表格结构识别顶会SOTA大汇总，附论文下载链接

已于 2024-02-28 11:51:41 修改
阅读量576 收藏 4
点赞数 15
文章标签： 人工智能 数据分析 python
于 2024-01-24 15:30:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aaalllhhh/article/details/135823585
版权
谢谢蟹老板
关注
  • 15
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
YOLOv9改进 | 一文带你了解全新的SOTA模型YOLOv9（论文阅读笔记，效果完爆YOLOv8）
Snu77的博客
02-22 1万+
YOLOv9发布时间为2024年2月21日是当前的SOTA模型，当今的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果尽可能接近真实值。同时，还需要设计一个合适的架构，以便获取足够的信息进行预测。现有方法忽略了一个事实：当输入数据经过逐层的特征提取和空间变换时，会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题，即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息。
TSRFormer：复杂场景的表格结构识别新利器
微软技术栈
11-16 843
让表格识别算法向实现全场景覆盖更进一步
CVPR2024论文解读大盘点
FL1623863129的博客
06-08 1326
1.CVPR2024 | 多边形全能战士Monkey：华科大提出的高分辨率多模态视觉-语言大模型，刷新多个SOTA2.CVPR 2024 | 零样本6D物体姿态估计框架SAM-6D，向具身智能更进一步3.CVPR 2024｜多模态大模型解决无源域适应问题！DIFO：新颖的蒸馏多模态基础模型（DIFO）方法4.CVPR 2024｜多视角深度估计新SOTA！AFNet：自动驾驶单视图和多视图深度的自适应融合5.CVPR 2024 | 中科大&微软提出：迈向更统一的上下文视觉理解6.CVPR'24 | 无需微调，
多模态融合新方向！21篇2024年最新顶会论文汇总！（附PDF）
2401_82426425的博客
01-30 3959
为应对这一问题，研究人员提出了一种新算法，旨在减少多模态数据集中的表征和关联偏见，分析考虑了模型、表征和训练数据大小等因素，并发现微调对抗表征偏见有效，但对关联偏见影响有限。本文提出了一种创新的标签对齐方法LAMM，通过端到端训练动态调整下游数据集的类别嵌入，并采用分层损失，包括参数空间、特征空间和对数空间的对齐，以改善标签分布。本文提出了一种集成视觉语言模型CLIP的多任务学习框架，该模型具有强大的零样本泛化能力，并开发了多模态对齐提示（MmAP），研究人员在微调过程中对齐文本和视觉模态。
SOTA 跟踪论文：BoTSORT-OCSORT-StrongSORT 等
12-21
SOTA 目标跟踪论文，精度这几篇就够够的了 （1）BoTSORT （2）OCSORT| （3）StrongSORT （4）HybridSORT （5）DeepOCSORT （6）ByteTrack
ReadingList:阅读SOTA NLP论文清单
04-14
此回购将记录我发现有趣的论文。 我会偶尔更新。 文件 解码 VQA和图像文本检索 使用文字教学图像检索 BERT看到了什么：跨模态转换用于视觉问题生成 一种快速准确的单阶段视觉接地方法 视觉和语言表示学习的大规模...
论文投稿新规则，不用跑出SOTA，还能“内定”发论文？！.pdf
08-12
论文投稿新规则，不用跑出SOTA，还能“内定”发论文？ 随着人工智能和大模型的兴起，论文投稿的竞争日益激烈。如何确保自己的研究不被抢先发表？如何避免因为没有SOTA而被拒？在NAACL 2021上，研究者提出了预注册...
全新的SOTA模型YOLOv9原文 + 论文阅读笔记
02-22
当今的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果尽可能接近真实值。同时，还需要设计一个合适的架构，以便获取足够的信息进行预测。现有方法忽略了一个事实：当输入数据经过逐层的特征提取和...
fast-reid:SOTA重新识别方法和工具箱
04-28
FastReID是一个研究平台，可实现最新的重新识别算法。 这是对先前版本的重新编写，是。 什么是新的 [2021年4月] 支持部分FC！ [2021年1月] TRT网络定义API已发布！ 感谢的贡献。 [2021年1月]基于fastreid的NAIC20...
昇思25天学习打卡营第十天｜ShuffleNet图像分类
子殊的博客
06-29 992
ShuffleNetV1是旷视科技提出的一种计算高效的CNN模型，和MobileNet, SqueezeNet等一样主要应用在移动端，所以模型的设计目标就是利用有限的计算资源来达到最好的模型精度。ShuffleNetV1的设计核心是引入了两种操作：Pointwise Group Convolution和Channel Shuffle，这在保持精度的同时大大降低了模型的计算量。因此，ShuffleNetV1和MobileNet类似，都是通过设计更高效的网络结构来实现模型的压缩和加速。
使用Python实现深度学习模型：序列建模与生成模型的博客教程
最新发布
Echo_Wish的博客
07-02 258
本文介绍了使用Python实现深度学习模型的序列建模和生成模型的步骤。我们详细说明了每个步骤，并提供了相应的代码示例。通过学习本文，您将能够使用Python构建和训练序列建模和生成模型，并生成新的序列数据。希望本文对您有所帮助！如果您有任何问题或建议，请随时提出。
衣服、帽子、鞋子相关深度学习数据集大合集（1）
weixin_44906759的博客
06-29 959
最近收集了一大波关于衣物深度学习数据集，主要有衣服、帽子、鞋子、短裤、短袖、T恤等。
视觉分割的定义与性能度量
ChuanhuaYu的博客
06-26 967
整理了图像与视频中的一些分割任务的定义和任务需求，同时给出了对这类任务的模型性能的度量方法。
昇思25天学习打卡营第6天|函数式自动微分
main_h_的博客
06-29 243
求导求微分等等这些操作对于离开数学很久的人是很困难的一个天堑，幸好mindspore框架给我们提供了一系列简单的API屏蔽这些运算过程，我们只需要简单的调用几个API 就可以完成这些复杂运算。但现实中我们遇到的绝大多数情况我们的输入数据不是简简单单的一维数据，是多维了，这个时候计算难度的指数级跃升了。在计算中，多维数据的其中有些维可能是不需要的，但他的值可能比较大，会对我们最终的计算造出影响。.把这个梯度截断，消除他对梯度的影响。其中，一些辅助性的数据。输出，辅助数据不会影响梯度计算。
【AI】DeepStream(12)：三维动作识别 deepstream-3d-action-recognition-示例演示
郭老二
06-26 182
DeepStream还可以分析视频帧序列，来识别视频中的动作。示例参见：/opt/nvidia/deepstream/deepstream/sources/apps/sample_apps/deepstream-3d-action-recognition。
YOLO目标检测综述（2024.6月最新！）
qq_45591302的博客
06-27 931
目标检测算法，这类检测算法将检测问题划分为两个阶段，第一个阶段首先产生候选区域（Region Proposals），包含目标大概的位置信息，然后第二个阶段对候选区域进行分类和位置精修，这类算法的典型代表有R-CNN，Fast R-CNN，Faster R-CNN等。不过，随着研究的发展，两类算法都在两个方面做改进，均能在准确度以及速度上取得较好的结果。与以往的版本相比，YOLOv5引入了新的网络架构，以及一种新的训练方法，使用更大的数据集和更长的训练时间，从而提高了算法的性能。可以追溯到20世纪80年代。
天润融通助力立升净水，AI技术打造全天候智能客服体系
weixin_45962373的博客
06-26 506
做好客户服务，前提是构建一套高效的客户服务体系。
论文阅读_中文嵌入资源 C-Pack
谢彦的技术博客
06-29 980
目标: 介绍了 C-Pack，这是一个显著推进通用中文嵌入领域的资源包。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值