論文筆記《Spatial Memory for Context Reasoning in Object Detection》
好久不寫論文筆記了，不是沒看，而是很少看到好的或者說值得記的了，今天被xinlei這篇paper炸了出來，這篇被據老大說xinlei自稱idea of the year，所以看的時候還是很認真的，然后最后確實也發現了不少干貨。 一、introduction 這篇文章主要還是解決 ...
原文：《Reasoning-RCNN: Unifying Adaptive Global Reasoning into Large-scale Object Detection》筆記
參考：https: zhuanlan.zhihu.com p 摘要重點 .針對問題 長尾數據分布 嚴重的遮擋和類的模糊性 .現狀 主流的對象檢測范式由於不考慮對象之間的關鍵語義依賴而單獨處理每個對象區域而受到限制 .創新 Reasoning RCNN 該網絡建立在基本檢測網絡特征表示的基礎上，通過對每個類別前一分類層的權值進行加權，生成一個全局語義庫，然后在全局語義庫中加入不同的語義上下文，自適應 ...
2019-11-24 18:17 0 533 推薦指數：
相關推薦
Chain of Thought Prompting Elicits Reasoning in Large Language Models
Motivation 雖然語言建模方面，NLP模型表現很好，但是在邏輯推理和數值計算領域（稱其為第二類任務，system-2 task），即使是目前最大的模型也難以處理某些推理任務，如數學單詞問題、 ...
[論文筆記]RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds
針對目前點雲分割存在速度慢、顯存需求大的問題，該文提出以一種高效率學習的方法。從論文的結果來看，該文不僅在計算時間和計算資源上大幅縮減，分割效果也是達到甚至超過了SOTA。 ...
閱讀筆記：Very Deep Convolutional Networks for Large-Scale Image Recognition
摘要： 在這篇論文我們主要研究卷積神級網絡的深度對大范圍圖像識別效果的影響，我們發現增加神經網絡層數增加到16-19層時我們的實驗結果有很大的提高。這使得我們在2014年的ImageNet Chall ...
LINE：Large-scale Information Network Embedding
LINE：Large-scale Information Network Embedding 摘要： 本文研究了將大型信息網絡嵌入到低維向量空間中的問題，該問題在可視化、節點分類和鏈路預測等許多任務中都有用。現有的大多數圖嵌入方法都不適用於通常包含數百萬節點的真實信息網絡。本文 ...
【論文筆記】MOOCCube: A Large-scale Data Repository for NLP Applications in MOOCs
MOOCCube是一個服務於MOOC相關研究的開源大規模數據倉庫。和已有類似的教育資源數據庫相比它的規模龐大，數據豐富且多樣。其中的學生行為記錄包括學習時長、學習次數、學習視頻的區間等非常完善的學 ...
閱讀筆記--[CVPR2020] RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds
Abstract 研究了大規模三維點雲的有效語義分割問題。 由於依賴昂貴的采樣技術和繁重的預處理/后處理步驟，大多數現有方法只能在小規模的點雲上進行訓練和操作。 本文提出了RandLA ...
論文閱讀筆記五十五：DenseBox: Unifying Landmark Localization with End to End Object Detection（CVPR2015）
論文原址：https://arxiv.org/abs/1509.04874 github:https://github.com/CaptainEven/DenseBox 摘要 ...