resnext经典 论文

Makefile笔记(5)——经典案例

1. Makefile中使用shell脚本 msm-5.10/tools/testing/selftests/futex$ cat Makefile # SPDX-License-Identifier: GPL-2.0 SUBDIRS := functional TEST_PROGS := run. ......
经典案例 Makefile 案例 笔记 经典

Word论文排版

Word论文排版 页面布局--页面设置,设置页面边距 按要求设置正文的文字格式和段落格式 设置论文封面 设置论文摘要 设置一级、二级、三级标题样式,并应用,ctrl+f查看导航标题 双击文档页眉处,设置页眉和页脚,插入页码。 链接到前一节:是否与前一页的页眉页脚一样 奇偶页不同:关闭链接到前一页(页 ......
论文 Word

论文解读(CosFace)《CosFace: Large Margin Cosine Loss for Deep Face Recognition》

论文信息 论文标题:CosFace: Large Margin Cosine Loss for Deep Face Recognition论文作者:H. Wang, Yitong Wang, Zheng Zhou, Xing Ji, Zhifeng Li, Dihong Gong, Jin Zhou ......
CosFace Recognition Cosine Margin 论文

[重读经典论文] AlexNet笔记

1. 前言 AlexNet是一个深度卷积神经网络模型,由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton于2012年设计。这个模型在ImageNet图像识别挑战赛中获得了当时的冠军,并推动了卷积神经网络在计算机视觉中的广泛应用。 AlexNet包括5个卷积 ......
AlexNet 笔记 经典 论文

《Spectral–Spatial Morphological Attention Transformer for Hyperspectral Image Classification》论文笔记

论文作者:Swalpa Kumar Roy, Ankur Deria, Chiranjibi Shah, et al. 论文发表年份:2023 模型简称:morphFormer 发表期刊:IEEE Transactions on Geoscience and Remote Sensing 论文代码: ......

论文阅读笔记:Descent methods for elastic body simulation on the GPU (源代码及实现细节)

材料来源于 Descent methods for elastic body simulation on the GPU, ACMTransactions on Graphics (TOG), 2016. 0. 概述 在本论文中,提出了一种***。下面将详细介绍该方法的源代码及实现细节,并对照论文中 ......
源代码 simulation 细节 Descent methods

论文分享丨Holistic Evaluation of Language Models

摘要:该文为大模型评估方向的综述论文。 本文分享自华为云社区《【论文分享】《Holistic Evaluation of Language Models》》,作者:DevAI。 大模型(LLM)已经成为了大多数语言相关的技术的基石,然而大模型的能力、限制、风险还没有被大家完整地认识。该文为大模型评估 ......
Evaluation Holistic Language Models 论文

并查集论文

它是一种轻量型的简单数据结构,可以动态维护若干个集合,并支持合并查询。 find(x),查询一个元素属于哪一个集合。 merge(x, y),合并两个集合。 为了实现这个数据结构,我们采用 一个代表 表示这个集合。就是说,每个集合选择一个固定的元素,作为整个集合的代表。 我们需要定义归属关系的表示方 ......
论文

js异步经典之Promise

异步 要了解Promise首先需要了解异步,这是js一个老生常谈的问题,为什么js会有异步,这和js最开始的的作用是离不开的。 js是单线程的语言,他主要是实现用户与浏览器的交互,以及操作dom,这决定了它只能是单线程,否则会带来很复杂的同步问题, 如果js可以多线程进行,那对于同一个dom同时进行 ......
Promise 经典

CVPR论文解读《Learning To Count Everything》

密集场景下的目标检测与计数 ———CVPR论文解读《Learning To Count Everything》 计数是我们经常会碰到的问题,使用最贴近我们生活实际的情景举例。例如统计上课已到教室的人数,或者统计货架上的物品数量、统计书架上的书本数。在比较密集的情况下,通过人工计数是非常麻烦的,但如果 ......
Everything Learning 论文 Count CVPR

对比学习论文综述

tag: DL/Contrastive alias: CV方向比较经典的对比学习论文,截止到2021年12月 学习来源:对比学习论文综述【论文精读】_哔哩哔哩_bilibili 百花齐放 CV双雄 MoCo 改进简单有效并且有很大影响 动量编码器。在后续的SimCLR和BYOL等一直在使用 写作方式 ......
论文

论文解读(Moco v3)《An Empirical Study of Training Self-Supervised Vision Transformers》

论文信息 论文标题:Improved Baselines with Momentum Contrastive Learning论文作者:Xinlei Chen, Saining Xie, Kaiming He论文来源:2021 ICCV论文地址:download 论文代码:download引用次数: ......

论文阅读笔记:Parallel Iterative Solvers for Real-time Elastic Deformations (迭代法求解方程组 / 弹性形变仿真)

材料来源于 Siggraph Asia 2018 的 course note Parallel iterative solvers for real-time elastic deformations, SIGGRAPH Asia 2018 Courses, 2018. 0. 概述 在形变仿真中,许 ......

Debiased Contrastive Learning of Unsupervised Sentence Representations 论文精读

ACL2022-long paper 原文地址 1. 介绍(Introduction) 问题: 由PLM编码得到的句子表示在方向上分布不均匀, 在向量空间中占据一个狭窄的锥形区域, 这在很大程度上限制了它们的表达能力. 已有的解决办法: 对比学习. 对于一个原句, 构造他的正例(语义相似的句子)和负 ......

论文翻译:2023_THLNet: two-stage heterogeneous lightweight network for monaural speech enhancement

论文地址:THLNet: 用于单耳语音增强的两级异构轻量级网络 代码:https://github.com/dangf15/THLNet 引用格式:Dang F, Hu Q, Zhang P. THLNet: two-stage heterogeneous lightweight network f ......

14.AQS的前世,从1990年的论文说起

大家好,我是王有志。在正式开始学习AbstractQueuedSynchronizer前,先来了解下基于队列思想的自旋锁在设计上的演进。 ......
论文 1990 AQS 14

R-Drop论文复现与理论讲解

摘要:基于 Dropout 的这种特殊方式对网络带来的随机性,研究员们提出了 R-Drop 来进一步对(子模型)网络的输出预测进行了正则约束。 本文分享自华为云社区《R-Drop论文复现与理论讲解》,作者: 李长安。 R-Drop: Regularized Dropout for Neural Ne ......
理论 R-Drop 论文 Drop

图解 paxos 论文《The Part-Time Parliament》

本文以图文并茂的方式重新演绎 Paxos 开山之作 《The Part-Time Parliament》[1],并尝试解释原论文中语焉不详的地方。 背景 在 Paxos 小岛上,施行着一种 Parliament(议会) 政治。小岛上执行的所有 decree(法令) 都需要先由 Parliament ......
Parliament Part-Time 论文 paxos Part

一文详解ATK Loss论文复现与代码实战

摘要:该方法的主要思想是使用数值较大的排在前面的梯度进行反向传播,可以认为是一种在线难例挖掘方法,该方法使模型讲注意力放在较难学习的样本上,以此让模型产生更好的效果。 本文分享自华为云社区《ATK Loss论文复现与代码实战》,作者:李长安。 损失是一种非常通用的聚合损失,其可以和很多现有的定义在单 ......
实战 代码 论文 Loss ATK

DIVFusion_ Darkness-free infrared and visible image fusion 论文解读

研究 背景: ​ 当前图像融合方法都是针对正常照明的红外与可见光图像设计的,无法有效处理夜景下的情况。 ​ 而针对夜景下的融合可以分为以下两个步骤,1 可见光图像增强,2 可见光图像与红外图像融合。但是现存的弱光增强算法与融合算 法存在严重不兼容,简单的组合会导致一系列问题。如何建模消除两种算法的不 ......

Backbone 网络-ResNet 论文解读

残差网络(ResNet)的提出是为了解决深度神经网络的“退化”(优化)问题。ResNet 通过设计残差块结构,调整模型结构,让更深的模型能够有效训练更训练。 ......
Backbone ResNet 论文 网络

联邦GNN综述与经典算法介绍

联邦学习和GNN都是当前AI领域的研究热点。联邦学习的多个参与方可以在不泄露原始数据的情况下,安全合规地联合训练业务模型,目前已在诸多领域取得了较好的结果。GNN在应对非欧数据结构时通常有较好的表现,因为它不仅考虑节点本身的特征还考虑节点之间的链接关系及强度,在诸如:异常个体识别、链接预测、分子性质... ......
联邦 算法 经典 GNN

【论文笔记】UNet

【深度学习】总目录 语义分割的U-Net网络是2015年诞生的模型,它几乎是当前segmentation项目中应用最广的模型。Unet能从更少的训练图像中进行学习,当它在少于40张图的生物医学数据集上训练时,IOU值仍能达到92%。Unet网络非常简单,前半部分作用是特征提取,后半部分是上采样。在一 ......
笔记 论文 UNet

【论文笔记】FCN全卷积网络

全卷积网络(FCN)是用于图片语义分割的一种卷积神经网络(CNN),由Jonathan Long,Evan Shelhamer 和Trevor Darrell提出,由此开启了深度学习在语义分割中的应用。语义分割是计算机视觉领域很重要的一个分支,在自动驾驶、地面检测等方面都起到很重要作用。与简单区分前 ......
卷积 笔记 论文 网络 FCN

《深入理解Java虚拟机》第三章读书笔记(三)——经典垃圾回收器

系列文章目录和关于我 一丶概述 上图展示了 经典的垃圾回收器,其中Serial,ParNew,Parallel Scavenge(图中的Parallel) 作用在新生代Serial Old CMS,Parallel Old作用在老年代,这些垃圾回收器颜色相同表示通常搭配使用。G1,ZGC,Shena ......
垃圾 第三章 笔记 经典 Java

论文翻译:2020:ECAPA-TDNN: Emphasized Channel Attention, Propagation and Aggregation in TDNN Based Speaker Verification

论文地址:ECAPA-TDNN:在基于TDNN的说话人验证中强调通道注意、传播和聚集 论文代码:https://github.com/TaoRuijie/ECAPA-TDNN 引用格式:Desplanques B, Thienpondt J, Demuynck K. Ecapa-tdnn: Emph ......

论文翻译:2022_Phase-Aware Deep Speech Enhancement: It's All About The Frame Length

论文地址:相位感知深度语音增强:这完全取决于帧长 引用格式:Peer T, Gerkmann T. Phase-aware deep speech enhancement: It's all about the frame length[J]. JASA Express Letters, 2022, ......

论文翻译:2022_Time-Shift Modeling-Based Hear-Through System for In-Ear Headphones

论文地址:基于时移建模的入耳式耳机透听系统 引用格式: 摘要 透传(hear-through,HT)技术是通过增强耳机佩戴者对环境声音的感知来主动补偿被动隔离的。耳机中的材料会减少声音 500Hz以上的高频成分。HT算法利用麦克风和用户耳朵之间的相对传递函数(RTF)产生人造声音,从而弥补环境声音的 ......

论文翻译:2022_2022_TEA-PSE 2.0:Sub-Band Network For Real-Time Personalized Speech Enhancement

论文地址:TEA-PSE 2.0:用于实时个性化语音增强的子带网络 论文代码: 引用: 摘要 个性化语音增强(Personalized speech enhancement,PSE)利用额外的线索,如说话人embeddings来去除背景噪声和干扰语音,并从目标说话人提取语音。此前,Tencent - ......

论文翻译:2022_腾讯DNS 1th TEA-PSE: Tencent-ethereal-audio-lab personalized speech enhancement system for ICASSP 2022 DNS CHALLENGE

论文地址:TEA-PSE: 用于ICASSP 2022 DNS挑战赛的Tencent-ethereal-audio-lab 个性化语音增强系统 论文代码: 引用格式:Ju Y, Rao W, Yan X, et al. TEA-PSE: Tencent-ethereal-audio-lab pers ......