526互联

transformers handwriting论文

Spikformer: When Spiking Neural Network Meets Transformer

郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Published as a conference paper at ICLR 2023（同大组工作） ABSTRACT 我们考虑了两种生物学合理的结构，脉冲神经网络（SNN）和自注意机制。前者为深度学习提供了一种节能且事件驱动的范式，而 ......
Transformer Spikformer Network Spiking Neural

论文解读（CST）《Cycle Self-Training for Domain Adaptation》

Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Cycle Self-Training for Domain Adaptation论文作者：Hong Liu, Jianmin Wang, Mingsheng Long论文来源：2021 论文地址：down ......
Self-Training Adaptation Training Domain 论文

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

京东探索研究院联合悉尼大学在这方面做出了探索，提出了基于简单视觉transformer的姿态估计模型ViTPose和改进版本ViTPose+。ViTPose系列模型在MS COCO多个人体姿态估计数据集上达到了新的SOTA和帕累托前沿。 ......
Transformer 姿态 模型 视觉 身体

SGL论文阅读笔记

# SGL论文阅读笔记 ## 摘要部分内容 ​ 首先，论文提出了目前用户-项目图所面临的两大问题 + 长尾问题：高度数的节点对表示学习产生更大的影响 ，导致低度数的结点的推荐比较困难 + 鲁棒性问题：用户的交互数据中包含很多噪声，而邻居聚合策略会更进一步放大聚合的影响 ​ 于是，这篇论文提出了自监督 ......
笔记 论文 SGL

[论文阅读] Explicit Boundary Guided Semi-Push-Pull Contras

# Explicit Boundary Guided Semi-Push-Pull Contrastive Learning for Supervised Anomaly Detection ## Introduction 只关注正常样本可能会限制AD模型的可判别性。如图1(a)所示，在没有异常情况 ......
Semi-Push-Pull Explicit Boundary Contras Guided

【论文阅读】CAT: Cross Attention in Vision Transformer

论文地址：[2106.05786] CAT: Cross Attention in Vision Transformer (arxiv.org) 项目地址：https://github.com/linhezheng19/CAT 一、Abstract 由于Transformer在NLP中得到了广泛的应 ......
Transformer Attention Vision 论文 Cross

CMT:卷积与Transformers的高效结合

论文提出了一种基于卷积和VIT的混合网络，利用Transformers捕获远程依赖关系，利用cnn提取局部信息。构建了一系列模型cmt，它在准确性和效率方面有更好的权衡。 CMT:体系结构 CMT块由一个局部感知单元(LPU)、一个轻量级多头自注意模块(LMHSA)和一个反向残差前馈网络(IRFFN ......
卷积 Transformers CMT

论文解读（MTEM）《Meta-Tsallis-Entropy Minimization: A New Self-Training Approach for Domain Adaptation on Text Classification》

Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Meta-Tsallis-Entropy Minimization: A New Self-Training Approach for Domain Adaptation on Text Classific ......
Meta-Tsallis-Entropy Classification Self-Training Minimization Adaptation

Swin-Transformer 源码学习与使用手册

拜读了VIT以及TNT以及Swin-Transformer 的论文，结合B站up主的分析， 预感Swin-Transformer具有ResNet似的跨里程碑式的意义， 因此学习Swin-Transformer源码及其使用，记录如下。 Run Swin-Tpython -m torch.distrib ......
Swin-Transformer Transformer 源码 手册 Swin

SLAMesh论文及代码阅读与思考<六>Real-time LiDAR Simultaneous Localization and Meshing

# 前言 本节对可视化部分进行理解。mesh的可视化使用的是mesh_tools中提供的rviz的插件。代码中已经完美的实现了mesh_msgs::MeshGeometryStamped消息的定义与赋值，但是mesh_tools还包含了很多其他的消息类型，提供了更加丰富的可视化信息，详情可参考“Th ......
Localization Simultaneous Real-time SLAMesh Meshing

中国石油大学论文辅导搜Q，530986209

需要作业答案，论文辅导搜扣扣， ```530986209``` 交文件要求首先按照自己的个人兴趣在题目列表选择一个题目或者自拟题目，然后根据软件工程开发流程，完成这个题目从需求分析到系统测试的各个阶段环节目标，并按照附件里面给出的各种文档格式，撰写相关文档。请注意本课程ᨀ交的内容，应该包括软件工程中 ......
530986209 石油 论文 大学

中国石油大学论文辅导，在线作业答案

需要作业答案搜扣扣，530986209， 另外提供论文辅导 交文件要求首先按照自己的个人兴趣在题目列表选择一个题目或者自拟题目，然后根据软件工程开发流程，完成这个题目从需求分析到系统测试的各个阶段环节目标，并按照附件里面给出的各种文档格式，撰写相关文档。请注意本课程ᨀ交的内容，应该包括软件工程中各个 ......
答案 石油 论文 大学

ICML 2023 | 神经网络大还是小？Transformer模型规模对训练目标的影响

前言 本文研究了 Transformer 类模型结构（configration）设计（即模型深度和宽度）与训练目标之间的关系。结论是：token 级的训练目标（如 masked token prediction）相对更适合扩展更深层的模型，而 sequence 级的训练目标（如语句分类）则相对不适合 ......
神经网络 Transformer 模型 神经 规模

【ICML2022】Understanding The Robustness in Vision Transformers

来自NUS&NVIDIA 文章地址：[2204.12451] Understanding The Robustness in Vision Transformers (arxiv.org) 项目地址：https://github.com/NVlabs/FAN 一、Motivation CNN使用滑动 ......
Understanding Transformers Robustness Vision ICML

论文精读：带有源标签自适应的半监督域适应（Semi-Supervised Domain Adaptation with Source Label Adaptation）

# Semi-Supervised Domain Adaptation with Source Label Adaptation 具有源标签适应的半监督域适应 >[原文链接](https://openaccess.thecvf.com/content/CVPR2023/papers/Yu_Semi- ......
Adaptation Semi-Supervised Supervised 标签 Domain

Proj CDeepFuzz Paper Reading: Invariance-inducing regularization using worst-case transformations suffices to boost accuracy and spatial robustness

## Abstract 本文： Task: 1. prove invariance-inducing regularizers can increase predictive accuracy for worst-case spatial transformations 2. prove that ......
Invariance-inducing transformations regularization Invariance robustness

SLAMesh论文及代码阅读与思考<五>Real-time LiDAR Simultaneous Localization and Meshing

# 前言 本节重点对filterMeshGlb()函数进行理解。该函数在可视化模块中重点对全局地图中的每个栅格进行mesh的生成。一开始我的疑惑是代码是如何实现相邻cell之间的mesh连接的，这个应该具有较大的挑战性。其实，代码只考虑栅格内部的mesh的生成，全局mesh地图也就是mesh的并集， ......
Localization Simultaneous Real-time SLAMesh Meshing

[论文阅读] Learning Semi-supervised Gaussian Mixture Model

# Learning Semi-supervised Gaussian Mixture Models for Generalized Category Discovery ## Abstract 在本文中，我们解决了广义类别发现(generalized category discovery, GCD ......
Semi-supervised supervised Learning Gaussian Mixture

Continuous-Time Sequential Recommendation with Temporal Graph Collaborative Transformer

[TOC] > [Fan Z., Liu Z., Zhang J., Xiong Y., Zheng L. and Yu P. S. Continuous-time sequential recommendation with temporal graph collaborative transfo ......
Continuous-Time Recommendation Collaborative Transformer Continuous

SLAMesh论文及代码阅读与思考<四>Real-time LiDAR Simultaneous Localization and Meshing

# 前言 本节继续对update()函数进行理解。update是将当前点云对应的map_now对全局地图map_glb进行更新。 ## 获取重叠的区域 `OverlapCellsRelation overlap_ship = map_now.overlapCells(*this);` ```c++ ......
Localization Simultaneous Real-time SLAMesh Meshing

[论文阅读] Prototypical contrastive learning of unsupervis

# Prototypical contrastive learning of unsupervised representations ## abstract 这篇论文介绍了原型对比学习（PCL），一种将对比学习与聚类相结合的无监督表示学习方法。PCL不仅为实例区分任务学习低层特征，更重要的是==* ......
Prototypical contrastive unsupervis learning 论文

【ECAPA_TDNN 下 】代码和论文细节分析

【ECAPA-TDNN 上】论文阅读 https://blog.csdn.net/qq_32766309/article/details/121359110?spm=1001.2014.3001.5502 【ECAPA_TDNN 下 】代码和论文细节分析 https://blog.csdn.net/ ......
ECAPA_TDNN 细节 代码 论文 ECAPA

论文解读（SPGJL）《Soft Prompt Guided Joint Learning for Cross-Domain Sentiment Analysis》

Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Soft Prompt Guided Joint Learning for Cross-Domain Sentiment Analysis论文作者：Jingli Shi、Weihua Li、Quan Bai ......
Cross-Domain Sentiment Analysis Learning Prompt

SLAMesh论文及代码阅读与思考<二>Real-time LiDAR Simultaneous Localization and Meshing

# 前言 由于之前安装cuda、ros、boost版本等一些问题，环境配置竟然花了两天时间，期间遇到各种版本冲突，最后把环境重新配置到最直接的版本即可，cuda暂时就先卸载了。 在整个代码中，一个鲜明的特色是作者使用一个Log类来做整个pipeline的信息管理，之前用的比较少，看代码才发现通过日志 ......
Localization Simultaneous Real-time SLAMesh Meshing

SLAMesh论文及代码阅读与思考<一>Real-time LiDAR Simultaneous Localization and Meshing

# 前言 从SLAM建图到SLAM建模，是近年来这一领域发展的重要趋势之一。在此之前，环境三维模型的构建的一个重要标签就是实时性不足的问题，SLAMesh的提出，在这一问题上迈出了重要的一步，创新性地将高斯过程引入到环境信息的建模与预测任务之中，使得建模过程避免了对mesh顶点的搜索与优化，通过有序 ......
Localization Simultaneous Real-time SLAMesh Meshing

[论文阅读] Momentum contrast for unsupervised visual representation learning

# Momentum contrast for unsupervised visual representation learning ## Introduction 我们提出了动量对比（MoCo）作为一种构建具有对比损失的无监督学习的大型一致字典的方法（图1）。 我们将字典维护为数据样本队列：当前 ......
representation unsupervised Momentum contrast learning

论文日记五：QueryInst

# 导读 实例分割领域21年的SOTA，整个模型结构设计总述为以下： 1）设计了类似于Cascade Mask R-CNN的多阶段迭代优化的bbox和mask预测头； 2）基于query的实例分割方法，延续了DETR(首次将Transformer成功整合为检测pipline中心构建块的目标检测框架模 ......
QueryInst 日记 论文

transformer解读-更新中

Transformer是一种基于注意力机制的深度学习架构，专门用于处理序列数据，尤其在自然语言处理领域取得了重大突破。它由Google于2017年首次提出，并在各种NLP任务中表现出色，如机器翻译、文本生成和情感分析。 主要特点包括： 自注意力机制：Transformer的核心是自注意力（Self- ......
transformer

论文解读（WDGRL）《Wasserstein Distance Guided Representation Learning for Domain Adaptation》

Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Wasserstein Distance Guided Representation Learning for Domain Adaptation论文作者：Jian Shen、Yanru Qu、Weinan ......
Representation Wasserstein Adaptation Distance Learning

NLP原理系列1-说清楚transformer原理

NLP原理系列1-说清楚transformer原理 来用思维导图和截图描述。 思维导图的本质是 变化(解决问题)-> 更好的， 或者复杂问题拆分为小问题 以及拆分的思路。 参考链接：李宏毅 transformer原理。 一 tansformer的推理及训练过程 1 tf 训练过程 红框部分是 训练得 ......
原理 transformer NLP
共1160篇  :16/39页 首页上一页16下一页尾页