segmentation transformers semantic segvit
An improved LSTM-based model for identifying high working intensity load segments of the tractor load spectrum
一区top Computers and Electronics in Agriculture 题目： “基于改进 lstm 的拖拉机载荷谱高工作强度载荷段识别模型” (pdf) “An improved LSTM-based model for identifying high working in ......
基于融合语义信息改进的内容推荐算法。Improved content recommendation algorithm integrating semantic information.
引言 路漫漫其修远兮，吾将上下而求索。每天一篇论文，做更好的自己。 本文读的这篇论文为发表于2023年5月28日的一篇名为《基于融合语义信息改进的内容推荐算法》（基于融合语义信息改进的内容推荐算法）的文章，文章主要介绍了基于内容的推荐技术在电子商务和教育领域的广泛应用，以及传统基于内容推荐技术在语义 ......
CF1506D - Epic Transformation
思路 用优先队列模拟 ac代码 #include <bits/stdc++.h> using namespace std; using i64 = long long; const i64 inf = 8e18; typedef pair<int, int> pii; const int N = 5 ......
LLM series: Transformer
🥥 Homepage Dataset, DataLoader, and Transforms Model Traning Model 🥑 Get Started! Import libraries: import torch import torch.nn as nn import torch. ......
Learning Dynamic Query Combinations for Transformer-based Object** Detection and Segmentation论文阅读笔记
Motivation & Intro 基于DETR的目标检测范式（语义分割的Maskformer也与之相似）通常会用到一系列固定的query，这些query是图像中目标对象位置和语义的全局先验。如果能够根据图像的语义信息调整query，就可以捕捉特定场景中物体位置和类别的分布。例如，当高级语义显示图 ......
[NLP复习笔记] Transformer
1. Transformer 概述 1.1 整体结构 \(\text{Transformer}\) 主要由 \(\text{Encoder}\) 和 \(\text{Decoder}\) 两个部分组成。\(\text{Encoder}\) 部分有 \(N = 6\) 个相同的层，每层包含 一个 \( ......
1.9 Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation 基于语义分割遥感图像的模型
Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation 参考遥感图像分割的旋转多尺度交互网络 参考遥感图像分割 (RRSIS)是一个新的挑战，它结合了计算机视觉和自然语言处理，通过 ......
Segment Anything（SAM）环境安装&代码调试
引子 Segment Anything是前阵子大火的CV领域模型，之前也有尝试，只是没有整理。OK，让我们开始吧 一、拉取下载docker镜像 docker pull cnstark/pytorch:2.0.1-py3.9.17-cuda11.8.0-ubuntu20.04 二、安装SAM环境 do ......
RNN 和 Transformer 复杂度比较
这里假设BatchSize为 1，就是单样本的情况。 原始 RNN 块： （1）单步计算 H，包含两个矩阵向量乘法，和一个激活，复杂度HidSize² （2）一共有SeqLen步，所以整体复杂度SeqLen * HidSize² LSTM 块： （1）单步计算 F I C_hat O，包含八个矩阵向 ......
挑战Transformer的新架构Mamba解析以及Pytorch复现
今天我们来详细研究这篇论文“Mamba:具有选择性状态空间的线性时间序列建模” Mamba一直在人工智能界掀起波澜，被吹捧为Transformer的潜在竞争对手。到底是什么让Mamba在拥挤的序列建中脱颖而出? 在介绍之前先简要回顾一下现有的模型 Transformer:以其注意力机制而闻名，其中序 ......
《Span-Based Joint Entity and Relation Extraction with Transformer Pre-Training》阅读笔记
代码 原文地址 预备知识： 1.什么是束搜索算法（beam search）? beam search是一种用于许多自然语言处理和语音识别模型的算法，作为最终决策层，用于在给定目标变量(如最大概率或下一个输出字符)的情况下选择最佳输出。 2.什么是条件随机场（Conditional Random Fi ......
掌握语义内核(Semantic Kernel)：如何精进你的提示词工程
在人工智能的海洋里，大型语言模型（LLM AI）是高速发展的一艘巨轮，而有效地与其沟通和指导其行为的锚，正是提示语（prompts）。提示语是我们提供给模型的输入或查询，以期获取特定的响应。当今，提示语工程（prompt engineering）已成为涌现的领域，它需要创造力和对细节的关注。接下来， ......
ICLR 2022: Anomaly Transformer论文阅读笔记+代码复现
本论文全名为Anomaly Transformer: Time Series Anomaly Detection with Association Descrepancy（通过关联差异进行时序异常检测），主要提出了一种无监督的异常点检测算法，并在6个benchmarks上测试，获取良好结果。 论文链 ......
[转帖]聊聊字符串数据长度和nls_length_semantics参数
字符串是我们设计数据库经常用到的类型，从传统的ASCII格式到UTF-8格式，不同应用需求对应不同的字符类型和长度配置。针对Oracle而言，最常用的类型无外乎char和varchar2两个基本类型。 对于一些中文应用，设计人员就需要重点关注数据表中字符串长度问题。因为在不同的字符串编码方式下，一个 ......
概率霍夫变换（Progressive Probabilistic Hough Transform）原理详解
概率霍夫变换（Progressive Probabilistic Hough Transform）的原理很简单，如下所述： 1.随机获取边缘图像上的前景点，映射到极坐标系画曲线； 2.当极坐标系里面有交点达到最小投票数，将该点对应x-y坐标系的直线L找出来； 3.搜索边缘图像上前景点，在直线L上的点 ......
5、flink任务中可以使用哪些转换算子（Transformation）
5、flink任务中可以使用哪些转换算子（Transformation） <div id="content_views" class="htmledit_views"> <h1>1、什么是Flink中的转换算子</h1> 在使用 Flink DataStream API 开发流式计算任务时，可以将一 ......
Semantic Kernel入门学习文章合集
GitHub 卢老师的Cookbook https://github.com/kinfey/SemanticKernelCookBook?tab=readme-ov-file SK部落 https://mp.weixin.qq.com/s?__biz=MzI5MTg4NzIyNg==&mid=224 ......
Visual Transformer 与归纳偏置
开端 ViT（Visual Transformer）是 2020 年 Google 团队提出的将 Transformer 应用在图像分类的模型，但是当训练数据集不够大的时候，ViT 的表现通常比同等大小的 ResNets 要差一些。 为什么呢？寻找答案的过程中，发现了 归纳偏置 这个概念。 在阅读 ......
transformers 系列
Attention 注意力机制【1】-入门篇 注意力机制【2】- CV中的注意力机制 注意力机制【3】-Self Attention 注意力机制【4】-多头注意力机制 注意力机制【5】Scaled Dot-Product Attention 和 mask attention 注意力机制【6】-tra ......
A Long read hybrid error correction algorithm based on segmented pHMM
A Long read hybrid error correction algorithm based on segmented pHMM 2023/12/15 11:06:36 The "Long read hybrid error correction algorithm based on se ......
Kernel Memory 入门系列：Semantic Kernel 插件
Kernel Memory 入门系列：Semantic Kernel 插件 Kernel Memory 本身提供了完整的RAG能力，这部分能力如果通过Semantic Kernel Memory的话，也是可以实现的，但是整体的管理成本会比较高。 因此通过Kernel Memory 构建知识库管理，然 ......
Pandas - apply、agg、transform 函数
apply：行或列的操作。 agg：聚合，可以传递字典，对多个列使用不同的函数。最终结果可能会合并，与原 DataFrame 列长度不保持一致。 transform：转换，也可以对多个列使用不同的函数。但是最终结果与原 DataFrame 列长度保持一致，不会聚合。 ......
Swin Transformer
Swin Transformer 目录Swin Transformer简介VIT的缺陷核心创新总体结构和运作网络细节Patch partitionLinear EmbeddingPatch MergingSwin Block模块W-MSASW-MSAAttention Mask计算成本分析主要优势S ......
VIT Vision Transformer
VIT Vision Transformer 目录VIT Vision TransformerViT模型结构图像划分PatchLinear Projection of Flatted PatchesPatch+Position Embedding分类向量和位置向量EncoderMLP Head（全连 ......
DETR基于Transformer目标检测
DETR基于Transformer目标检测 目录DETR基于Transformer目标检测DETR网络结构和NLP Transformer对比Object QueryFFN为什么DETR不需要NMS优缺点参考资料 DETR首次将Transformer应用到了目标检测任务中。图像会先经过一个传统的CN ......
【模板】李超线段树 / [HEOI2013] Segment
李超线段树是一种用于维护平面直角坐标系内线段关系的数据结构，插入直线/线段，支持查询单点极值 李超树的经典应用是斜率优化，可以看下这篇文章 李超线段树没有用懒标记实现区间修改，而用的是标记永久化 其实标记永久化与我们对lazy标记的理解非常相同，可以看看LYD蓝书上对标记永久化的解释，都是累积某个节 ......
Identity-Guided Human Semantic Parsing for Person Re-Identification
实线代``表训练阶段，虚线代表聚类阶段。这两个阶段迭代完成，直到网络收敛。 ISP 是一种普遍适用且与骨干网无关的方法。 伪部分标签生成 部分对齐特征学习 两个过程 ......
【Transformer 基础系列】手推显存占用
https://zhuanlan.zhihu.com/p/648924115 本文试图以最清晰的方式手动推导 Transformers 每一步的参数量到显存、计算量问题。理解底层，才能更好的做训练和优化。可能是目前最全的大模型显存优化方案分析。 本文内容包括（1）模型训练和推理过程中的显存占用（2） ......
Unity3D 通过transform实现人物移动还是velocity详解
Unity3D是一款非常流行的游戏引擎，它提供了多种方式来实现游戏中的人物移动。其中，最常用的两种方法是通过transform组件和通过velocity属性来实现。 对啦！这里有个游戏开发交流小组里面聚集了一帮热爱学习游戏的零基础小白，也有一些正在从事游戏开发的技术大佬，欢迎你来交流学习。 通过tr ......
A Long read hybrid error correction algorithm based on segmented pHMM 基于pHMM的DNA序列分析与错误修正方法研究
基于pHMM的DNA序列分析与错误修正方法研究 这篇论文主要内容是关于DNA序列分析中的错误纠正方法。论文提出了一种基于概率隐马尔可夫模型(pHMM)的错误纠正方法。首先，通过SR-LR对齐和基于短读序列对齐的预处理步骤，对DNA序列进行处理。然后，利用pHMM构建了一个隐藏的马尔可夫模型，并进行前 ......