论文笔记《Decoupled Dynamic Filter Networks》
Decoupled Dynamic Filter Networks 2021.5.6 CVPR 2021 https://arxiv.org/abs/2104.14107 Introduction 卷积缺点在于：内容不变，计算量高 动态filter可以根据内容 ...
原文：论文笔记《BlockDrop: Dynamic Inference Paths in Residual Networks》
论文笔记 BlockDrop: Dynamic Inference Paths in Residual Networks paper：https: openaccess.thecvf.com content cvpr html Wu BlockDrop Dynamic Inference CVPR paper.html code：https: github.com Tushar N blockdr ...
2020-11-17 12:44 2 380 推荐指数：
相关推荐
论文笔记：Learning Dynamic Memory Networks for Object Tracking
Learning Dynamic Memory Networks for Object Tracking ECCV 2018Updated on 2018-08-05 16:36:30 Paper: arXiv version Code: https://github.com ...
[论文笔记] ：Temporal Graph Networks for Deep Learning on Dynamic Graphs
本篇文章发表在ICLR2020上，对动态图的进行连接预测和结点分类。TGN中，作者除利用传统的图神经网络捕捉非欧式结构生成embedding外，还利用动态图所中时序信息。 T ...
【论文笔记】Improved Residual Networks for Image and Video Recognition（ResNet新变体：IResNet）
github地址：https://github.com/iduta/iresnet 论文地址：https://arxiv.org/abs/2004.04989 该论文主要关注点： 网络层之间的信息流动-the flow of information through ...
论文笔记：Deep Residual Learning
之前提到，深度神经网络在训练中容易遇到梯度消失/爆炸的问题，这个问题产生的根源详见之前的读书笔记。在 Batch Normalization 中，我们将输入数据由激活函数的收敛区调整到梯度较大的区域，在一定程度上缓解了这种问题。不过，当网络的层数急剧增加时，BP 算法中导数的累乘效应还是很容易 ...
论文笔记-Squeeze-and-Excitation Networks
作者提出为了增强网络的表达能力，现有的工作显示了加强空间编码的作用。在这篇论文里面，作者重点关注channel上的信息，提出了“Squeeze-and-Excitation"（SE）block，实际上就是显式的让网络关注channel之间的信息 （adaptively recalibrates ...
论文笔记 《Maxout Networks》 && 《Network In Network》
论文笔记 《Maxout Networks》 && 《Network In Network》 发表于 2014-09-22 | 1条评论 出处 maxout：http://arxiv.org/pdf/1302.4389v4.pdfNIN ...
论文笔记《Notes on convolutional neural networks》
这是个06年的老文章了，但是很多地方还是值得看一看的. 一、概要 主要讲了CNN的Feedforward Pass和 Backpropagation Pass，关键是卷积层和polling层 ...