Convolutional

AIGC实战——卷积神经网络(Convolutional Neural Network, CNN)

AIGC实战——卷积神经网络0.前言1.卷积神经网络1.1卷积层1.2叠加卷积层1.3检查模型2.批归一化2.1协变量漂移2.2使用批归一化进行训练2.3使用批归一化进行预测3.Dropout4.构建卷积神经网络小结系列链接0.前言在深度学习一节中，我们使用Keras构建并训练了全连接网络以解决CIFAR-10数据集分类问题，但模型性能远未达到预期效果。全连接网络之所以未能达到理想状态的原因之一是
盼小辉丶·2023-11-16 11:47

（论文阅读30/100）Convolutional Pose Machines

30.文献阅读笔记CPMs简介题目ConvolutionalPoseMachines作者Shih-EnWei,VarunRamakrishna,TakeoKanade,andYaserSheikh,CVPR,2016.原文链接https://arxiv.org/pdf/1602.00134.pdf关键词ConvolutionalPoseMachines（CPMs）、articulatedposee
朽月初二·2023-11-16 03:14

OSCNet: Orientation-Shared Convolutional Network for CT Metal Artifact Learning

OSCNet:面向共享的CT金属伪影学习卷积网络论文链接：https://ieeexplore.ieee.org/document/10237226项目链接：https://github.com/hongwang01/OSCNet（目前不会开源）AbstractX射线计算机断层扫描(CT)已广泛应用于疾病诊断和图像引导干预的临床应用。然而，患者体内的金属总是在恢复的CT图像中造成不利的伪影。尽管在
通街市密人有·2023-11-15 09:14

（论文阅读26/100）Weakly-supervised learning with convolutional neural networks

26.文献阅读笔记简介题目Weakly-supervisedlearningwithconvolutionalneuralnetworks作者MaximeOquab，LeonBottou，IvanLaptev，JosefSivic，CVPR，2015原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Oquab_
朽月初二·2023-11-13 14:50

（论文阅读25/100）Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

25.文献阅读笔记Multi-DomainNetwork(MDNet)简介题目LearningMulti-DomainConvolutionalNeuralNetworksforVisualTracking作者HyeonseobNamandBohyungHan原文链接https://arxiv.org/pdf/1510.07945.pdf关键词Multi-DomainNetwork(MDNet)研
朽月初二·2023-11-13 14:49

《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》阅读笔记

论文标题《GenericDynamicGraphConvolutionalNetworkfortrafficflowforecasting》干什么活：交通流预测（trafficflowforecasting）方法：动态图卷积网络（DynamicGraphConvolutionalNetwork）创新：通用（Generic）作者隔壁北航的大佬们太强了。这个项目有国自然和校级资金支持。初读摘要现存方法
AncilunKiang·2023-11-12 02:06

（论文阅读24/100）Visual Tracking with Fully Convolutional Networks

文献阅读笔记（sel-CNN）简介题目VisualTrackingwithFullyConvolutionalNetworks作者LijunWang,WanliOuyang,XiaogangWang,andHuchuanLu原文链接http://202.118.75.4/lu/Paper/ICCV2015/iccv15_lijun.pdf【DeepLearning】简述VisualTracking
朽月初二·2023-11-11 06:31

（论文阅读23/100）Hierarchical Convolutional Features for Visual Tracking

文献阅读笔记（分层卷积特征）简介题目HierarchicalConvolutionalFeaturesforVisualTracking作者ChaoMa,Jia-BinHuang,XiaokangYangandMing-HsuanYang原文链接arxiv.org/pdf/1707.03816.pdf关键词Hierarchicalconvolution、visualtracking研究问题Trac
朽月初二·2023-11-11 06:24

CBAM：Convolutional Block Attention Module

CBAM（ConvolutionalBlockAttentionModule）是一种深度学习领域的注意力机制，旨在增强卷积神经网络对图像特征的建模和表示能力。CBAM引入了通道和空间两种不同的注意力机制，使模型能够动态调整特征图的权重，以适应不同的任务和场景。参考论文：https://arxiv.org/pdf/1807.06521.pdf背景深度学习中的卷积神经网络在图像分类、目标检测、图像分割
BestSongC·2023-11-11 02:33

A Survey of the Recent Architectures of Deep Convolutional Neural Networks

paper另外一篇总结目标检测的文章：RecentAdvancesinObjectDetectionintheAgeofDeepConvolutionalNeuralNetworksTherearesomechallengesfacedduringthetrainingofdeepCNNmodel;someofwhicharegivenbelow:DeepNNaregenerallylikeabl
hajungong007·2023-11-10 01:20

深度学习奠基作VGG《Very Deep Convolutional Networks for Large-Scale Image Recognition》(现代卷积神经网络/网络结构)

VGG首次提出的论文VeryDeepConvolutionalNetworksforLarge-ScaleImageRecognition很长有40页，是2014年发表的。1、使用块的VGG网络VGG是一个使用块的网络AlexNet最大的问题是什么呢，就是长的不规则，就像是一个变大的LeNet，这里加一点那里加一点。结构不那么清晰，大家也会问为什么要这样为什么要那样，如果我怎么变深怎么变宽我都不知
机器学习杨卓越·2023-11-09 13:20

Convolutional Neural Networks for Multimodal Remote Sensing Data Classification论文阅读笔记

近年来，为了提高单模态遥感数据的分类性能，人们进行了大量的研究。然而，随着从卫星或机载平台获取的遥感数据的可用性不断增加，多模式遥感数据的同时处理和分析对遥感界的研究人员提出了新的挑战。为此，我们提出了一种基于深度学习的多模式RS数据分类新框架，其中卷积神经网络（CNNs）作为骨干，具有先进的跨通道重建模块，称为CCR-Net。顾名思义，CCR-Net通过跨模态的重建策略，可以更有效地相互交换信息
ru-willow·2023-11-09 08:12

1.信号处理顶会-ICASSP：SA-Net: shuffle attention for deep convolutional neural networks

CODE:https://github.com/wofmanaf/SA-NetABSTRACT:在计算机视觉研究中主要有两种广泛使用的注意机制，空间注意和通道注意，它们分别旨在捕获像素级的成对关系和通道依赖性。虽然将它们融合在一起可能会比它们各自的实现更好的性能，但这将不可避免地增加计算开销。→ShuffleAttention（SA）模块（1）分组：SA首先将通道尺寸分组为多个子特征，然后并行处理
pig不会cv·2023-11-05 20:28

Visualizing and Understanding Convolutional Networks

VisualizingandUnderstandingConvolutionalNetworksAbstractThispaperaddressedclearunderstandingofwhyCNNsperformsowellandhowtheymightbeimproved1.Introductionweproposeusesamulti-layeredDeconvolutionalNetwo
harukou_ou·2023-11-05 18:57

【论文阅读 12】PoseCNN: A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes

PoseCNN:一种用于杂乱场景中6D物体姿态估计的卷积神经网络摘要——刺激已知物体的6D姿势对于机器人与现实世界交互很重要。由于对象的多样性以及物体之间的杂乱和遮挡引起的场景的复杂性，这个问题具有挑战性。在这项工作中，我们介绍了PoseCNN，一种用于6D对象姿态估计的新卷积神经网络。PoseCNN通过定位物体在图像中的中心并预测其与相机的距离来估计物体的3D平移。通过回归到四元数表示来估计对象
不菜不菜·2023-11-05 00:45

（论文阅读17/100）R-FCN: Object Detection via Region-based Fully Convolutional Networks

文献阅读笔记简介题目R-FCN:ObjectDetectionviaRegion-basedFullyConvolutionalNetworks作者JifengDaiYiLiTsinghuaUniversityKaimingHeJianSun原文链接https://arxiv.org/abs/1605.06409详解R-FCN-知乎(zhihu.com)关键词Region-basedFullyCo
朽月初二·2023-11-04 20:07

《SemEval-2018 Task7: Effectively Combining Recurrent and Convolutional Neural Networks for Relation Classification

论文链接：https://www.paperweekly.site/papers/1833非结构化text中的针对实体关系抽取任务，SemEval2018Task7包含的任务Subtask1:relationclassification(assigningatypeofrelationtoanentitypair)Subtask2:relationextraction(detectingtheex
best___me·2023-11-04 06:16

U-Net - Convolutional Networks for Biomedical Image Segmentation论文翻译——中英文对照

文章作者：Tyan博客：noahsnail.com|CSDN|声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translationU-Net:ConvolutionalNetworksforBiomedicalImageSegmentationAbstractThere
SnailTyan·2023-11-03 23:53

Grad-CAM++: Improved Visual Explanations for Deep Convolutional Networks 论文阅读笔记

Grad-CAM++:ImprovedVisualExplanationsforDeepConvolutionalNetworks会议：WACV时间：2018年本文针对Grad-CAM中出现的问题，例如当图像中存在多个目标或单个物体存在多个部分时，显著图无法将其全部标注、显著图无法完整地捕获整个对象的结构。面对上述问题，本文在CAM和Grad-CAM的基础上提出一个全新的可解释性算法Grad-CA
Stalker_DAs·2023-11-02 02:45

论文翻译-ImageNet Classification with Deep Convolutional Neural Networks

[toc]前言AlexNet是是引领深度学习浪潮的开山之作，即使是我们现在进入了ChatGPT时代，这篇论文依然具有一定的借鉴意义。AlexNet的作者是多伦多大学的AlexKrizhevsky等人。AlexKrizhevsky是Hinton的学生。网上流行说Hinton、LeCun和Bengio是神经网络领域三巨头，LeCun就是LeNet5的作者(YannLeCun)。资源论文原文https:
我真的爱发明·2023-11-01 18:57

R-FCN: Object Detection via Region-based Fully Convolutional Networks（2016.6）

文章目录AbstractIntroduction当前最先进目标检测存在的问题针对上述问题，我们提出...OurapproachOverviewBackbonearchitecturePosition-sensitivescoremaps&Position-sensitiveRoIpoolingRelatedWorkExperimentsConclusion原文链接源代码Abstract我们提出了基
怎么全是重名·2023-10-29 16:48

论文阅读：RFAConv: Innovating Spatial Attention andStandard Convolutional Operatio|RFAConv:创新空间注意力和标准卷积操作

摘要一、简介3研究方法3.1标准卷积操作回顾3.2空间注意力回顾3.3空间注意与标准卷积运算3.4创新空间注意力和标准卷积操作入数据总结摘要空间注意力被广泛用于提高卷积神经网络的性能。但是，它也有一定的局限性。本文提出了空间注意有效性的新视角，即空间注意机制从本质上解决了卷积核参数共享问题。然而，空间注意生成的注意图所包含的信息对于大尺寸卷积核是不够的。因此，我们提出了一种新的注意机制——接受场注
LL.009·2023-10-28 07:42

Event Extraction via Dynamic Multi-Pooling Convolutional Neural Networks

摘要：传统需要费力的特征设计，复杂的NLP工具，耗费人力，倒是错误传播，数据稀疏。本文用CNN自动抽取lexical-level和sentence-level的特征。处理多事件句子的时候CNN只抽取最总要的信息，我们提出了DCNN，通过triggers和arguments构建动态池化层。简介一些使用features进行抽取，特征可分为：lexicalfeatures和contextfeatures
青椒rose炒饭·2023-10-28 02:11

convolutional_network_raw

from__future__importdivision,print_function,absolute_importimporttensorflowastf#ImportMNISTdatafromtensorflow.examples.tutorials.mnistimportinput_datamnist=input_data.read_data_sets("MNIST_data/",one_
醉乡梦浮生·2023-10-26 20:50

Fast Image Processing with Fully-Convolutional Networks

摘要：提出一种方法用来加速很多种的图像处理操作。使用全卷积网络来做这些操作。在10中图像处理操作上评估提出的方法。本文章的目的就是用一个结构的神经网络来完成各种各样的图像处理算法处理出来的效果。论文算法提出的三个要求：准确率，速度和紧凑性因为要使用在不同尺寸的图上，所以考虑全卷积，实验发现为高分辨率设计的网络用在低分辨率上就会有更好的效果，考虑原因是因为感受野更大。Contextaggregati
zju不死谷神·2023-10-26 11:45

论文笔记Densely Connected Convolutional Networks

论文笔记DenselyConnectedConvolutionalNetworks1.标题及来源2.阅读目的3.领域4.拟解决的问题5.提出的方法5.1整体网络结构5.2DenseBlock5.3版本对比6.结果6.1DenseNet_v1实验结果6.2DenseNet_v2实验结果6.6DenseNet不同版本性能对比7.改进&存在的问题8.可借鉴的点9.知识补充9.1对论文的个人理解9.1.1
YSQ是我的·2023-10-26 08:12

【论文阅读】DenseNet：Densely Connected Convolutional Network

CSDN话题挑战赛第2期参赛话题：学习笔记学习之路，长路漫漫，写学习笔记的过程就是把知识讲给自己听的过程。这个过程中，我们去记录思考的过程，便于日后复习，梳理自己的思路。学习之乐，独乐乐，不如众乐乐，把知识讲给更多的人听，何乐而不为呢?论文DenseNet：DenselyConnectedConvolutionalNetwork论文地址https://openaccess.thecvf.com/c
快乐小胡！·2023-10-26 08:36

CNN(卷积神经网络)、RNN(循环神经网络)、DNN，LSTM

1603.07285.pdfhttps://adeshpande3.github.io/adeshpande3.github.io/A-Beginner's-Guide-To-Understanding-Convolutional-Neural-Networks
weixin_34174132·2023-10-26 01:08

[论文精读]Semi-Supervised Classification with Graph Convolutional Networks

论文原文：[1609.02907]Semi-SupervisedClassificationwithGraphConvolutionalNetworks(arxiv.org)论文代码：GitHub-tkipf/gcn:ImplementationofGraphConvolutionalNetworksinTensorFlow英文是纯手打的！论文原文的summarizingandparaphrasi
夏莉莉iy·2023-10-26 01:29

虚假新闻检测论文阅读（九）：Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks

论文题目：RumorDetectiononSocialMediawithBi-DirectionalGraphConvolutionalNetworks论文来源：AAAI2020清华大学官方代码：https://github.com/TianBian95/BiGCN有监督、基于社交上下文、基于新闻传播信息一、基本内容首次将新闻的传播过程建模为图结构，Bi-GCN利用top-down的图表示新闻的传
Quinn-ntmy·2023-10-25 11:05

KiU-Net: Overcomplete Convolutional Architectures for Biomedical Image and Volumetric Segmentation

KiU-Net:OvercompleteConvolutional（过完备卷积）ArchitecturesforBiomedicalImage（生物医学图像）andVolumetricSegmentation（血管分割）论文：KiU-Net:OvercompleteConvolutionalArchitecturesforBiomedicalImageandVolumetricSegmentati
向岸看·2023-10-25 01:33

FCOS: Fully Convolutional One-Stage Object Detection

Github:FCOS摘要提出了一种全卷积的one-stage目标检测方法，以逐像素点的方式解决目标检测问题，类似于语义分割。FCOS是anchorfree的方法，FCOSwithResNeXt-64x4d-101在单模型单尺度的测试下，AP达到44.7%，超越了之前的one-stage方法。image.png一、介绍作者了分析anchorbased方法的缺点，主要有以下四点：1、检测性能对于an
_从前从前_·2023-10-20 09:16

Learning Deep Convolutional Networks for Demosaicing

Abstract本文对应用卷积神经网络（CNN）解决去马赛克问题进行了全面的研究。该论文提出了两种CNN模型，它们可以学习马赛克样本和具有完整信息的原始图像块之间的端到端映射。在使用拜耳滤色器阵列(CFA)的情况下，对流行基准的评估证实CNN模型的数据驱动、自动学习特征非常有效，并且我们提出的最佳CNN模型优于当前的SOTA算法。实验表明，所提出的CNN模型在sRGB空间和线性空间中都可以表现得同
Adagrad·2023-10-18 09:56

YOLOv3反向传播原理 之 全流程源码分析

网络训练中反向传播主体流程1.1初始化1.2batch内梯度累加1.3network和layer中的关键变量2.YOLO层反向传播源码分析3.卷积层（CNN）反向传播源码分析3.1反向传播主函数backward_convolutional_layer
北溟客·2023-10-16 20:42

快速人群密度估计--Multi-scale Convolutional Neural Networks for Crowd Counting

Multi-scaleConvolutionalNeuralNetworksforCrowdCountinghttps://arxiv.org/abs/1702.02359对于人群密度估计问题，由于图像中scalevariationsproblem，所以提出使用多个CNN来解决Multi-column/network。使用多个CNN网络导致网络的参数数量增加，计算量增加，不利于在实际中应用部署。这
O天涯海阁O·2023-10-15 20:10

论文解读《Top-Down Feedback for Crowd Counting Convolutional Neural Network》AAAI2018

Top-DownFeedbackforCrowdCountingConvolutionalNeuralNetwork用于人群计数的自顶向下的反馈卷积神经网络DeepakBabuSam,R.VenkateshBabu摘要：1.原因：largevariabilityinappearanceofpeople人群呈现的巨大变化Oftenpeopleareonlyseenasabunchofblobs.Oc
guoqiangszu·2023-10-15 20:06

论文解读《CrowdNet: A Deep Convolutional Network for Dense Crowd Counting》ACMM-MM2016

CrowdNet:ADeepConvolutionalNetworkforDenseCrowdCountingLokeshBoominathanSrinivasSSKruthiventiR.VenkateshBabu摘要：提出一个新颖的深度学习框架估计静态图像中高密集人群的密度。Weuseacombinationofdeepandshallow,fullyconvolutionalnetworks
guoqiangszu·2023-10-15 20:06

论文阅读笔记（四十五）：Deformable Convolutional Networks

Convolutionalneuralnetworks(CNNs)areinherentlylimitedtomodelgeometrictransformationsduetothefixedgeometricstructuresintheirbuildingmodules.Inthiswork,weintroducetwonewmodulestoenhancethetransformation
__Sunshine__·2023-10-14 13:16

【论文笔记】EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

【论文链接】：https://arxiv.org/abs/1905.11946【论文代码】：https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet（官方tensorflow版本）https://github.com/lukemelas/EfficientNet-PyTorch（第三方pytorch版本）【
Qn_351c·2023-10-12 18:30

论文精读-Semi-Supervised Classification with Graph Convolutional Networks

Semi-SupervisedClassificationwithGraphConvolutionalNetworks目录Semi-SupervisedClassificationwithGraphConvolutionalNetworks一、摘要介绍二、图上的快速近似卷积2.1谱图卷积（主要参考链接：[https://www.jianshu.com/p/35212baf6671](https:/
quxuexi·2023-10-11 18:13

Learning Efficient Convolutional Networks through Network Slimming

该文章是ICCV2017的一篇模型压缩论文，提出了一个针对BN层的剪枝方法，利用BN层的权重（即缩放系数）来评估输入通道的重要程度（score），然后对score对于阈值的通道进行过滤，之后在连接成剪枝后的网络时，已经过滤的通道的神经元就不参与连接。具体方法首先讨论channel-wise稀疏化的优势和遇到的挑战，然后介绍如何利用BN的缩放系数来高效的鉴别和剪枝不重要的通道。通道稀疏化稀疏化可以有
hello_dear_you·2023-10-10 12:34

《ImageNet Classification with Deep Convolutional Neural Networks》阅读笔记

论文标题《ImageNetClassificationwithDeepConvolutionalNeuralNetworks》ImageNet：经典的划时代的数据集DeepConvolutional：深度卷积在当时还处于比较少提及的地位，当时主导的是传统机器学习算法作者一作AlexKrizhevsky和二作IlyaSutskever都是2018年因作为“深度学习领域的三大先驱之一”而获得图灵奖的G
AncilunKiang·2023-10-10 12:20

EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

文章链接：https://arxiv.org/pdf/1905.11946v2.pdfmotivation在计算资源受限的情况下，科学家们往往需要精心设计网络模型。在往计算能力更强的计算环境进行迁移时，我们需要增加模型的运算量来提升模型精度，充分利用计算资源。innovation一般常见的方法在模型宽度,模型深度,模型输入上进行研究。本文综合考虑了三个方面，提出了简单而有效的compundcoef
Shiyi001·2023-10-10 06:27

MS-AAGCN：Skeleton-Based Action Recognition with Multi-Stream Adaptive Graph Convolutional Networks

Skeleton-BasedActionRecognitionwithMulti-StreamAdaptiveGraphConvolutionalNetworksCVPR2019基于骨架的多流自适应图卷积网络动作识别主要内容：提出一种多流注意力增强的自适应图卷积神经网络lmulti-streamattention-enhancedadaptivegraphconvolutionalneuralne
KrystalKarlieKarina·2023-10-08 10:09

GoodFloorplan: Graph Convolutional Network and Reinforcement Learning-Based Floorplanning

GoodFloorplan:GraphConvolutionalNetworkandReinforcementLearning-BasedFloorplanningIEEETRANSACTIONSONCOMPUTER-AIDEDDESIGNOFINTEGRATEDCIRCUITSANDSYSTEMS目录摘要一、简介二、准备工作三、问题描述四、流程框架整体网络架构输入的特征信息图特征嵌入基于梯度的优
Namnam99·2023-10-08 05:51

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记

论文地址：FullyConvolutionalNetworksforSemanticSegmentation参考网址：FullyConvolutionalNetworksforsemanticSegmentation（深度学习经典论文翻译）（一般，很多不准确）FullyConvolutionalNetworksforSemanticSegmentation(FCN)论文翻译论文精读及分析：Full
xiaotian127·2023-10-07 06:30

论文精读之R-CNN（Region-based Convolutional Networks for Accurate Object Detection and Segmentation）

R-CNN是目标检测的开篇之作，后续许多工作都是基于这篇文章的思想论文地址：https://arxiv.org/abs/1311.2524https://arxiv.org/abs/1311.25241Introduction文章的导言中提到，文章提出了解决“如何利用深度网络定位物体”以及“在只有少量注释检测数据的情况下训练高容量模型”。文章提到定位物体主要有两种方法：框回归以及滑动窗口。其中，框
bent1e·2023-10-07 05:59

论文解读 | Fully Convolutional Networks for semantic Segmentation

抄于：https://www.cnblogs.com/xuanxufeng/p/6249834.html摘要卷积网络在特征分层领域是非常强大的视觉模型。我们证明了经过端到端、像素到像素训练的卷积网络超过语义分割中最先进的技术。我们的核心观点是建立“全卷积”网络，输入任意尺寸，经过有效的推理和学习产生相应尺寸的输出。我们定义并指定全卷积网络的空间，解释它们在空间范围内denseprediction任
颐水风华·2023-10-07 05:59

U-Net: Convolutional Networks for Biomedical Image Segmentation

U-Net：用于生物医学图像分割的卷积网络文章目录U-Net：用于生物医学图像分割的卷积网络前言一、论文翻译1介绍2网络体系结构3训练3.1数据扩充4实验5结论二、补充知识motivationoverlap-tile策略unet和FCN的区别前言记录医学图像分割领域看的第一篇文章U-Net，包括翻译和知识点。一、论文翻译摘要：人们普遍认为，成功的深层网络训练需要数千个带注释的训练样本。在这篇文章中
等风来~~·2023-10-07 05:59

[论文精读]BrainNetCNN: Convolutional neural networks for brain networks； towards predicting neuro-

论文原文：BrainNetCNN:Convolutionalneuralnetworksforbrainnetworks;towardspredictingneurodevelopment-ScienceDirect论文全名：BrainNetCNN:Convolutionalneuralnetworksforbrainnetworks;towardspredictingneurodevelopme
夏莉莉iy·2023-10-07 05:25
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他