- 综合排序
- 最热优先
- 最新优先
- 来自专栏登神长阶
【论文复现】LeNet-5
出自论文 《Gradient-Based Learning Applied to Document Recognition》 。 C3层（卷积层） 使用16个5×5大小的卷积核，padding=0，stride=1，得到16个10×10大小的特征图 激活函数： ReLu 可训练参数：6×(5×5×3+1)+6×(5×5×4+1)+ 3×(5×5×4+1)+1×(5×5×6+1)=1516 16 个卷积核并不是都与 S2 的 6 个通道层进行卷积操作，如下图所示，C3 的前六个特征图（0,1,2,3,4,5）由 S2 的相邻三个特征图作为输入 S2 间断的四个特征图作为输入对应的卷积核尺寸为：5x5x4；最后的 15 号特征图由 S2 全部(6 个)特征图作为输入，对应的卷积核尺寸为：5x5x6。 C5 层是卷积层，使用 120 个 5×5x16 大小的卷积核，padding=0，stride=1进行卷积，得到 120 个 1×1 大小的特征图：5-5+1=1。
77510编辑于 2024-11-30 - 来自专栏脑机接口
论文周报 | 第5期
该论文提出了一种基于典型相关分析（CCA），特征提取和高斯混合模型（GMM）的实时伪影去除算法，以提高EEG信号的质量。 论文地址： https://www.hindawi.com/journals/jhe/2018/5081258/ 脑电情绪识别：脑功能连接网络与局部激活信息结合 导读： 情绪状态的转变通常会激活脑电功率谱的变化 该论文构建了一种具有相位锁定值的情绪相关脑网络，采用多特征融合方法将补偿激活信息与连接信息相结合进行情绪识别，以提高情绪识别的能力。 特征选择过程 激活模式主要反映被试者在不同情绪状态下的能量差异。 论文主要研究了功率谱密度(PSD)，微分熵(DE)，DASM，RASM，ASM，DCAU 这六个能量特征分布在不同情绪下的表现，如下图所示。 论文地址： https://ieeexplore.ieee.org/document/8634938
66020发布于 2020-06-30 - 来自专栏CSDN社区搬运
LeNet-5（论文复现）
出自论文《Gradient-Based Learning Applied to Document Recognition》。 C3层（卷积层） 使用16个5×5大小的卷积核，padding=0，stride=1，得到16个10×10大小的特征图 激活函数： ReLu 可训练参数：6×(5×5×3+1)+6×(5×5×4+ 1)+3×(5×5×4+1)+1×(5×5×6+1)=15166×(5×5×3+1)+6×(5×5×4+1)+3×(5×5×4+1)+1×(5×5×6+1)=1516 16 个卷积核并不是都与 S2 C5 层是卷积层，使用 120 个 5×5x16 大小的卷积核，padding=0，stride=1进行卷积，得到 120 个 1×1 大小的特征图：5-5+1=1。 激活函数： ReLU 可训练参数：120×(5×5×16+1)=48120120×(5×5×16+1)=48120 F6层（全连接层） F6 是全连接层，共有 84 个神经元，与 C5 层进行全连接
65310编辑于 2024-11-30 - 来自专栏登神长阶
【论文复现】YOLOv5复现
作为YOLO系列中的佼佼者，YOLOv5可以被视为YOLOv4的升级版，通过对网络结构、优化器超参数、数据预处理超参数以及损失函数超参数等多个方面进行精细调整，YOLOv5的性能相较于YOLOv4有了显著提升 = self.layer_5(c4) outputs = [c3, c4, c5] return outputs 对于颈部网络，yolov5使用了和YOLOv4中类似的 相较于YOLOv4，YOLOv5在PaFPN中添加了CSP模块，取代了早期的包含5层卷积的简单模块，同时也加入了depth因子来调整PaFPN的深度。 s模型为例，如需换成其他模型，将命令中的参数-m yolov5_s换成其他模型即可，如-m yolov5_l 训练 使用COCO数据集从头开始训练YOLOv5模型（将下面的F:\datasets\换成自己数据集路径 ) python test.py -d coco --cuda -m yolov5_s --img_size 640 --weight yolov5_s_coco_adamw.pth --root F:
1.1K10编辑于 2024-11-30 - 来自专栏图与推荐
【NeurIPS 2020】ᐕ)⁾⁾5篇GNN相关论文
推荐5篇 NeurIPS 2020 接收的5篇 GNN 相关论文.分别为： 1. 随机游走图神经网络 2. 图神经网络中基于路径积分的卷积和池化算法 3. Erdős Goes Neurical：一种图上组合优化的无监督学习框架 5. 用有限状态自动机层学习图结构 6. GNN 学习资料 1. 5. Learning Graph Structure With A Finite-State Automaton Layer ? GNN 相关论文集 https://github.com/Jhy1993/Awesome-GNN-Recommendation ? 2.
96442发布于 2020-10-10 - 来自专栏图与推荐
5篇值得读的GNN论文
论文推荐｜ 本期为大家推荐5篇论文，论文主题涉及到当前研究最新动向，如异质图上的新基准，能够平衡不类别节点数量的最新GNN模型，GNN同MLP模型的对比，解决图表示学习关于异构性、归纳性和效率问题的方法 总之，这篇论文的主要贡献有以下几点： （1）找到几个GA-MLP无法区分而GNN可以区分的图对，还证明存在区分几乎所有非同构图的简单GA-MLP。 图5 图5是WIDEN中消息打包的例子。顶层和底层部分与宽且深的邻居集合相关。 ? ? 表5 表5分别展示了转导节点分类和归纳节点分类实验上WIDEN模型和其他SOTA模型的结果。
1.4K50发布于 2021-04-22 - 来自专栏相约机器人
2019年5项深度学习研究论文
在这个疯狂的世界中保持最新状态的最佳方法是阅读有关该主题的重要论文。在本文中，将重点介绍今年产生重大影响的5篇论文。 XLNet：用于语言理解的广义自回归预训练 在这里阅读完整的论文。 Demucs：用于音乐源的Deep Extractor，已混合了其他未标记的数据 在这里阅读完整的论文。 深度感知视频帧插值 在这里阅读完整的论文。 https://arxiv.org/pdf/1904.00830 可以在此处找到本文随附的代码。 在本章中，探索了一篇有趣的论文，该论文利用了深度学习技术。通常，由于较大的物体运动或遮挡，插值的质量会降低。在本文中，作者使用深度学习通过探索深度信息来检测遮挡。 结论 在本文中，有机会看到了一些有趣的论文以及在深度学习领域取得的进步。这个领域正在不断发展，希望在2020年会更加有趣。 感谢您的阅读！
88530发布于 2019-12-19 - 来自专栏图与推荐
PAMI-2021：5篇顶级GNN论文
本期小编挑选了5篇PAMI2021中关于GNN的论文（附论文下载地址）分享给大家~ 包括图池化，ARMA滤波的GNN，GNN的Inductive-Transductive预测， GNN在多标签中的应用和 GNN中的受限传播~ 论文清单 Topology-Aware Graph Pooling Networks Graph Neural Networks with Convolutional ARMA Filters 2 Graph Neural Networks with Convolutional ARMA Filters （论文下载地址：https://arxiv.org/abs/1901.01343） ? /pdf/10.1007%2F978-3-319-99978-4.pdf 论文详见第201页） ? 遵循这个想法，论文设计了两个特殊的模型，它们从不同的角度进行多标签分类。在第一个模型中，有关类依赖的先验知识被集成到分类器学习中。
1.9K30发布于 2021-05-31 - 来自专栏机器之心
ICLR 2018论文评审结果出炉：一文概览论文 TOP 5
选自GitHub 机器之心编译 参与：蒋思源、李泽南 ICLR 2018 大会的论文评审已经于 11 月 27 日截止。在明年 1 月 5 日之前，人们将对目前提交的论文进行讨论。 今年的 ICLR 大会接收到了 981 篇有效论文。截至 12 月 1 日，有 979 篇论文至少经过了一次打分。近日，大会官方给出了论文双盲评审的评分结果。 分数分布 下图显示了相同论文得到评分的最大差值。我们观察到，对于大多数（约 87%）论文来说，最大差值小于 3。 ? 论文得分 Top 10 在双盲评审打分过后，我们得到了十篇得分最高的论文。 论文 5：i-RevNet: Deep Invertible Networks ? 链接：https://openreview.net/forum? i-RevNet 及其伪逆结构 ICLR 2018 将于 4 月 30 日-5 月 3 日于加拿大温哥华的 Vancouver Convention Center 举行。
1K50发布于 2018-05-10 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.6.23）！共5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 : 23 Jun 2022 total number : 5 UniUD-FBK-UB-UniBZ Submission to the EPIC-Kitchens-100 Multi-Instance Retrieval Challenge 2022 论文/Paper: http://arxiv.org/pdf/2206.10903 代码/Code: None Symmetric Network with Spatial Relationship Modeling for Natural Language-based Vehicle Retrieval 论文/Paper: http://arxiv.org
29630编辑于 2022-09-02 - 来自专栏数据派THU
5篇关于特征嵌入的研究论文推荐
来源：DeepHub IMBA本文约1500字，建议阅读5分钟本文为你分享5篇最新的嵌入研究论文。 为了解决长期视觉搜索的问题，论文引入了一种持续学习 (CL) 方法，该方法可以处理增量增长的图片集。 论文采用bootstrapping principal components analysis的方法，以适应从非矩阵数据中学习特征。论文凭经验比较了派生的置信区域，影响特征学习和引导的不同因素。 5、ContextNet: A Click-Through Rate Prediction Framework Using Contextual information to Refine Feature 论文的灵感来自 ELMO 和 Bert 在 NLP 领域的成功，它们可以动态地细化词嵌入并根据单词出现的上下文句子信息，所以论文认为在CTR估计任务中根据输入实例中包含的上下文信息逐层动态地细化每个特征的嵌入也很重要
51820编辑于 2022-06-29 - 来自专栏DeepHub IMBA
5篇关于特征嵌入的研究论文推荐
为了解决长期视觉搜索的问题，论文引入了一种持续学习 (CL) 方法，该方法可以处理增量增长的图片集。 论文采用bootstrapping principal components analysis的方法，以适应从非矩阵数据中学习特征。论文凭经验比较了派生的置信区域，影响特征学习和引导的不同因素。 论文推导出了几种可行性约束，这些约束在实际应用中可以显著提高MTS天线的功率效率和带宽。全波数值模拟证实了该方法的有效性，以及综合设计的极端场变换能力。 5、ContextNet: A Click-Through Rate Prediction Framework Using Contextual information to Refine Feature 论文的灵感来自 ELMO 和 Bert 在 NLP 领域的成功，它们可以动态地细化词嵌入并根据单词出现的上下文句子信息，所以论文认为在CTR估计任务中根据输入实例中包含的上下文信息逐层动态地细化每个特征的嵌入也很重要
43920编辑于 2022-11-11 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.6.29）！共5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! CVPR 2022 | Deblur-NeRF 运动模糊输入也能恢复清晰结果 最新论文整理： Updated on : 29 Jun 2022 total number : 5 The Third Place Solution for CVPR2022 AVA Accessibility Vision and Autonomy Challenge 论文/Paper: http://arxiv.org 代码/Code: None Increasing Confidence in Adversarial Robustness Evaluations 论文/Paper: http://arxiv.org
33420编辑于 2022-09-02 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.5.6）！共5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 : 6 May 2022 total number : 5 Neural 3D Scene Reconstruction with the Manhattan-world Assumption 论文/Paper manhattan_sdf Fixing Malfunctional Objects With Learned Physical Simulation and Functional Prediction 论文 arxiv.org/pdf/2205.02834 代码/Code: None Cross-view Transformers for real-time Map-view Semantic Segmentation 论文 代码/Code: None P3IV: Probabilistic Procedure Planning from Instructional Videos with Weak Supervision 论文
27720编辑于 2022-05-19 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.5.26）！共5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 : 26 May 2022 total number : 5 A Low Memory Footprint Quantized Neural Network for Depth Completion of Very Sparse Time-of-Flight Depth Maps 论文/Paper: http://arxiv.org/pdf/2205.12918 代码/Code : None Context-Aware Video Reconstruction for Rolling Shutter Cameras 论文/Paper: http://arxiv.org/pdf/
20120编辑于 2022-07-06 - 来自专栏GiantPandaCV
5篇论文讲清元宇宙关键技术
为此，我特地整理了5篇最新元宇宙相关论文供大家学习 5篇精选元宇宙论文 ▼ 推荐理由： 本文提出AvatarPoser，第一个基于学习的方法，只用用户的头和手的运动输入就能预测世界坐标中的全身姿态。 推荐理由： 该论文搭建了一套基于CNN的「手势识别」系统，该系统能够适应大量真实场景、高精度、实时、低功耗、低抖动。 推荐理由： 该论文提出一个新的 3D 人脸重建的 benchmark 数据集，名为 REALY benchmark，和相应的评估方法，能对于重建的 3D 人脸模型在不同脸部区域进行细粒度评价，并对于主流的单张照片 推荐理由： 在这篇论文中，研究者提出了对 mip-NeRF 的扩展 ——mip-NeRF 360，它能够生成这些无界场景的逼真渲染。 推荐理由： 在这篇论文中，研究者提出了对用LiDAR产生的点云信号作为输入，输出是完整、高清的三维重建，同时还有一个高清的视角渲染，从多视角图片的倾斜摄影技术往点云融合。
89830编辑于 2022-12-29 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.5.27）！共5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 : 27 May 2022 total number : 5 SemAffiNet: Semantic-Affine Transformation for Point Cloud Segmentation 论文/Paper: http://arxiv.org/pdf/2205.13490 代码/Code: https://github.com/wangzy22/SemAffiNet /pdf/2205.13384 代码/Code: None Cross-Architecture Self-supervised Video Representation Learning 论文/Paper
37950编辑于 2022-07-06 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.6.24）！共5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 : 24 Jun 2022 total number : 5 NTIRE 2022 Challenge on Perceptual Image Quality Assessment 论文/Paper: http://arxiv.org/pdf/2206.11695 代码/Code: None BlazePose GHUM Holistic: Real-time 3D Human for RxR-Habitat Vision-and-Language Navigation Competition (CVPR 2022) 论文/Paper: http://arxiv.org/pdf
33220编辑于 2022-09-02 - 来自专栏人工智能前沿讲习
【论文推荐】了解《图像生成》必看的5篇论文（附打包下载地址）
论文推荐 “SFFAI124期来自悉尼大学在读电子信息工程博士的顾津锦推荐的文章主要关注于计算机视觉的图像生成领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。” 关注文章公众号 回复"SFFAI124"获取本主题精选论文 01 推荐理由：我们使用局部归因图对超分辨率进行分析的工作。
48820编辑于 2022-02-24 论文研究内容怎么写？5大核心步骤+工具推荐，轻松搞定毕业论文
5. 评估研究价值：研究内容为研究成果的评估提供了标准。研究内容是否具有创新性、实用性和理论价值，是评价研究成果的重要依据。明确的研究内容有助于提高研究成果的质量和影响力。 5. 案例研究：深入分析一个或几个特定案例，以获得对现象的全面理解。案例研究适用于探索独特或新出现的现象，或为更广泛的研究提供详细的上下文。6. 5. 收集数据：根据研究方案进行数据收集，确保数据的准确性和可靠性。6. 数据分析：对收集到的数据进行分析，使用统计软件或其他分析工具来处理数据。7. 5. 结论和讨论部分的合理安排结论和讨论部分是论文的关键部分，你应该在这里总结你的研究结果，并讨论其意义和影响。结论部分应该简洁明了，概括你的研究发现。 5. 修改错误点击高亮的错误，Grammarly会提供修改建议。您可以接受这些建议，或者根据您的理解和需求进行修改。6.
1.2K10编辑于 2025-09-08
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