- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习AI算法工程
深度学习论文精读
向AI转型的程序员都关注了这个号 机器学习AI算法工程 公众号：datayx 所有论文 包括已经录制完成和之后将要介绍的论文。 总论文数 67，录制完成数 32 全部 代码 ,预训练模型 获取方式： 关注微信公众号 datayx 然后回复 论文 即可获取。
66830编辑于 2022-08-26 - 来自专栏GAN&CV
值得精读的GAN论文推荐
前言 本文主要推荐一些生成对抗网络（GAN，generative adversarial networks）相关的值得精读的论文，主要涉及GAN的优化，图像翻译，视频预测三个领域，可以作为GAN 在损失函数的优化论文方面，效果比较突出且使用较多的主要有三篇论文，分别是：lsgan, wgan-gp, 谱归一化GAN： Improved training of Wasserstein GANs ： 3.Stacked generative adversarial networks ：https://arxiv.org/abs/1612.04357 4.StackGAN: Text to photo-realistic 论文的推荐顺序既可以用来快速查找，也可以用来作为进阶的阅读顺序，人力有时穷，还有更多未提到的较好工作，欢迎补充。 ，就可以查找希望看到的论文。
73920发布于 2019-02-25 - 来自专栏决策智能与机器学习
论文精读|4th|Deepmind新作|附下载|Solving Sparse Reward Tasks
特别说明 强化学习如果在频繁获得大量反馈的情况下会学习的很好，但是当反馈比较稀疏时就很困难了，这篇论文的亮点在于利用动态预定和辅助策略执行突破了稀疏奖励反馈情况下的强化学习效果提升，并在真实的机器手臂抓取任务中进行了验证 4.学习通过离线策略实现（策略异步执行），意图之间的经验是共享的，从而有效利用信息。 辅助奖励 辅助奖励基于智能体自身的传感观测量（例如图像、知觉、触觉传感器）来定义。
55610发布于 2020-08-04 - 来自专栏全栈程序员必看
精读论文题目_in large part as a consequence
大家好，又见面了，我是你们的朋友全栈君 图像拼接系列相关论文精读 Seam Carving for Content-Aware Image Resizing As-Rigid-As-Possible Warps for Image Stitching Seam-Driven Image Stitching Parallax-tolerant Image Stitching 文章目录 图像拼接系列相关论文精读
26210编辑于 2022-09-29 - 来自专栏前端精读评论
精读《Typescript 4》
Expected 4 arguments, but got 5. // This works! 3 精读 Typescript 4 最大亮点就是可变元组类型了，但可变元组类型也不能解决所有问题。 T4, ): ReturnType<T1> & ReturnType<T2> & ReturnType<T3> & ReturnType<T4> & ; export function useDesigner T1, t2: T2, t3: T3, t4: T4 ): ReturnType<T1> & ReturnType<T2> & ReturnType<T3> & ReturnType 4 总结 Typescript 4 带来了更强类型语法，更智能的类型推导，更快的构建速度以及更合理的开发者工具优化，唯一的几个 Break Change 不会对项目带来实质影响，期待正式版的发布。
1K20编辑于 2022-03-14 - 来自专栏前端精读评论
4. 精读《AsyncAwait 优越之处》
本期精读的文章是：6 Reasons Why JavaScript’s Async/Await Blows Promises Away 1 引言 我为什么要选这篇文章呢？ 让我们来看看参与精读的同学都提出了哪些深度观点： 3 精读 本次提出独到观点的同学有：@javie007 @流形 @camsong @Turbe Xue @淡苍 @留影 @黄子毅 精读由此归纳。 Async/Await 并不是什么新鲜概念 参与精读的很多同学都提出来，Async/Await 并不是什么新鲜的概念，事实的确如此。 这也是为什么不少参与精读的同学都说，Async/Await 不过是一个语法糖。 单谈规范太枯燥，我们还是看看实际的代码。 在本次精读中，也有不少同学指出了使用 Async/Await 的局限性。 比如，使用 Async/Await 并不能很好的支持异步并发。
46520编辑于 2022-03-14 Text to image论文精读PDF-GAN
论文地址：https://arxiv.org/abs/2210.15235本篇文章是阅读这篇论文的精读笔记。一、原文摘要从给定文本中生成一致且高质量的图像对于视觉语言理解至关重要。 htht再经过两组MLP分别学习由局部语义调节的尺度和偏差，变为ht+1′ht+1′(论文图中错误标注成了t-1)首先扩展到正确的形状，然后缩放并偏置。条件特征被平均并传递给后续处理器。
27800编辑于 2024-11-19- 来自专栏AI算法与图像处理
人脸算法系列（二）：RetinaFace论文精读
跟着我一起读这篇论文，希望论文的思路能够对你有所启发，如果觉得有用的，帮我分享出去，谢啦！ RetinaFace的主要贡献 ? （4）在IJB-C测试集中，RetinaFace使state of the art 方法（Arcface）在人脸识别中的结果得到提升（FAR=1e6，TAR=85.59%）。 4、Experiments 4.1. Dataset WIDER FACE数据集包括32203幅图像和393703个人脸边界框，在尺度、姿态、表情、遮挡和光照方面具有高度差异性。 Face Recognition Accuracy 表4，我们对比了广泛使用的MTCNN和推荐的RetinaFace上人脸检测和对齐对深度人脸识别（即ArcFace）的影响。 END 参考文献： https://blog.csdn.net/weixin_40671425/article/details/97804981 论文地址：https://arxiv.org/pdf/1905.00641
8.8K62发布于 2020-04-15 - 来自专栏机器学习炼丹之旅
论文精读系列：rotated-binary-neural-network（RBNN）
本文为论文Rotated Binary Neural Network的精读总结，该论文发布于NeurIPS 2020，提出了RBNN，通过旋转来缩小二值化后的误差，效果较好。 文中部分表述为原文翻译，所有图片除非特别注明，都来自原论文。本文在多平台同步，进入主站获得更好体验。 并且，论文中指出，角度偏差 \theta 很大的情况出现的概率很大。 论文中一共提出了4个新的技术：首先是提出了一个角度对齐方案（angle alignment scheme），通过学习一个旋转矩阵，在每一个训练的epoch前将将全精度权重向量旋转到其二元超立方体的几何顶点上 4.
1.3K10编辑于 2022-09-19 - 来自专栏CSDN
论文精读（三）|智能合约漏洞检测技术综述
84 篇计算方法：23+3+13+1+3+41=84 软件工程领域包含会议 ICSE (4 篇)、FSE/ESEC (2 篇)、ASE (4 篇)、ISSTA (3 篇)、PLDI (1 篇)、ISSRE , 3 篇期刊论文; 网络信息安全领域包含会议 CCS (4 篇)、S&P (2 篇)、USENIX (3 篇)、NDSS (2 篇)、ACSAC (2 篇), 期刊 TIFS (1 篇), 共计13 篇会议论文, 1 篇期刊论文; 另有 3 篇文章分别发表在人工智能领域的会议 IJCAI、数据挖掘领域的期刊 IPM 和交叉领域的会议 FCS 上. Workshop 文章 4 篇). 4.形式化验证工具 VeriSmart 专注算术漏洞检测，需安装 Z3 求解器。
90210编辑于 2025-08-24 - 来自专栏CSDN
论文精读（二）| 开源软件漏洞感知技术综述
笔者链接：扑克中的黑桃A 专栏链接：论文精读 本文关键词：开源软件; 漏洞感知; 软件安 引 诸位技术同仁： 本系列将系统精读的方式，深入剖析计算机科学顶级期刊/会议论文，聚焦前沿突破的核心机理与工程实现 4. 混合方法：取长补短的 “组合拳” 静态分析精准但覆盖范围有限，动态分析全面但效率低，混合方法就像中西医结合，兼顾两者优势。 论文整理了近年来的主流工具和数据集，为研究者提供 “弹药”。 1. 从 Log4j 到近期的各种漏洞，每一次事件都在推动技术进步。 论文揭示的方法论范式对跨领域技术实践具有普适参考价值。下期将聚焦其他前沿成果，深入剖析其的突破路径。
38910编辑于 2025-08-09 - 来自专栏论文精读
【论文精读】模型驱动的遗留系统逆向工程综述
总结这篇综述通过对 83 篇学术论文的系统性回顾，让我们得以一窥软件逆向工程领域的真实面貌。
24710编辑于 2026-01-06 - 来自专栏CSDN
论文精读（一）| 量子计算系统软件研究综述
笔者链接：扑克中的黑桃A 专栏链接：论文精读 引 诸位技术同仁： 本系列将系统精读的方式，深入剖析计算机科学顶级期刊/会议论文，聚焦前沿突破的核心机理与工程实现。 4.退相干 量子比特的 “天敌”。量子态会因环境干扰（如温度、电磁辐射）逐渐消失，量子比特的 “保质期”。 理论上，n 比特门分解至少需要 (4ⁿ-3n-1)/4 个 CNOT 门，但目前还没有方法达到这个下限。 论文 3 节把运行策略分为 “基于统计” 和 “基于物理理论” 两类（如表 4）。 第六章：量子计算调试器（论文 4 节解析） 经典调试器能打印变量值，但量子态一测量就变，没法直接看 —— 这让量子调试成了难题。论文 4 节聚焦 “状态断言”：判断量子态是否符合预期（类型或值）。
42110编辑于 2025-07-11 - 来自专栏时空探索之旅
论文精读 | 【综述】POI推荐：模型、架构、安全性
论文标题：A Survey on Point-of-Interest Recommendation: Models, Architectures, and Security 作者：Qianru Zhang Wang（汪海昕）, Xingwei He（贺星伟）, Siu-Ming Yiu（姚兆明）, Hongzhi Yin（阴红志） 机构：香港大学（HKU），加州大学洛杉矶分校（UCLA），昆士兰大学 论文链接 分类法 方法 本节对与我们的综述相关的模型进行了初步概述, 我们把不同的方法分为4类:Latent Factor Models (LFMs), Classic Neural Networks (NNs 我们还对4种不同的方法的有效性，效率， scalability和结果的可解释方面做了讨论，如table 2. 架构 在本节中，我们将举例说明，包括基于集中式、基于分散式和基于联邦学习的架构。
1.1K10编辑于 2024-11-19 - 来自专栏决策智能与机器学习
论文精读|3rd|ICLR 2018最佳论文|全文下载|meta-learning in nonstationary
论文PDF全文下载，公众号回复：20180425 作者简介 ? 本科研究助理 作者个人网址：https://www.cs.cmu.edu/~mshediva/ Github地址：https://github.com/alshedivat 特别说明 本论文是深度学习顶会 “无冕之王”之称的ICLR 2018三篇最佳论文之一。 本论文重点关注于元学习方向，提出了一种基于梯度的简单元学习算法，适用于动态变化和对抗性的场景，并获得显著高效的适应性智能体。 在本论文中，我们将持续适应问题交给了“learning-to-learn”的框架。我们开发了一种简单的基于梯度学习的元学习算法，适用于动态变化和对抗场景下的适应。
54730发布于 2020-08-04 - 来自专栏时空探索之旅
论文精读 | 使用异质图学习地理空间区域嵌入表示
这篇论文试图解决以下问题 高效地表示区域内部特征：现有的研究在学习地理空间表示时通常使用卫星图像，但由于卫星图像与自然图像之间存在差异，现有方法的视觉编码器在卫星图像上的表现不佳。 因此，论文提出了一种基于语义分割的新的方法，旨在有效地捕捉区域内部特征。 全面建模复杂的高阶区域关系：在地理空间中，区域之间的关系不仅限于二元邻接关系，还包括三元和更高阶的依赖关系。 为了解决这个问题，论文提出了一种新的地理空间异质图结构，名为GeoHG，它能够有效地捕捉和建模高阶区域关系。 全面超越现有方法的性能：论文通过在多个数据集上进行实验证明，GeoHG相比现有方法在各种下游任务中具有更优越的性能。即使在数据稀缺的情况下，GeoHG仍能取得竞争性的表现。 实验 实验设置 在论文中，研究者们进行了广泛的实验，涵盖了多个数据集和多个任务。他们选择了北京、上海、广州等城市作为实验地点，并使用了各种下游任务，如人口预测、GDP预测、夜间光照预测等。
38810编辑于 2024-11-19 - 来自专栏论文精读
【论文精读】CodeWMBench 揭示 AI 生成代码水印的残酷真相
论文地址：# CodeWMBench: An Automated Benchmark for Code Watermarking Evaluation在 GitHub Copilot、ChatGPT 和 读前先问读论文之前首先要问几个问题：这篇论文大方向的目标是什么？ 这篇论文要解决什么问题？论文主要解决代码水印评估标准不够全面和自动化的缺陷。 因此，论文旨在构建一个多维度的自动化评估框架，来全方位衡量代码水印的无害性（Harmlessness）、透明度（Transparency）和鲁棒性（Robustness）。为什么会有这些问题？ 论文精读核心发现一：告别“盲盒检测”，主动水印成为版权防线的唯一选择长期以来，检测 AI 生成内容主要依赖于 ZeroGPT 等“被动检测”工具。但在代码领域，这类工具的表现只能用“灾难”来形容。
12800编辑于 2026-03-16 - 来自专栏论文精读
【论文精读 | Locate and Verify: A Two-Stream Network for Improved Deepfake Detection】
作者提取定位流的中层特征图，并通过线性变换 （论文中是通过一个 1 \times 1 的卷积核实现） 和Softmax激活函数计算注意力值，最后将注意力值作用于分类特征上，具体公式为：F'_c = \text 具体代码如下所示：class LFGA(nn.Module): def __init__(self, in_channel=3, ratio=4): super(LFGA, self 初始学习率设置为5−4，每5个epoch衰减50%。位置流预测的伪造地图的大小设置为19 x 19。MPFF模块的超参数和设置为2048和4096。 跨数据集的实验结果：
83921编辑于 2025-07-10 - 来自专栏文本生成图像
Text to image论文精读 StackGAN++: Realistic Image Synthesis with Stacked GAN
论文地址： https://arxiv.org/pdf/1710.10916v3.pdf代码地址： https://github.com/hanzhanggit/StackGAN-v2本博客是精读这篇论文的报告 这篇文章介绍了StackGAN-v1，其在上篇博客Text to image论文精读：StackGAN中已经进行讲解，本篇博客只对StackGAN-v2的内容进行总结。 相关阅读Text to image（T2I）论文整理 阅读路线和阅读指南我正在参与2024腾讯技术创作特训营最新征文，快来和我瓜分大奖！
38010编辑于 2024-04-30 - 来自专栏全栈程序员必看
【论文精读】Parallax-Tolerant Image Stitching Based on Robust Elastic Warping
图像拼接系列相关论文精读 Seam Carving for Content-Aware Image Resizing As-Rigid-As-Possible Shape Manipulation Warps for Image Stitching Seam-Driven Image Stitching Parallax-tolerant Image Stitching 文章目录 图像拼接系列相关论文精读
53630编辑于 2022-11-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号