毕设终于告一段落，传统方法的视觉做得我整个人都很奔溃，终于结束，可以看些搁置很久的一些论文了，嘤嘤嘤 Densely Connected Convolutional Networks 其实很早就出来了，cvpr best paper 觉得读论文前，还是把dense net的整个网络结构放到http: ethereon.github.io netscope editor 上面可视化看一下，会更加容易 ...
2018-01-10 11:45 0 999 推荐指数：
论文标题：Densely Connected Convolutional Networks 论文作者：Gao Huang Zhuang Liu Laurens van der Maaten Kilian Q. Weinberger 论文地址：https://arxiv.org/pdf ...
目录 0. Paper link 1. Overview 2. DenseNet Architecture 2.1 Analogy to ResNet ...
一.读前说明 1.论文"Densely Connected Convolutional Networks"是现在为止效果最好的CNN架构,比Resnet还好,有必要学习一下它为什么效果这么好. 2.代码地址：https://github.com/liuzhuang13/DenseNet 3. ...
https://blog.csdn.net/qq_21949357/article/details/80538255 这篇论文其实读起来还是比较难懂的，主要是细节部分很需要推敲，尤其是deformable的卷积如何实现的一步上，在写这篇博客之前，我也查阅了很多其他人的分享或者去github找代码 ...
首先，容我吐槽一下这篇论文的行文结构、图文匹配程度、真把我搞得晕头转向，好些点全靠我猜测推理作者想干嘛，😈 背景 我们知道传统的CNN针对的是image，是欧氏空间square grid，那么使用同样square grid的卷积核就能对输入的图片进行特征的提取。在上一篇论文中，使用的理论 ...
DCNN 主要思想： 这是一篇基于空间域的图神经网络，聚合方式通过采样（hop）1~k 阶的邻居并同 self 使用 mean 的方式得到新的 feature-vector 作者将不同的 ...
论文的三个贡献 （1）提出了two-stream结构的CNN，由空间和时间两个维度的网络组成。 （2）使用多帧的密集光流场作为训练输入，可以提取动作的信息。 （3）利用了多任务训练的方法把两个数据集联合起来。 Two stream结构 视屏可以分成空间与时间两个部分，空间部分指独立 ...
背景简介 GCN的提出是为了处理非结构化数据（相对于image像素点而言）。CNN处理规则矩形的网格像素点已经十分成熟，其最大的特点就是利用卷积进行①参数共享②局部连接，如下图： 那么类比 ...
