论文写作

论文分享:使用查找表的SR-LUT实用单图像超分辨率

笔者:SijunMa 全文:https://www.cnblogs.com/SijunMa/articles/17367497.html 摘要:随着移动的设备和显示硬件的发展,对实用SR技术的需求已经增加。当前最先进的SR方法是基于DNN以获得更好的质量。然而,它们在通过使用并行计算模块(例如GPU ......
图像 分辨率 SR-LUT 论文 LUT

数学建模论文

1.结构 首页:论文标题+摘要+关键词 一、问题重述 二、问题分析 三、模型假设 四、符号说明 五、模型的建立与求解 六、模型的分析与校验 七、模型的评价、改进与推广 八、参考文献 附录 1.标题 2.摘要 摘要包含的三要素: 解决说明问题,应用说明方法,得到什么结果。 摘要的三部分:1000字左右 ......
数学建模 数学 论文

论文阅读-sparse gpu kernels for deep learning

论文地址:https://ieeexplore.ieee.org/document/9355309 源码地址:https://github.com/google-research/sputnik 背景 深度神经网络由大量的矩阵乘法运算和卷积运算组成,这些运算中使用的矩阵可以转化成稀疏矩阵,同时不损失 ......
learning kernels sparse 论文 deep

深度特征融合相关论文(后续更新)

FCN:Fully convolutional Networks for Semantic Segmentation — CVPR2015 ResNet:Deep Residual Learning for Image Recognition — CVPR2016 FPN:Feature pyram ......
深度 特征 论文

stronix就尼玛一垃圾芯片厂商,能不能别把spi的数据写作sda了?能不能别把spi的时钟写成sck了?连带汇晶一起说着,没个争气的

真尼玛的气死了 搞了个显示屏,商家的数据手册写的是串行通讯,,引脚是sda和scl 我一看,这尼玛的是iic啊,打开cubemx 设计 然后画图打板,一气呵成,回来撸代码,死活不显示 我再去问卖家,奥,芯片是ST7567的,好吧,去官网看一下 Mono STN-LCD Driver IC - Sit ......
时钟 spi 芯片 垃圾 厂商

[重读经典论文]YOLOv3

1. 前言 YOLOV3是单阶段目标检测算法YOLO系列的第三个版本,由华盛顿大学Joseph Redmon发布于2018年4月,广泛用于工业界。 改进了正负样本选取、损失函数、Darknet-53骨干网络,并引入了特征金字塔多尺度预测,显著提升了速度和精度。 2. 网络结构 换了骨干网络,把bac ......
经典 YOLOv3 论文 YOLOv

如何ChatGPT写作论文,保姆及教程以及问题答疑

上次发表“如何用ChatGPT完成论文”后,许多捧场看官评论讨论,也有不少同学实操成功,但更多人寻求帮助。所以今天再整理一篇,把大家的疑问进行说明。 1. ChatGPT写的论文能否被检查出? 有同学反映将一段ChatGPT生成的文字贴给ChatGPT后,问这段话是不是ChatGPT产生的,Chat ......
保姆 ChatGPT 教程 论文 问题

如何使用ChatGPT在1天内完成毕业论文

​ 如何使用ChatGPT在1天内完成毕业论文 几天前,亲眼见证了到一位同学花了1天时间用ChatGPT完成了他的毕业论文,世道要变,要学会使用黑科技才能混的下去。废话到此结束,下面说明这么用AI生成自己的论文。 使用工具: 1. Prompt框架学习: https://github.com/pro ......
毕业论文 ChatGPT 论文

论文阅读笔记《Residual Physics Learning and System Identification for Sim to real Transfer of Policies on Buoyancy Assisted Legged Robots》

Residual Physics Learning and System Identification for Sim to real Transfer of Policies on Buoyancy Assisted Legged Robots 发表于2023年。论文较新,未找到发表期刊。 基于浮 ......

论文阅读笔记《Stochastic Grounded Action Transformation for Robot Learning in Simulation》

Stochastic Grounded Action Transformation for Robot Learning in Simulation 发表于IROS 2020(CCF C) 模拟中机器人学习的随机接地动作转换 Desai S, Karnan H, Hanna J P, et al. ......

论文阅读笔记《Grounded Action Transformation for Robot Learning in Simulation》

Grounded Action Transformation for Robot Learning in Simulation 发表于AAAI 2017 仿真机器人学习中的接地动作变换 Hanna J, Stone P. Grounded action transformation for robo ......

[经典论文重读]YOLOv2

1. 前言 YOLOV2是YOLO目标检测系列算法的第二个版本。 第一部分:在YOLOV1基础上进行了若干改进优化,得到YOLOV2,提升算法准确度和速度。特别是增加了Anchor机制,改进了骨干网络。 第二部分:提出分层树状的分类标签结构WordTree,在目标检测和图像分类数据集上联合训练,YO ......
经典 YOLOv2 论文 YOLOv

有趣大会 · 2023年自然语言处理顶会篇(从会议中挖掘奇妙想法的论文工作)

什么是有趣“大会”?它并不是一个和官方相关,真正的大会。它会是以趣味为导向的一系列文章,可以用放松、不太正式的心态去阅读它。 有趣大会都会有哪些内容,可以给我带来什么? 会挑选会议中一些有奇奇妙妙的想法或者任务的工作,然后进行非常简短的介绍。定位在于奇妙的角度或者有趣的任务,所以不会出现对模型方法的 ......
自然语言 想法 大会 自然 语言

[重读经典论文]YOLOv1

1. 前言 由Joseph Redmon等人2016年在论文《You Only Look Once: Unifified, Real-Time Object Detection》中提出的一阶段目标检测算法,核心思想是将物体检测任务视为回归问题。它通过将图像分成S×S个网格,每个网格负责预测该网格中是 ......
经典 YOLOv1 论文 YOLOv

1.ORB-SLAM3论文重点导读及整体算法流程梳理

摘要 ORB-SLAM3是第一个能够执行纯视觉、视觉-惯导以及多地图的SLAM系统,可以在单目,双目以及RGB-D相机上使用针孔以及鱼眼模型。 本文主要新颖之处在于基于特征的VIO紧耦合系统,该系统完全依赖于最大后验估计,即使在IMU初始化阶段也是如此。本系统在小型和大型、室内和室外环境中实时稳定运 ......
算法 ORB-SLAM 流程 整体 重点

深度学习自学看懂论文的网站

救命啊!深度学习代码看不懂怎么办啊?一个网站彻底解决!-人工智能/AI/机器学习_哔哩哔哩_bilibili GitHub - labmlai/annotated_deep_learning_paper_implementations: 🧑‍🏫 59 Implementations/tutori ......
深度 论文 网站

研究生论文处理的数据

数据的特征是反射率每一个波长代表一个维度。 数据的横轴代表像素数,纵轴代表不同频率,里面的内容表示不同频率的反射率。 物体反射的辐射能量占总辐射能量的百分比,称为反射率。不同物体的反射率也不同,这主要取决于物体本身的性质(表面状况),以及入射电磁波的波长和入射角度,反射率的大小范围总是小于等于1,利 ......
研究生 数据 论文

【论文笔记】A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT 使用ChatGPT增强提示工程的提示模式目录

简介 论文原文 https://arxiv.org/pdf/2302.11382.pdf 参考笔记 https://qiita.com/sonesuke/items/981925cfcc610a602e94 16种prompt模式并附例 prompt patterns是什么 A prompt is ......
ChatGPT Prompt Engineering Pattern Catalog

中国的世界遗产结课论文

中国的世界遗产结课论文 先上正文 ​ 中国是一个拥有悠久历史和丰富文化遗产的国家,这些遗产不仅代表着中国人民的智慧和创造力,也是世界文化遗产的重要组成部分。在中国境内,共有56处世界文化和自然遗产,涵盖了古代建筑、自然风光、历史文化等多个方面。 ​ 本文将重点介绍几处代表性的中国世界遗产。首先是位于 ......
世界遗产 遗产 论文 世界

Split to Be Slim: 论文复现

摘要:在本论文中揭示了这样一种现象:一层内的许多特征图共享相似但不相同的模式。 本文分享自华为云社区《Split to Be Slim: 论文复现》,作者: 李长安 。 Split to Be Slim: An Overlooked Redundancy in Vanilla Convolution ......
论文 Split Slim Be to

Markdown与中文文档写作规范

记录一下 Markdown 学习,还有写作规范。 Markdown 学习 Markdown 语法教程 写作规范 中文技术文档的写作规范 中文文案排版指北 ......
Markdown 文档

数学建模论文排版(表格篇)

本文为学习清风数学建模排版的word部分的笔记 配套资料可以在微信公众号《数学建模学习交流》后台发送“论文排版”免费获取。 三线表制作 先插入一个表格然后删除边框(在表格工具--布局--查看网格线(打开),即可看见去除边框后的虚线)再利用表格工具--表设计--边框刷为表格刷上边框,第一条线和最后一条 ......
数学建模 表格 数学 论文

论文推荐:基于联合损失函数的多任务肿瘤分割

以FFANet为主干,加入分类的分支,将模型扩展为多任务图像分割框架,设计了用于分类和分割的联合损失函数。 FFANet+MTL 完整文章: https://avoid.overfit.cn/post/6a605da56978443bb548e8f342cbda37 ......
肿瘤 函数 损失 任务 论文

论文解读(VAT)《Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning》

论文信息 论文标题:Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning论文作者:Takeru Miyato, S. Maeda, Masanori Koya ......

ChatGPT 可以写你的论文,但你应该使用它吗?

随着在线写作工具的日益普及,您可能想知道:我可以使用ChatGPT来写我的论文吗?如果您从未使用过聊天机器人,它可以在几秒钟内生成几段文本。这肯定比任何人打字都快,但使用它也有很多限制。以下是您需要了解的有关 ChatGPT 在撰写论文方面的表现以及您是否应该使用它的所有信息。 快速回答 ChatG ......
ChatGPT 论文

论文解读《Do We Need Zero Training Loss After Achieving Zero Training Error?》

论文信息 论文标题:Do We Need Zero Training Loss After Achieving Zero Training Error?论文作者:Takashi Ishida, I. Yamane, Tomoya Sakai, Gang Niu, M. Sugiyama论文来源:20 ......
Training Zero Achieving 论文 After

论文解读(PGD)《Towards deep learning models resistant to adversarial attacks》

论文信息 论文标题:Towards deep learning models resistant to adversarial attacks论文作者:Aleksander Madry, Aleksandar Makelov, Ludwig Schmidt, Dimitris Tsipras, Ad ......

MapReduce论文阅读报告

1 背景 MapReduce可以简单理解为一个函数式编程框架,因为对于大量数据处理在分布式场景下会有各种各样的麻烦,比如错误处理,数据集划分,分布式调度等问题。Google的两位工程师提出了这一个框架,就可以让一个没有分布式经验的普通用户(比如我),只通过实现map和reduce函数,就能轻松完成分 ......
MapReduce 报告 论文

论文解读(FGSM)《Explaining and Harnessing Adversarial Examples》

论文信息 论文标题:Explaining and Harnessing Adversarial Examples论文作者:Ian J. Goodfellow, Jonathon Shlens, Christian Szegedy论文来源:ICLR 2015论文地址:download 论文代码:dow ......

猛读论文13 |【CVPR 2022 UDA】Unleashing Potential of Unsupervised Pre-Training with Intra-Identity Regularization for Person Re-Identification

动机 解决(1)对比学习管道中的增强通常会扭曲人物图像中的判别线索(2)细粒度的局部特征人物图像尚未得到充分探索。 思路 方法 ......