这个框架中有两个网络。一个名为在线模型，另一个名为目标模型。在线模型由 θ 参数化，目标模型由 ξ 参数化。目标模型通过计算θ的
原创
2022-12-24 00:19:22
224阅读
本文主要对Transformer一种改进方法“Performer”论文进行分析。一、动机：Performer解决什么问题？在NLP领域中，如果输入句子的长度是L，那么Transformer中的self-attention操作对应的时间复杂度和空间复杂度为O(L2)。Performer研究的就是采用怎样的近似方法，在尽量避免效果损失的情况下，得到线性的时间/空间复杂度，下图就是本文方法的近似效果。实
前记：9102年以来，在计算机视觉的目标检测子领域出现了anchor-free的热潮，实质上就是用点或者中心区域去代替原先anchor-based的anchor功能，这篇CenterNet不仅思路简单、功能强大，不仅能够用于目标检测，还可以扩展到3D检测、人体姿态估计等领域，而且论文写得非常清晰明了，简直吹爆！论文题目：Objects as Points论文地址：https://arxiv...
转载
2021-09-15 14:43:29
870阅读
论文翻译大致有以下9个技巧1.增译法和减译法：指根据英汉两种语言不同的思维方式、语言习惯和表达方式，在翻译时增添一些词、短句或句子，以便更准确地表达出原文所包含的意义。这种方式多半用在汉译英里。另外，在汉译英时还要注意增补一些原文中暗含而没有明言的词语和一些概括性、注释性的词语，以确保译文意思的完整。总之，通过增译，一是保证译文语法结构的完整，二是保证译文意思的明确。而减译法相对应的
YOLO的特点：使用来自整张图像的特征来预测每个bounding box 首先，将整张图分成S*S的网格，如果一个物体的中心落在某个网格中，就用该网格检测这个物体。 每个网格预测B个bounding box，以及对应的置信度。 置信度的含义： 模型确定这个box包含有物体的程度 模型认为box属于预
原创
2021-07-25 15:25:32
322阅读
文章目录第5页对Alex的改造遮挡敏感度图像的局部相关性分析第6页8-1现效果作者给在论文第7页。上面是改造前的A
原创
2022-10-28 09:11:19
268阅读
Summary: CLIP模型通过对比损失进行训练，这通常依赖于数据增强来防止过拟合，但是在CLIP的训练过程中，只对图像进行了数据增强
文章目录前言第1页前言原文Github地址:https://github.com/shitbro6/paper/blob/main/VGG.pdf原文arxiv地址 :https:出的，在当
原创
2022-10-28 11:07:37
214阅读
文章目录前言网络搭建初始化权重结果分析前言之前已经把VGG大部分的东西弄完了，没看过的可以去看一下，CNN基础论文 精读+复池化，文中已给出 卷积核 3 * 3，
原创
2022-10-28 11:07:52
144阅读
Institution: 中国科学院大学（UCAS）, 华为, 鹏城实验室Summary: CNNs和ViTs是视觉特征表示领域常用的两个基座
前言之前已经把VGG大部分的东西弄完了，没看过的可以去看一下，CNN基础论文 精读+复现
原创
2022-10-28 06:35:13
168阅读
文章目录准备工作BasicBlock块ResNet-18、34网络结构完整代码:小总结准备工作
原创
2022-10-28 09:10:53
328阅读
文章目录前言第1-2页摘要与引言残差模块第2-3页文献综述第3-4页深
原创
2022-10-28 09:11:01
1133阅读
论文标题:Visualizing and Understanding Convolutional Networks（可视化并理解卷积神经网络）
原创
2022-10-28 09:11:36
197阅读
文章目录程序完善结果分析总结程序完善前面两篇文章已经把论文中大部分的东西都说完了，网络也搭建起来了，到论文中的第5章了，就是 Details of learning。上次留了个问题，就是有个均值，标准差和全连接隐层神经元偏置初始化的问题，不是很明白，然后查了一下网上大佬的代码。。。。。文章中说到 2，4，5卷积层和全连接层初始化偏置为1
原创
2022-10-28 11:08:35
128阅读
文章目录网络搭建C1层S2层C3层S4层C5层C6层C7层S8层F9层F10层、F11层LRN层dropout层加入激活函数损失函数与优化器上一
原创
2022-10-28 11:08:53
354阅读
文章目录前言1-2页摘要与引言数据集3-5页Relu函数(ReLU Nonlinearity)多GPU并行(Training on Multiple GPUs)局部响应归一化( Local
原创
2022-10-28 11:09:22
277阅读
论文题目：Attention Is All You Need（transformer） 时间：2017 来源：NIPS 论文链接：https://arxiv.org/abs/1706.03762目录相关介绍Seq2Seq模型softmaxRNN的局限性解决对策本文贡献（创新点）什么时候可以用transformer模型模型Encod
原创
2023-03-09 01:21:37
205阅读
提升树模型是一种高效且广泛使用机器学习天奇。...
原创
2022-08-29 22:39:07
336阅读
