- 综合排序
- 最热优先
- 最新优先
- 来自专栏计算机视觉
11种 Matplotlib 科研论文图表实现 ！！
使用 plt.xlim() 和 plt.ylim() 函数可以调整坐标轴的范围： plt.plot(x, np.sin(x)) plt.xlim(-1, 11) plt.ylim(-1.5, 1.5) , ha='center', **style) ax.text('2012-10-31', 4600, "Halloween", ha='right', **style) ax.text('2012-11 connectionstyle="angle3,angleA=0,angleB=-90")) ax.annotate('Thanksgiving', xy=('2012-11 FuncFormatter 使用自定义函数设置标签 FormatStrFormatter 使用一个格式化字符串设置标签 ScalarFormatter 默认的标量标签 LogFormatter 默认的对数标签 11
1.4K10编辑于 2024-03-19 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.5.13）！共11篇！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo Updated on : 13 May 2022 total number : 11 目标检测 / Object Detection - 1 篇 Group R-CNN for Weakly Semi-supervised Object Detection with Points 标题：用于弱半监督目标检测的Group R-CNN 论文/Paper: http://arxiv.org/pdf/2205.05920 代码/Code: https 1 篇 Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets 标题：深入研究高质量的合成面部遮挡细分数据集 论文 篇 Blueprint Separable Residual Network for Efficient Image Super-Resolution 标题：蓝图可分离剩余网络，用于有效图像超分辨率 论文
76710编辑于 2022-05-19 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.6.1）！共11篇！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo 大家好, 最近正在优化每周分享的 CVPR论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈 欢迎大家留言其他想法, 合适的话会采纳哈! Updated on : 1 Jun 2022 total number : 11 目标检测 / Object Detection - 1 篇 Voxel Field Fusion for 3D Object /vff Transformers - - 2 篇 Surface Analysis with Vision Transformers 标题：视觉Transformers的表面分析 论文/Paper: None 其他/Other - 8 篇 A Competitive Method for Dog Nose-print Re-identification 标题：狗Nose-print的一种竞争方法 论文
41710编辑于 2022-09-02 - 来自专栏一点人工一点智能
免费领取 | 11篇 3DV2022论文
applications in downstream tasks including real image editing and lifting 2D GANs to decomposed 3D GANs. 11
1.3K50编辑于 2022-12-27 - 来自专栏计算机视觉
11种开源即插即用模块汇总 ！！（附论文和代码）
SCConv：空间和通道重构卷积（2023） （SCConv: Spatial and Channel Reconstruction Convolution for Feature Redundancy） 论文 ：SCConv论文 代码：https://github.com/cheng-haha/ScConv/tree/main? 3、ECA：高效通道注意力模块（2020） （ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks） 论文 4、RefConv：重参数化重聚焦卷积（2023） （RefConv: Re-parameterized Refocusing Convolution for Powerful ConvNets） 论文 11、PromptIR：通用图像恢复（2023） （PromptIR: Prompting for All-in-One Blind Image Restoration） 论文：https://arxiv.org
2.9K11编辑于 2024-03-19 - 来自专栏用户6881919的专栏
论文阅读11-----基于强化学习的推荐系统
Abstract Reinforcement learning (RL) has recently been introduced to interactive recommender systems (IRS) because of its nature of learning from dynamic interactions and planning for longrun performance.
84600发布于 2021-01-19 - 来自专栏自然语言处理
图神经网络11-GCN落地的必读论文：GraphSAGE
1 GraphSAGE论文简介 论文：Inductive Representation Learning on Large Graphs 在大图上的归纳表示学习 链接：https://arxiv.org 8 代码 作者在论文里用的tensorflow，但是也开源了一个简单, 容易扩展的pytorch版本。 pytorch版本中用的两个数据集都比较小，不是论文里用的数据集。 这两个数据集在Kipf 16年经典的GCN论文用到了。节点数量分别约是2700,20000。 cora是一个机器学习论文引用数据集，提供了2708篇论文的引用关系，每篇论文的label是论文所属的领域。label一共七种，包括遗传算法，神经网络，强化学习等7个领域。 Large Graphs 论文详解 NIPS 2017 GraphSAGE: GCN落地必读论文 【Graph Neural Network】GraphSAGE: 算法原理，实现和应用
3.4K30发布于 2021-04-27 YOLO算法改进 | YOLO11改进揭秘，前沿论文精华预览
为让大家能够紧跟领域前沿，小编将分享多篇关于YOLO11改进的论文供大家参考学习。模型算法下载 在Coovally AI Hub公众号后台回复「模型算法」，即可获取！ YO-CSA-T: A Real-time Badminton Tracking System Utilizing YOLO Based on Contextual and Spatial Attention论文链接 : A Lightweight Arbitrary-Oriented Ship Detection Method Based on Improved YOLO11论文链接：https://www.mdpi.com ENHANCEMENTS论文链接：https://arxiv.org/pdf/2410.17725摘要本研究对 YOLOv11 进行了架构分析，YOLOv11 是 YOLO（只看一次）系列物体检测模型的最新迭代版本 Utilization论文链接：https://arxiv.org/pdf/2412.14790摘要文章研究了YOLOv11的优化，提出了六种针对不同尺寸目标的修改版本，通过剪枝不必要的层和重构主架构来提高计算资源的利用效率
3.3K10编辑于 2025-02-05- 来自专栏数据派THU
收藏 | 精选11篇AI领域论文（附代码、数据集链接）
本文带你快速get近期精选论文的亮点和痛点，时刻紧跟AI前沿成果。 论文提供了一种利用强化学习进行实体关系抽取的思路，近几年做 RE 的，有基于 Supervised 数据集的：2015 Xu CNN，2016 Zhou LSTM；有基于远程监督数据集的：2015 Zeng 这篇论文中，作者将 SRL 作为一个序列标注问题，使用 BIO 标签进行标注，然后提出使用深度注意力网络（Deep Attentional Neural Network）进行标注。 论文链接： https://www.paperweekly.site/papers/1799 11 Deep Learning using Rectified Linear Units (ReLU) 论文链接： https://www.paperweekly.site/papers/1768
1.4K60发布于 2018-06-12 - 来自专栏AI科技评论
ICCV 2019 | 旷视研究院11篇接收论文抢先读
两年一度的国际计算机视觉大会 ICCV 2019 ( IEEE International Conference on Computer Vision) 将于 10 月 27 日 - 11 月 2 日在韩国首尔举行 近期，大会官方公布了最终的论文接收决定，旷视研究院共有 11 篇论文被收录，研究领域涵盖通用物体检测及数据集、文字检测与识别、半监督学习、分割算法、视频分析、影像处理、行人及车辆再识别、模型压缩、度量学习 本文把 11 篇论文汇在一起，逐篇做了亮点抢先解读。 6、论文名称：Disentangled Image Matting 论文链接：暂无 关键词：图像去背 我们提出了图像去背 (Image Matting) 问题的一种全新框架。 11、论文名称：Learning to Paint with Model-based Deep Reinforcement Learning 论文链接：https://arxiv.org/abs/1903.04411
1.1K20发布于 2019-08-01 - 来自专栏量子位
NeurIPS 2021六篇杰出论文公布，谷歌工程师11年前论文获时间检验奖
今天，大会委员会公布了NeurIPS 2021的杰出论文奖，时间测试奖，以及今年新设的数据集和测试基准最佳论文奖。 杰出论文奖 今年有六篇论文被选为杰出论文奖的获得者。 因此，今年大会委员会选择2010年2011年论文。 在16篇引用量超过500的论文里，委员会选择了这篇论文： Online Learning for Latent Dirichlet Allocation 论文地址： https://proceedings.neurips.cc id=zNQBIBKJRkd 这篇论文作者来自加州大学洛杉矶分校和谷歌。 本文分析了数千篇论文并研究了不同机器学习子社区中数据集使用的演变，以及数据集采用和创建之间的相互作用。 原文地址： https://blog.neurips.cc/2021/11/30/announcing-the-neurips-2021-award-recipients/ — 完 — 本文系网易新闻•
54420编辑于 2021-12-02 - 来自专栏新智元
狂破11项记录，谷歌年度最强NLP论文到底强在哪里？
BERT在机器阅读理解测试SQuAD1.1中表现出惊人的成绩：全部两个衡量指标上全面超越人类，并且还在11种不同NLP任务中创出最佳成绩。这项工作被认为是NLP领域里程碑式的进步。 三天前，2018年10月11日，谷歌人工智能语言研究组发表了一篇论文，立刻引起业界巨大反响。 这篇论文介绍了一种模型，BERT，它至少能解决 NLP 诸多任务中的 11 种，包括： * 淘宝上有很多用户评论，能否把每一条用户转换成评分？-2、-1、0、1、2，其中 -2 是极差，+2 是极好。 论文没有提供严格的数学证明，只是用 11 种不同的具体任务，来经验地验证这个模型的通用性。 Deep Bidirectional Transformers，这三个词分别是什么意思？ 这篇论文，尝试了 11 种不同问题的多种公开的，经过人工标注的训练数据集。
70330发布于 2018-10-24 - 来自专栏毕业论文写作指南
2025年论文写作必备AI工具推荐：11款高效神器全解析
2025年，面对日益复杂的论文写作需求，选择合适的AI工具不仅能大幅提升写作效率，还能保证论文质量。本文将为大家推荐11款好用的AI写作工具，帮助你在论文写作中事半功倍。1. 鲲鹏智写 —— 论文写作的神级助手工具链接: 鲲鹏智写功能亮点:快速生成初稿: 只需输入论文题目，30分钟内即可生成5万字的初稿，极大提升写作效率。 多类型支持: 涵盖毕业论文、学术论文、计算机论文等多种类型，满足多样化需求。AI在线改稿: 智能解析导师意见，自动优化文本，支持多种内容形式生成。 11. Jasper AI —— 全面的AI写作工具工具简介: Jasper AI（原名Jarvis）能生成各种类型的文章，包括学术论文。快速生成论文段落、摘要和报告。 结尾选择合适的AI工具，不仅能大幅提升论文写作效率，还能保证论文的质量和原创性。希望本文推荐的11款AI工具能帮助你在2025年的论文写作中如虎添翼。
2.3K40编辑于 2025-05-19 - 来自专栏智药邦
近年来GSK在AI药物研发领域发表的11篇论文
本文对近年来 (2020年1月至今) GSK在AI药物研发方面的11篇论文 (不完全统计) 进行整理。 深度度量学习在分子图相似性中的应用 Coupry DE, Pogány P. J Cheminform. 2022 Mar 12;14(1):11. doi: 10.1186/s13321-022-00595-7. （本文为阿斯利康和GSK共同发表，见近年来阿斯利康在AI药物研发领域发表的15篇论文） 加速纯化工艺开发的最新进展：以疫苗为重点的综述 Keulen D, Geldhof G, Bussy OL, Pabst Trends Biotechnol. 2021 Nov;39(11):1120-1130. doi: 10.1016/j.tibtech.2021.02.004.
78720编辑于 2022-11-16 - 来自专栏AI科技评论
大会 | 智能感知与计算研究中心11篇论文被CVPR接收
不论你是论文录用作者，还是即将参会的企业机构，欢迎联系 AI 科技评论小编（微信号：aitechreview）报道/合作哟。 智能感知与计算研究中心在今年的 CVPR 2018 上共有 11 篇论文被接收，再次创下历史新高。 论文 1 Dynamic Feature Learning for Partial Face Recognition Lingxiao He, Haiqing Li, Qi Zhang, Zhenan 用于视频描述的多模态记忆模型架构 论文 11 Fast End-to-End Trainable Guided Filter Huikai Wu, Shuai Zheng, Junge Zhang, Kaiqi 代码和论文将公布在 https://github.com/wuhuikai/DeepGuidedFilter。 ? 使用卷积神经网络和提出的引导滤波单元进行图像到图像变换的结果展示
1.3K60发布于 2018-03-06 - 来自专栏新智元
学术论文必须开放免费获取！欧洲11国研究资助机构强推“S”计划
这11家机构每年共投入76亿欧元（88亿美元）用于研究资助，这些机构表示，将从2020年开始强制要求受其资助的科学家，必须在论文发表后立即允许免费阅读。 这些论文将使用自由出版许可，允许其他人下载、翻译或以其他方式重复使用。这11家机构于9月4日发布了一份名为“S计划”的承诺文件的序言中写道：“任何科学都不应该被隔在付费墙之外！”。 超过三分之一的期刊仍然在“付费墙”背后发表论文，并且通常在发表至少六个月后，才允许发布论文的在线免费阅读版本。这一政策与一些具有广泛影响力的研究机构的政策（如美国国立卫生研究院）相一致。 只有不到一半的期刊采用了“混合”发表模式，如果科学家愿意，他们可以立即免费开放论文获取权限，不过大部分研究论文都是需要付费的。 第一批签约加入“S计划”的11家研究机构： 奥地利科学基金 Austrian Science Fund 法国国家研究机构 French National Research Agency 爱尔兰科学基金会
95410发布于 2018-09-25 - 来自专栏机器之心
业界 | 欧洲11国资助机构发起「S 计划」：让所有科研论文即刻免费阅读
选自nature 作者：Holly Else 机器之心编译 参与：张倩、王淑婷 以往的科研论文只有在少数期刊上可以免费获取，而且还是在出版六个月之后，而大部分期刊的论文都得付费阅读。 针对这一问题，来自 11 个欧洲国家的 11 个研究资助机构发起了一项「S 计划」，表示从 2020 年起，受其资助的研究者必须在论文发表后使其立即开源，并将被禁止在 85% 的期刊上发表文章，其中包括一些有影响力的期刊 图片来自：Nikolay Doychinov/EU2018BG 欧洲 11 个研究资助机构宣布了一项「S 计划」，旨在让所有的科研论文一经出版就可以免费阅读。 这 11 个机构每年在科研上的投入加起来达 76 亿欧元（约合 602 亿人民币）。他们表示，从 2020 年起，受其资助的科学家必须在论文发表后使它可以免费阅读（详见『S 计划参与者』）。 「S 计划」参与者 截至目前，欧洲 11 家国家资助机构已经签署了「S 计划」，列表如下： 奥地利科学基金（Austrian Science Fund） 法国国家研究总署（French National
72810发布于 2018-09-20 - 来自专栏机器学习初学者精选文章
【论文解读】GCN论文总结
本次要总结和分享的是ICLR2017的关于GCN方面的代表作之一论文：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS，论文链接为 paper[1]，参考的实现代码为pygcn[2] 文章目录 先导知识 论文动机 模型 切比雪夫逼近卷积核函数 图上的快速近似卷积 半监督节点分类 实验 核心代码分析 个人总结 先导知识 在读这篇论文之前 论文动机 考虑对图（如论文引用网络）中的节点（如文档）进行分类的问题，其中仅有一小部分节点带有label信息。 单从这个公式来看，本论文所提的图上的卷积方式其实很简单的。 实验 数据集： ? 论文中用到了上述四个数据集，上表中展示了每个数据集的节点数量、边的数量、类别数、特征维度、带标签节点占比。 由上图可以看出，本论文提出的GCN网络分类效果最好。 除此之外，论文中还和以往的一些GCN网络进行了对比实验： ?
2.1K20发布于 2021-04-16 - 来自专栏登神长阶
【论文复现】FastBEV论文解读
论文解读 本文介绍了一种名为Fast-BEV的快速且强大的鸟瞰视图感知基线框架，旨在解决现有BEV解决方案在执行车辆内推理时需要大量资源或性能不佳的问题。 论文方法 方法描述 该论文提出了一种名为Fast-BEV的快速视图变换方法，用于将多相机图像转换为鸟瞰视角下的三维特征图。 论文实验 本文主要介绍了在nuScenes数据集上进行的3D目标检测任务，并进行了多个对比实验来验证Fast-BEV模型的有效性和性能表现。 论文总结 文章优点 本文提出了一种名为Fast-BEV的高效全卷积BEV感知框架，适用于车辆上的部署。
74510编辑于 2024-12-15 - 来自专栏三流程序员的挣扎
2022-11-11-工作
昨天的控件点击时通过外面，加个 listener。然后如果外部设定当前选中位置，也要刷新一下页面，所以刷新逻辑放到设置 textSelectedIndex 中去。
26730编辑于 2022-11-13
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