Convolutional 第21页

SPPNet论文翻译-空间金字塔池化Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

首发地址原文：SPPNet论文翻译译者：邓范鑫我对物体检测的一篇重要著作SPPNet的论文的主要部分进行了翻译工作。SPPNet的初衷非常明晰，就是希望网络对输入的尺寸更加灵活，分析到卷积网络对尺寸并没有要求，固定尺寸的要求完全来源于全连接层部分，因而借助空间金字塔池化的方法来衔接两者，SPPNet在检测领域的重要贡献是避免了R-CNN的变形、重复计算等问题，在效果不衰减的情况下，大幅提高了识别速

mengduanhonglou·2022-11-01 11:56

论文翻译：2020_FLGCNN: A novel fully convolutional neural network for end-to-end monaural speech enhancem.

论文地址：FLGCNN:一种新颖的全卷积神经网络，用于基于话语的目标函数的端到端单耳语音增强论文代码：https://github.com/LXP-Never/FLGCCRN(非官方复现)引用格式：ZhuY,XuX,YeZ.FLGCNN:Anovelfullyconvolutionalneuralnetworkforend-to-endmonauralspeechenhancementwithut

凌逆战·2022-10-31 11:04

CBAM: Convolutional Block Attention Module 卷积块注意模块详解

论文地址：https://arxiv.org/abs/1807.065211.摘要我们提出了卷积块注意模块(CBAM),一个简单而有效的注意模块的前馈卷积神经网络。给出了一个中间特征映射,我们的模块按照两个独立的维度、通道和空间顺序推断出注意力映射,然后将注意力映射相乘为自适应特征细化的输入特征映射。因为CBAM是一个轻量级和通用的模块,它可以无缝地集成到任何CNN架构只增加微不足道的间接开销,可

AI算法-图哥·2022-10-30 17:10

CBAM: Convolutional Block Attention Module中文翻译

摘要我们提出了卷积块注意模块(CBAM)，一个简单而有效的用于前馈卷积神经网络的注意模块。给定中间特征图，我们的模块顺序地推导出两个独立维度的注意力图，通道和空间，然后将注意力映射图乘到输入特征映射上进行自适应特征细化。因为CBAM是一个轻量级的通用模块，它可以无缝集成到任何CNN架构中，开销可以忽略不计，并且可以与基本的CNN一起进行端到端训练。我们通过在ImageNet-1K、MSCOCO检测

双面煎鸡蛋·2022-10-30 17:08

CBAM: Convolutional Block Attention Module 通道+空间注意力机制

前言在了解了基于通道的注意力机制SE-NET之后，发现CBAM对于upsample造成的图像损失有一定的弥补作用，这让改进网络结构有了一定的思路。Abstract我们提出了卷积块注意模块（CBAM），一种简单而有效的前馈卷积神经网络注意模块。给定一个中间特征映射，我们的模块沿着两个独立的维度（通道和空间）顺序推理注意映射，然后将注意映射乘以输入特征映射以进行自适应特征细化。因为CBAM是一个轻量级

小哈蒙德·2022-10-30 17:34

CBAM: Convolutional Block Attention Module

文章目录Abstract1Introduction2RelatedWork3ConvolutionalBlockAttentionModuleChannelattentionmodule代码Spatialattentionmodule代码Arrangementofattentionmodules4Experiments4.1AblationstudiesChannelattentionSpatia

北丐安全·2022-10-30 17:03

【论文】CBAM: Convolutional Block Attention Module

瑾怀轩·2022-10-30 17:28

多尺度动态图卷积神经网络----Multi-scale Dynamic Graph Convolutional Network for Hyperspectral Image Classificati

一、摘要卷积神经网络（CNN）在表示高光谱图像和实现高光谱图像分类方面表现出令人印象深刻的能力。然而，传统的CNN模型只能对固定大小和权重的规则正方形图像区域进行卷积，因此不能普遍适用于具有不同对象分布和几何外观的不同局部区域。因此，它们的分类性能仍有待提高，尤其是在类边界方面。为了缓解这一缺点，我们考虑采用最近提出的图卷积网络（GCN）进行高光谱图像分类，因为它可以对任意结构的非欧几里德数据进行

你这个代码我看不懂.·2022-10-30 07:20

【GCN】图卷积网络 Graph Convolutional Networks

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文转自|视觉算法1.Basic上面左图是2D卷积神经网络，其输入是4行4列的矩阵，通过卷积核逐步移动实现对整个输入的卷积操作；而右图输入是图网络，其结构和连接是不规则的，无法像卷积神经网络那样实现卷积操作，由此提出图卷积网络。以Zachary’sKarateClub社群为例，其结构如下图所示：即总共是0~33共34个node，

小白学视觉·2022-10-30 07:12

YOLOv3-SPP网络搭建代码讲解

文章目录1.配置文件解析1.1配置文件中的层结构说明1.1.1convolutional层1.1.2shortcut层1.1.3maxpool层1.1.4route层1.1.5upsample层1.1.5yolo

@BangBang·2022-10-26 19:12

【深度学习】卷积神经网络(Convolutional Neural Networks)

1.动机-(Motivation)卷积神经网络(CNN)是多层前向网络(MLPs)的一种变体，而MLP是受生物学的启发发展而来的。从Hubel和Wiesel对猫的视觉皮层(visualcontex)所做的早期工作，我们可以看出视觉皮层中的神经元(cells)分布十分复杂。每个神经元仅对视觉域(visualfield)的某个局部区域较为敏感，这个区域叫做感受野(receptivefield)。这些局

及时澍雨Timely·2022-10-26 17:07

论文笔记-Vertex Feature and Hierarchical Temporal Modeling in a Spatial-Temporal Graph Convolutional Net

今天是论文阅读计划的第三天啦，为大家送上一篇论文略读笔记，看了主要部分，但不是精读扣细节。略读时主要是看看别人用了什么方法处理了什么东西解决了什么问题，收集点子，一、解读论文题目关键词VertexFeature、HierarchicalTemporalModeling，一个是针对顶点特征的，一个是针对时序信息建模的。二、研究背景本文是基于ST-GCN来做的改进，也是对ST-GCN的改进版AS-GC

Lyndsey·2022-10-26 15:53

AAAI——Disentangled Multi-Relational Graph Convolutional Network for Pedestrian Trajectory Prediction

用于行人轨迹预测的分解多关系图卷积网络论文来源：AAAI2021论文链接：https://www.aaai.org/AAAI21Papers/AAAI-1677.BaeI.pdf代码链接：无摘要行人轨迹预测是人类环境中自主导航和社交机器人所需的重要任务之一。以前的研究集中在估计单个行人的社会力量上。然而，他们没有考虑行人群体的社会力量，这导致了过度碰撞的避免问题。为了解决这个问题，我们提出了一个用

我与王哥并进·2022-10-18 07:37

行人重识别阅读笔记之Spatial-Temporal Graph Convolutional Network for Video-based Person Re-identification

行人重识别阅读笔记之Spatial-TemporalGraphConvolutionalNetworkforVideo-basedPersonRe-identification摘要介绍模型PreliminaryPatchGraphConstructionTemporalGCNModuleStructuralGCNModuleModelandLossFunctions论文连接：Spatial-Tem

花椒蛋糕·2022-10-18 07:06

Identifying drug–target interactions based on graph convolutional network and deep neural network 论文

Identifyingdrug–targetinteractionsbasedongraphconvolutionalnetworkanddeepneuralnetwork文章目录摘要一、引言二、方法1.ConstructionoftheDPPnetwork2.GCN-basedfeaturerepresentation3.ClassificationbyDNN三、结果1.Datasets2.Ex

Struggle~·2022-10-18 07:05

An Efficient Graph Convolutional Network Technique for the Travelling Salesman Problem

摘要本文介绍了一种新的基于学习的方法，用于近似求解二维欧几里得图上的旅行商问题。我们使用深度图卷积网络通过高度并行的波束搜索以非自回归的方式构建有效的TSP图表示并输出行程。对于固定图形大小的问题实例，我们的方法1在解决方案质量，推理速度和样本效率方面优于最近提出的所有自回归深度学习技术。特别是，我们将50个节点的平均最优差距从0.52％降低到0.01％，并将100个节点的平均最优差距从2.26％

zzzzz忠杰·2022-10-18 07:05

【交通流预测】《T-GCN: A Temporal Graph Convolutional Network for Traffic Prediction》论文详解

《T-GCN》文章目录文章总结Abstract一、Introduction二、Relatedwork三、METHODOLOGY1.ProblemDefinition2.Overview3.Methodology3.TemporalGraphConvolutionalNetwork四、Experiments1.数据集2.评价指标3.模型参数选择3.ExperimentResults五、Conclus

stt-Charon·2022-10-18 07:34

GCN (Graph Convolutional Network) 图卷积网络

这几个同时看一下，感觉能理解不少：B站视频：https://www.bilibili.com/video/BV1ta4y1t7EKGCN论文原文和代码：https://github.com/tkipf/gcn（代码另有pytorch版本的，也很方便理解）本文转载的博客：https://blog.csdn.net/weixin_36474809/article/details/89316439以下是

阿委困的不能行·2022-10-18 07:33

GCNH：Graph Convolutional Network Hashing 阅读笔记

GCNH：GraphConvolutionalNetworkHashing阅读笔记摘要：最近，基于图的通过亲和力图学习保持相似性的二进制码的哈希算法在大规模图像检索中得到了广泛的研究。然而，大多数基于图的哈希方法诉诸于棘手的二进制二次程序，使它们无法扩展到大量数据。在本文中，我们提出了一种新的基于图卷积网络的哈希框架，称为GCNH，它直接在图像集和图像集上建立的亲和图上进行光谱卷积操作，自然产生保

低调流年的微凉·2022-10-18 07:02

文献笔记|标签感知推荐|TGCN: Tag Graph Convolutional Network for Tag-Aware Recommendation

文章目录TGCN:TagGraphConvolutionalNetworkforTag-AwareRecommendation研究对象面临的问题挑战作者的方法FrameWork方法构造图标签卷积网络1类型感知邻居聚合(C1)1.1异构邻居采样1.2邻居聚合2信息更新(C2)2.1类型级信息重构2.2特征交互提取2.3高阶传播3TransTag正则化(C3)4联合训练5讨论实验TGCN:TagGra

江城暮·2022-10-18 07:31

Skeleton-Based Action Recognition with Shift Graph Convolutional Network

基于shift图卷积网络的骨架动作识别https://blog.csdn.net/qq_33331451/article/details/106860828Abstract利用骨骼数据进行动作识别是计算机视觉领域的研究热点。近年来，将人体骨骼建模为时空图的图卷积网络（GCNs）取得了显著的性能。然而，基于GCN方法的计算复杂度相当高，通常一个动作样本的计算复杂度超过15GFLOPs。最近的作品甚至

KarRoy_琑·2022-10-18 07:01

TOPOLOGY ADAPTIVE GRAPH CONVOLUTIONAL NETWORKS论文笔记(TAGConv)

TOPOLOGYADAPTIVEGRAPHCONVOLUTIONALNETWORKS（TAGConv论文笔记）论文链接：https://arxiv.org/abs/1710.10370摘要谱图卷积神经网络(Spectralgraphconvolutionalneuralnetworks,CNNs)需要对卷积进行近似，以降低计算复杂度，导致性能损失。本文提出了拓扑自适应图卷积网络(TAGCN)，这是

杰克船长有烦恼·2022-10-18 07:59

GCAN: Graph Convolutional Adversarial Network for Unsupervised Domain Adaptation

【论文笔记】用于无监督领域自适应的图卷积对抗网络GCAN:GraphConvolutionalAdversarialNetworkforUnsupervisedDomainAdaptation摘要介绍相关工作图卷积对抗网络实验GCAN:GraphConvolutionalAdversarialNetworkforUnsupervisedDomainAdaptation摘要连接源域和目标域的三种类型

十月十二日·2022-10-18 07:29

论文笔记-Richly Activated Graph Convolutional Network for Robust Skeleton-based Action Recognition

Hello，今天是论文阅读计划的第5天啦。今天这篇论文比较简单，没有什么特别复杂的技术。一、论文题目关键词提取Richly：丰富地。为什么称之丰富的呢？丰富地激活了什么呢？Robust：鲁棒的。提取的特征更具备鲁棒性？带着疑问往下阅读。二、研究背景这个NTU数据集上目前都是直接识别分类的，但实际真实情况下，会出现物体遮挡、自遮挡等情况。现有的算法在缺失的情况下，性能下降非常多非常快。本篇论文的Ba

Lyndsey·2022-10-18 07:58

DDGCN: A Dynamic Directed Graph Convolutional Network for Action Recognition

Introduction作者认为解决如下两个问题能有效增强GCN在动作识别中的能力：1.在人类骨骼的不同部位中有着时空关联性，但这些关联性是动态的，而且在时空域中不同的动作关联性也是不同的。标椎卷积操作普遍采纳的传统GCN是静态的，而且仅仅描述了邻居节点的空间联系，因而不能准确的获得这样的动态时空联系。2.骨骼的空间层次结构和运动的时间序列特性都编码了序列信息，这在动作识别中是重要的。但是大多数现

酷毙科沿沟·2022-10-18 07:57

三维建筑形式的生成 Graph Convolutional Network

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、简介二、方法1.General2.Linguistic结果总结前言传统上，建筑师通过透视效果图和标准化的二维图纸来表达他们对三维建筑形式设计的想法。然而，由于建筑设计总是多维的、错综复杂的，很难通过简单的语言描述让别人理解设计意图、具体形式，甚至是空间布局。受益于机器学习的快速发展，特别是自然语言处理和卷积神经网络，本

zongcai666·2022-10-18 07:25

Deformable Convolutional Networks 可变形卷积网络解析

DeformableConvolutionalNetworks文章目录DeformableConvolutionalNetworks1.什么是可变形卷积?2.可形变卷积解决了什么问题？3.可变形卷积的具体实现细节3.1双线性插值3.2可变形卷积DeformableConvolution3.3可变形的ROIPooling1.什么是可变形卷积?DeformableConvolutionalNetwor

AndSonder·2022-10-16 07:55

【深度学习】浅析二维卷积层

Beb1997·2022-10-16 07:11

【读点论文】PP-LCNet: A Lightweight CPU Convolutional Neural Network，面向CPU级的技巧结合下的低延迟，较高精度模型

PP-LCNet:ALightweightCPUConvolutionalNeuralNetwork提出了一个基于MKLDNN加速策略的轻量级CPU网络，命名为PP-LCNet，它提高了轻量级模型在多任务上的性能。本文列出了可以在延迟几乎不变的情况下提高网络准确性的技术。通过这些改进，PP-LCNet在相同的分类推理时间下，准确率可以大大超过以前的网络结构。如下图所示，它优于最先进的模型。并且对于

羞儿·2022-10-15 07:54

Language Modeling with Gated Convolutional Networks ( GLU )理解

简介门控线性单元（GLU）是卷积神经网络中的一种门控机制，与循环神经网络的门控循环单元（GRU）不同的的是更加进行梯度容易传播，不易造成梯度消失或者梯度爆炸。而且在计算时间上也大幅度减少。GLU计算过程卷积网络就是对输入进行卷积以获得H=f∗w，因此没有时间依赖性，这使得在句子的单个单词上更容易并行化。这个计算过程将根据多个先前单词来计算每个上下文。与递归网络相比，上下文的大小是有限的，但可以表示

凉寒·2022-10-15 07:42

全卷积网络的理解——理解论文Fully Convolutional Networks for Semantic Segmentation

目录论文详解1.和VGG网络的对比2.那么fcn是什么？3.论文改进的模型3.1怎样进行上采样的问题3.2从哪里开始上采样的问题--跳跃连接的问题3.3整体设计思想4.1实验结果4.1语义分割的评价标准4.2参数设置的问题5.论文解决的问题论文详解下面的五个部分是对论文提出的模型的理解，如果你想了解论文本身，那么请移步：1.论文阅读的储备知识-CNN2.读论文的普适性过程3.摘要部分详细阅读4.引

BuptBf·2022-10-14 14:59

文献阅读笔记7——CBAM: Convolutional Block Attention Module

1摘要卷积块注意力模块是一种简单有效的前馈卷积神经网络。给定其中间一个映射，模块沿两个独立维度（通道和空间）顺序推断注意映射，然后讲注意映射乘以输入特征映射以进行自适应特征细化。2Introductioncontribution①简单有效的注意模块，用于提高CNN表征能力②通过广泛消融实验证明我的注意力机制有效性③插入CBAM在多个基准上有很大的提高3Relatedwork从网络工程和注意力机制两

白日梦想家April_Liu·2022-10-09 10:42

GCN代码详解（SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS（2017ICLR））

不足之处请大家多多指点！文章目录链接代码详解链接论文题目：用图卷积网络进行自监督分类（GCN）（2017ICLR）论文链接：1609.02907v3.pdf(arxiv.org)代码链接：tkipf/pygcn:GraphConvolutionalNetworksinPyTorch(github.com)代码讲解（非本人）：4.1_GCN代码_哔哩哔哩_bilibili注意：这里给的代码链接是用P

刘大彪·2022-10-08 07:35

卷积神经网络(CNN)介绍与实践

为了说明这些情况，请看下面这张图片：https://medium.freecodecamp.org/an-intuitive-guide-to-convolutional-ne

致Great·2022-10-06 16:29

Learning to Compare Image Patches via Convolutional Neural Networks【论文笔记】

文章目录：一、数据集简介（Dataset）二、基本模型（Basicmodels）2-channelSiamesePseudo-siamese三、其他模型（Additionalmodels）DeepnetworkCentral-surroundtwo-streamnetworkSpatialpyramidpooling(SPP)四、优化（Optimization）五、实验（Experiment）六、

杨BOSS响·2022-10-03 07:06

论文阅读——DoubleU-Net: A Deep Convolutional Neural Network for Medical Image Segmentation

DoubleU-Net:ADeepConvolutionalNeuralNetworkforMedicalImageSegmentation用于医学图像分割的DoubleU-Net框架Abstract语义分割就是为图像中每一个像素点的类别进行预测。基于编解码结构的分割网络，如UNet及其变体，是医学图像分割中广泛使用的网络。为了进一步提升UNet在不同分割任务中的性能，本文提出了一种新的Doubl

黄小米吖·2022-10-02 07:22

[源码笔记]Graph Convolutional Network(GCN) 图卷积网络源码详解

GCN源码详解参考：[Github源码]tkipf/pygcn:GraphConvolutionalNetworksinPyTorch(github.com)图神经网络入门：GCN论文+源码超级详细注释讲解！_ZJF的博客-CSDN博客_gcnpytorch理论-supplement1.半监督学习是什么？体现在哪里？参考这篇文章HGAT半监督短文本分类的异构图注意网络论文阅读笔记及代码复现_ZJF

LightInk2020·2022-10-01 07:50

论文笔记：（字符级卷积用于文本分类）《Character-level Convolutional Networks for Text Classification》

1.论文背景在这篇论文之前，几乎所有的文本分类技术都是基于单词的，在这篇论文中，作者把字符级的文本当做原始的信号输入。这篇论文，仅仅使用字符，运用在卷积神经网络上。作者发现，当训练大规模数据集的时候，深度卷积神经网络并不需要单词层面的意义（包括语言的语法和语义）。这是非常激动人心的工程简化，因为不管什么语言，它都是由字符组成的，因此这对于构建跨语言的系统至关重要。还有一个好处，对于异常的字符组成（

不吐桔子皮·2022-09-29 07:06

动手学习pytorch之【CNN】——基础模型代码实现

Convolutional-NNSimple-CNN如果想看原理的话，请看我的同专栏下的文章一个简单的多输入通道运行过程示意图：基础实现：importtorchfromtorchimportnnfromd2limporttorchasd2l

皇皇零岁·2022-09-28 12:37

论文笔记：Multi-dimensional Graph Convolutional Networks

论文笔记：Multi-dimensionalGraphConvolutionalNetworks文章目录论文笔记：Multi-dimensionalGraphConvolutionalNetworksABSTRACT1INTRODUCTION2THEPROPOSEDFRAMEWORK2.1Generalanddimension-specificrepresentations2.4Multi-dim

Yuetianw·2022-09-28 07:44

CS231n课程笔记：Leture5 Convolutional Neural Networks

目录convolutionPoolingconvolutionhowtovisualizethesefeatures？ifstride2whataboutstride3？zeropadtheborderspaddingvalue*2+NIfyougotanyquestionshere，youcanlearnfromthisblogindetails(21条消息)CNN中卷积核数和输出通道数的关系_

Lyttonkeepgoing·2022-09-24 14:47

Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering

参考文献[1]ConvolutionalNeuralNetworksonGraphswithFastLocalizedSpectralFiltering

一穷二白到年薪百万·2022-09-22 21:46

Deformable ConvNets--Part4: Deformable Convolutional Networks

转自：https://blog.csdn.net/u011974639/article/details/79704043关于DeformableConvolutionalNetworks的论文解读，共分为5个部分，本章是第四部分：[]Part1：快速学习实现仿射变换[]Part2：SpatialTransfomerNetworks论文解读[]Part3：TenosorFlow实现STN[x]Par

weixin_34253539·2022-09-22 21:39

Deformable Convolutional可变形卷积回顾

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Sik-HoTsang编译：ronghuaiyang导读使用可变形卷积，可以提升FasterR-CNN和R-FCN在物体检测和分割上的性能。只要增加很少的计算量，就可以得到性能的提升，非常好的文章，值的一看。(a)ConventionalConvolution,(b)DeformableConvolution,(c)SpecialCa

ronghuaiyang·2022-09-22 21:37

NLP论文（情感分析）：《Combination of Convolutional Neural Network and Gated Recurrent Unit for Aspect-Based S

NLP论文（情感分析）：《CombinationofConvolutionalNeuralNetworkandGatedRecurrentUnitforAspect-BasedSentimentAnalysis》笔记论文介绍模型结构文章翻译AbstractV.CONCLUSION相关视频相关的笔记相关代码pytorchtensorflowkeraspytorchAPI:tensorflowAPI论

电信保温杯·2022-09-22 21:06

可变形卷积：Deformable Convolutional Networks

文章提出了一种通过在模块中增加额外偏移量的空间采样位置和从目标任务中学习到偏移量且不需要额外的监督的方法来增强CNN的变换建模能力。基于这种思想提出了两个新模块：可变形卷积和可变形RoI池化。新模块可以很容易地取代现有CNN中的普通模块，并且可以通过标准反向传播轻松地进行端到端训练。DeformableConvolutionalNetworks参考目录可变形卷积参考目录可变形卷积原文：Deform

暖风️·2022-09-22 21:04

Deformable Convolutional Networks——v1 and v2，可变形卷积

V1：DeformableConvolutionalNetworksV2：DeformableConvNetsv2:MoreDeformable,BetterResultsV1：卷积神经网络（CNNs）由于卷积核固定的几何结构（常见的1x1、3x3和5x5等），导致其不能够很好地建模存在几何形变（geometrictransformations）的物体。本文提出了两个可以用于提高CNNs建模几何形

jinfeng2411·2022-09-22 21:32

Deformable Convolutional Networks 阅读笔记

DeformableConvolutionalNetworks（可变形卷积网络）文章：https://arxiv.org/abs/1703.06211link.概述这项工作中，作者引入了两个新模块来增强CNN的建模能力:deformableconvolution（可变形卷积）和deformableRoIpooling（可变形ROI池化）。两者均基于以下思路：在模块中增加具有额外偏移量的空间采样

木木JL·2022-09-22 21:01

深度学习之 DCN（Deformable Convolution）-可变形卷积

Paperlink:http://openaccess.thecvf.com/content_ICCV_2017/papers/Dai_Deformable_Convolutional_Networks_ICCV

奔跑的大西吉·2022-09-22 21:26

目标检测之Deformable Convolutional Networks(2017)

文章目录DeformableConvolutionalNetworks(2017)主要贡献解决的问题贡献介绍可变形卷积(*deformableconvolution*)概述过程可变形RoI池化ROI池化位置敏感(PS)的RoI池化实现的效果配置语义分割目标检测验证可变形卷积可变形RoI池化模型复杂性和运行时间COCO的目标检测相关的工作空间变换网络*STN*[26]主动卷积*ActiveConvo

有为少年·2022-09-22 21:55

推荐频道

Convolutional