survey on Dialogue Systems: Recent Advances and New Frontiers" 阅读笔记

最近在思考对话系统的方向，想选择一个方向做深入的研究，所以找了这篇综述性的文章阅读一下。对文章中提到的感兴趣的文章做一个记录，方便后面研究的开展。介绍文章将对话系统分为任务导向模型和非任务导向的模型。任务导向模型主要用来完成某项特定的任务，比如订票系统。这种应用的场景就决定了任务导向的模型往往是特殊定制的，泛化性和鲁棒性都不会太好，我们不太可能要求一个任务导向的模型既能帮助我们定机票又能辅导孩子学

hoohaa_·2023-01-20 05:57

SLAM综述阅读笔记五：Simultaneous Localization and Mapping Related Datasets: A Comprehensive Survey（2021）

light169·2023-01-19 14:44

最优传输论文（十一）：Multi-source Domain Adaptation in the Deep Learning Era: A Systematic Survey论文原理

这里写目录标题前言BackgroundandMotivationProblemDefinitionDatasetsDeepMulti-sourceDomainAdaptationLatentSpaceTransformationIntermediateDomainGenerationConclusionandFutureDirections个人总结前言这是一篇综述类的文章，时间比较新，2020年。

CtrlZ1·2023-01-19 09:12

【论文阅读笔记】---《A Survey of Model Compression and Acceleration for Deep Neural Networks》

论文：ASurveyofModelCompressionandAccelerationforDeepNeuralNetworks深度神经网络模型压缩与加速综述摘要--深度卷积神经网络（CNN）目前在很多视觉识别任务中有非常良好的表现。然而，目前的深度卷积神经网络模型非常耗费计算资源和内存，面临着在终端部署和低延迟需求场景下难以应用的问题。因此，一种很自然的解决方案就是在保证分类准确率不显著下降的前

吃不胖的卷卷·2023-01-18 17:38

视觉大模型调研(Survey of Visual Foundation Model)

目录A.写在前面B.论文支撑与基础理论1.大模型基本概念的诞生2.大模型产业化落地的理论支撑3.视觉模型架构的形成-Transformer到ViT再到MAEC.产业落地化现状1.百度文心UFO2.0整体概述原理介绍模型效果应用场景与方案2.华为盘古CV视觉大模型模型预训练模型部署与模型迭代3.商汤INTERN大模型一个基模型覆盖4大视觉任务，26个场景七大模块：打造全新技术路径产学研协同：开源共创

是魏小白吗·2023-01-18 12:29

Transformer综述(A Survey on Vision Transformer) 阅读学习笔记（三）--Transformer应用的图像处理与视频处理的研究

论文综述：文章主旨：在本文中，我们回顾了这些视觉Transformer模型，将它们分为不同的任务，并分析了它们的优缺点。我们探讨的主要类别包括主干网络、高/中级视觉、低级视觉和视频处理。我们还包括有效的Transformer方法，用于将Transformer推进基于设备的实际应用。此外，我们还简要介绍了计算机视觉中的自我注意机制，因为它是Transformer的基本组成部分。在本文的最后，我们讨论

大黑山修道·2023-01-17 11:18

Sim2Real学习总结：A Short Survey

文中涉及的文章一键获得欢迎关注HelloNeuralNetworks，研究图形学、深度学习、强化学习和Robotic类话题引言最近学习了Sim2Real领域的一些相关工作，以此文做一次学习总结，文章主要参照2020的一篇Survey

平平无奇小扑街·2023-01-17 09:58

阅读笔记（2019）Deep Learning for Anomaly Detection: A Survey

原文：https://www.researchgate.net/publication/330357393_Deep_Learning_for_Anomaly_Detection_A_Survey论文首先对基于深度学习的异常检测的研究方法进行了系统全面的概述

ac同学·2023-01-16 00:49

多模态学习综述 Multimodal Machine Learning A Survey and Taxonomy

参考文献：T.Baltrušaitis,C.AhujaandL.Morency,"MultimodalMachineLearning:ASurveyandTaxonomy,"inIEEETransactionsonPatternAnalysisandMachineIntelligence（TPAMI）,vol.41,no.2,pp.423-443,1Feb.2019.多模态机器学习综述-技术圈(p

TBYourHero·2023-01-15 07:05

哈工大车万翔团队：口语语言理解的最新进展与前沿

刘挺原创作者：谢天宝，覃立波论文链接：https://arxiv.org/abs/2103.03095仓库链接：https://github.com/yizhen20133868/Awesome-SLU-Survey2021

智源社区·2023-01-15 06:14

基于深度学习的医学图像分割（Medical Image Segmentation Using Deep Learning: A Survey）

MedicalImageSegmentationUsingDeepLearning:ASurvey基于深度学习的医学图像分割：一个调查论文地址：https://arxiv.org/abs/2009.13120摘要文章不同与其他文章：a.由粗到细进行分类（其他：分组详细介绍）b.主要研究监督和弱监督学习方法对监督学习方法，从三方面分析a.主干网络的选择b.网络模块的设计c.损失函数的优化对弱监督学习

qq_40938646·2023-01-15 00:31

《A Survey on Aspect-Based Sentiment Analysis: Tasks, Methods, and Challenges》阅读笔记

忙活了一阵子后，现在终于有空研究一下目前如火如荼的ABSA了，当然，还是先从综述出发。ASurveyonAspect-BasedSentimentAnalysis:Tasks,Methods,andChallengesAbstract基于方面的情绪分析(ABSA)作为一个重要的细粒度情绪分析问题，旨在从方面层面来分析和理解人们的观点，在近十年来一直引起了人们的极大兴趣。为了处理不同场景下的ABSA

Vincy_King·2023-01-14 08:11

方面级情感分析论文阅读《A Survey on Aspect-Based Sentiment Analysis: Tasks, Methods, and Challenges》

文章目录文章简介基本知识SentimentorEmotion名词解释方面级情感分析任务单个任务AspectTermExtraction(ATE)AspectCategoryDetection(ACD)AspectOpinionCo-Extraction(AOCE)AspectSentimentClassification(ASC)复合任务Aspect-OpinionPairExtraction(A

jst100·2023-01-14 08:41

Multi-Modal Knowledge Graph Construction and Application:A survey

3.ConstructionMMKG构建的实质是将传统的KG中的符号知识（包括实体、概念、关系等）与相应的图像相关联。完成该任务有两种相反的方式:labelingimageswithsymbolsinKGgroundingsymbolsinKGtoimages3.1fromimagestosymbols:labelingimages(从图像到符号：标记图像)大多数图像标记解决方案学习从图像内容到各

小学生R_rrr·2023-01-13 16:02

A Survey on Trustworthy Recommender Systems 25 Jul 2022

Abstract(原文无)TrustworthyRecommenderSystems(TRS)可信推荐系统传统影响力很大，但是不受欢迎。因为涉及用户隐私，由此引出TRS。不局限于多种推荐系统，考察很多方面，说明研究的很广泛。最后说明目的1.INTRODUCTION第一段：推荐系统应用范围，给个人带来的影响。总的来说，推荐系统是以人类为中心的AI研究的前沿，是人类和AI之间的桥梁。第二段：某些推荐系

我在Bilibili上大学·2023-01-12 21:41

Deep Learning for Visual Tracking: A Comprehensive Survey(单目标跟踪目前最好的综述类文章)

DeepLearningforVisualTracking:AComprehensiveSurveyhttps://arxiv.org/pdf/1912.00535.pdf摘要视觉目标跟踪是计算机视觉中最抢手但最具挑战性的研究主题之一。鉴于问题的不适性及其在广泛的实际场景中的普遍性，已经建立了许多大规模的基准数据集，并在此基础上开发出了可观的方法，并证明了近年来的巨大进步–主要是基于最近基于深度学

听我的错不了·2023-01-12 17:07

论文阅读《Deep Long-Tailed Learning: A Survey》综述（二）

4实证研究本节对现有的长尾学习方法进行实证分析。首先，我们引入一个新的评估指标。4.1新颖的评估度量长尾学习的关键目标是处理类不平衡以获得更好的模型性能。因此，常见的评估协议[13]，[22]直接使用top-1测试精度(用At表示)来判断长尾方法的执行情况，以及哪种方法更好地处理类不平衡。然而，当处理类别不平衡时，这样的度量不能准确地反映不同方法之间的相对优势，因为除了类别不平衡之外，前1名的准确

一颗仙桃儿·2023-01-12 17:06

论文阅读《Deep Long-Tailed Learning: A Survey》综述（一）

DeepLong-TailedLearning:ASurvey深度长尾学习是视觉识别中最具挑战性的问题之一，旨在从大量遵循长尾类分布的图像中训练出表现良好的深度模型。在过去的十年中，深度学习已经成为学习高质量图像表征的强大识别模型，并在通用视觉识别方面取得了显著的突破。然而，长尾类不平衡是实际视觉识别任务中的一个常见问题，它往往限制了基于深度网络的识别模型在实际应用中的实用性，因为它们很容易偏向优

一颗仙桃儿·2023-01-12 17:05

论文阅读《Deep Long-Tailed Learning: A Survey》综述（三）

6未来方向在本节中，我们从方法创新和任务创新两个角度确定了深度长尾学习的几个未来研究方向。6.1NewMethodology我们首先讨论创新深度长尾学习方法的几个潜在方向。Classre-balancingwithoutlabelfrequencies无标签频率的类别重新平衡。一些真实世界的长尾任务，例如多标签分类或对象检测，可能遭受除类别不平衡之外的额外问题，即标签共现。具体来说，标签共现表示头

一颗仙桃儿·2023-01-12 17:35

AMiner推荐论文：Deep Long-Tailed Learning: A Survey

论文链接：https://www.aminer.cn/pub/6164fcc15244ab9dcb24cff5?f=cs近年来，深度学习已经成为人工智能领域中最重要的技术之一。因强大的数据特征表达能力，深度神经网络已经被成功应用到众多视觉识别任务中并取得了显著的突破，如图像分类，物体检测和语义分割等。深度神经网络的成功源于其大量的模型参数对任务模式的学习，而这一过程需要大量的标注数据进行模型训练。

AMiner学术搜索和科技情报挖掘·2023-01-12 17:03

颜水成团队《Deep Long-Tailed Learning: A Survey》全文翻译

深度长尾学习综述1.项目介绍在过去的十年中，深度学习已经成为学习高质量图像表示的强大识别模型，并在通用视觉识别上取得了显著突破。然而，长尾类别不平衡是实际视觉识别任务中的一个常见问题，它常常限制了基于深度网络的识别模型在实际应用中的实用性，因为它们很容易偏向于多数类，而在尾部类上的性能很差。为了解决这个问题，近年来进行了大量的研究，在深度长尾学习领域取得了可喜的进展。2021年颜水成团队发了一篇关

Jorwnpay·2023-01-12 17:03

SLT2021: HOW FAR ARE WE FROM ROBUST VOICE CONVERSION: A SURVEY

0.题目HOWFARAREWEFROMROBUSTVOICECONVERSION:ASURVEY一个调查:我们距离鲁棒性强的音色转换还有多远?1.摘要近年来，在深度学习的帮助下，语音转换技术得到了极大的改进，但是在不同条件下产生自然发声的能力仍然不清楚。在本文中，我们对已知VC模型的鲁棒性进行了深入研究。我们还修改了这些模型，例如替换了说话人嵌入向量编码，以进一步提高其性能。我们发现采样率和音频持

ruclion·2023-01-12 13:45

【论文阅读】会话推荐系统综述 A Survey on Session-based Recommender Systems

文章目录一、文章信息二、阅读笔记2.1什么是会话推荐2.2会话推荐研究现状2.2.1按推荐内容分类2.2.2按技术模型分类2.3会话推荐未来进展三、下周计划一、文章信息文章信息文章标题ASurveyonSession-basedRecommenderSystems发表会议ACMComputingSurveys（CSUR，SCI1区顶会）发表时间2019.2这篇文章系统地概述了基于会话的推荐，以及相

-猫耳朵-·2023-01-11 16:35

论文总结（3）：Intelligent Traffic Monitoring Systems for Vehicle Classification: A Survey

这是一篇综述的论文。领域是车辆检测领域，主要是智能交通系统相关的方法。方法如下：文章主要讲了三个点：1）基于InRoadway2）基于OverRoadway3）基于SideRoadway1）基于InRoadway2）基于OverRoadway基于路面的车辆分类系统在路面上安装传感器，提供不需要路面物理变化的非侵入性解决方案，大大降低了施工和维护成本。此外，这些分类系统能够覆盖多个车道，在某些情况下

高高呀~·2023-01-11 13:24

【目标跟踪】|综述 Deep Learning for Visual Tracking: A Comprehensive Survey

视觉追踪方法可以大致分为计算机视觉深度学习革命前和革命后两大类。第一类的视觉追踪调查论文主要回顾了基于经典物体和运动表征的传统方法，然后系统地、实验地或两者兼之地考察它们的优缺点。考虑到深度学习视觉追踪器的重大进展，关于这些方法的回顾显然已经过时。相反地，第二类的综述则为深度视觉追踪器。与以往调查的差异:尽管目前已有综述论文，但本文仅着重于发表在主要图像处理和计算机视觉会议和期刊上的129种最先进

rrr2·2023-01-11 13:54

Vision-based Vehicle Speed Estimation: A Survey

该文是对《Vision-basedVehicleSpeedEstimation:ASurvey》的翻译，为了个人记录学习。目录摘要1引言2概念与术语2.1输入数据2.2检测与追踪2.3距离和速度估计2.4应用领域3分类4摄像头设置与校准5车辆检测与追踪6车辆距离与速度估计7数据集与评估标准8讨论9结论摘要出于至少两个主要原因，准确估计道路车辆速度的需求变得越来越重要。首先，近年来，全球安装的测速摄

UnknownBody·2023-01-11 13:20

论文阅读技巧整理

论文阅读技巧整理1、本科和研究生区别2、坚持阅读和分析期刊会议论文目的注意事项一般论文组成部分论文阅读步骤3、论文报告的要求和技巧4、我的可能研究方向：神经网络训练、网络结构优化、神经架构搜索Review、Survey

Remoa·2023-01-10 15:31

非成对图像翻译(Unpaired Image-to-Image Translation)部分经典论文汇总

只简单找了一小部分Survey[link]Image-to-ImageTranslation:MethodsandApplications[link]AnOverviewofImage-to-ImageTranslationUsingGenerativeAdversarialNetworksICCV

xiongxyowo·2023-01-10 11:30

3D Object Detection for Autonomous Driving: A Survey（自动驾驶中的3D目标检测综述）论文阅读笔记

原文链接：https://arxiv.org/pdf/2106.10823.pdfII.传感器分为被动传感器（如摄像机）和主动传感器（如激光雷达）。优缺点如下：传感器优点缺点单目摄像机提供色彩和纹理信息成本低对光照条件敏感不提供深度信息立体摄像机提供深度信息计算复杂；视野有限激光雷达受光照影响小；360°视野无纹理色彩；稀疏不规则；贵固态激光雷达比普通激光雷达可靠；成本低视野有限关于摄像机-激光雷

byzy·2023-01-10 10:55

论文阅读--A Survey on Secure Data Analytics in Edge Computing

文章标题:ASurveyonSecureDataAnalyticsinEdgeComputingD.Liu,Z.Yan,W.X.Ding*,M.Atiquzzaman,“ASurveyonSecureDataAnalyticsinEdgeComputing”,IEEEInternetofThingsJournal,Vol.6,No.3,pp.4946-4967,June2019.Doi:10.11

Joey Liao·2023-01-10 09:41

A Deep Journey into Super-resolution: A Survey阅读

摘要作者探索比较30+种基于CNN的单帧超分辨率方法，并且在3+种经典的数据集上测试比较。将现有方法分九类：linear、residual、multi-branch、recursive、progressive、attention-based、adversarialdesigns。同时从模型复杂度、内存占用、输入和输出、学习细节、网络损失类型、及结构重要差异（depth、skip-connectio

fung-hwang·2023-01-10 06:19

Deep learning for Image Super-resolution:A Survey

该论文发表在2019年IEEETPAMI。PDF：DeeplearningforImageSuper-resolution:ASurvey文章目录1Introduction2ProblemSettingAndTerminology2.1ProblemDefinitions2.2DatasetsforSuper-resolution2.3ImageQualityAssessment2.4Operat

sr_super·2023-01-10 06:17

图像超分辨率综述学习之：Deep Learning for Image Super-resolution A Survey

论文：https://arxiv.org/abs/1902.060681.基于监督学习的图像超分辨率模型框架目前的SR还是侧重于有监督的学习，根据上采样的阶段不同划分为四种类型的模型框架：1.1Pre-upsampling预上采样方法：利用传统的上采样算法获得更高分辨率的图像，然后使用深度神经网络对其进行细化优点：①较困难的上采样任务是通过预定义的传统算法完成的，深度cnn只需要对粗图像进行细化，

Diros1g·2023-01-10 06:47

《Deep Learning for Image Super-resolution: A Survey》之 Upsampling Methods

本文节选自论文：DeepLearningforImageSuper-resolution:ASurvey关于图像超分中上采样（Upsampling）方法的总结：1、Interpolation-basedUpsampling（基于插值的上采样方法）（1）Nearest-neighborInterpolation（最近邻插值）选取最靠近的点作为待插入位置的像素值。优点：简单、快缺点：产生块效应（2）B

jinfeng2411·2023-01-10 06:15

推荐频道

survey