论文集
文章平均质量分 90
主要用于论文回顾
瑾怀轩
三人行必有我师,欢迎交朋友。
个人博客:chenkequan.cn
展开
-
【论文】Imitating Driver Behavior with Generative Adversarial Networks---使用生成对抗网络模仿驾驶员行为
一、摘要紫色:要解决的问题或发现的问题红色:重点内容棕色:关联知识,名称绿色:了解内容,说明内容论文地址:待后续补充一、摘要准确预测和模拟人类驾驶行为的能力对于智能交通系统的发展至关重要。传统的建模方法采用简单的参数模型和行为克隆。本文采用一种方法来克服先前方法固有的级联误差问题从而产生对轨迹扰动具有鲁棒性的真实行为。我们将生成对抗模仿学习扩展到循环策略的训练,并证明我们的模型在现实的高速公路模拟中优于基于规则的控制器和最大似然模型。我们的模型。原创 2023-08-28 23:31:27 · 266 阅读 · 2 评论 -
【论文】【生成对抗网络五】Wasserstein GAN (WGAN)
Wasserstein GAN (WGAN)我们引入了一种我们认为是WGAN的算法,这是传统GAN训练的替代方案。在这个新模型中,我们展示了我们可以提高学习的稳定性,摆脱模式崩溃等问题,并提供有意义的学习曲线,对调试和超参数搜索有用。此外,我们证明了相应的优化问题是合理的,并提供了扩展的理论工作,突出了与分布之间其他距离的深层联系。原创 2023-08-01 13:42:28 · 2232 阅读 · 0 评论 -
【论文】RetinaNet
论文地址:https://arxiv.org/pdf/1708.02002.pdfhttps://arxiv.org/pdf/1708.02002.pdf题目:密集目标检测的焦点损失 图 1. 我们提出了一种新的损失,我们称之为 Focal Loss,它在标准交叉熵标准中添加了一个因子 (1 - p t ) 的γ次方。设置 γ > 0 可减少分类良好的示例的相对损失(p t > .5),将更多注意力放在难分类的错误示例上。正如我们的实验将证明的那样,所提出的焦点损失能够在存在大量简单原创 2022-04-07 23:57:19 · 4180 阅读 · 0 评论 -
【论文】CBAM: Convolutional Block Attention Module
摘要:我们提出了卷积块注意模块 (CBAM),这是一个用于前馈卷积神经网络的简单而有效的注意模块。给定一个中间特征图,我们的模块沿两个单独的维度(通道和空间)顺序推断注意力图,然后将注意力图乘以输入特征图以进行自适应特征细化。因为 CBAM 是一个轻量级的通用模块,它可以无缝集成到任何 CNN 架构中,开销可以忽略不计,并且可以与基础 CNN 一起进行端到端训练。我们通过对 Image Net - 1 K、MS COCO 检测和 VOC 2007 检测数据集的广泛实验来验证我们的 CBAM。我们的实验表..原创 2022-05-31 19:35:22 · 6102 阅读 · 0 评论 -
【论文】【翻译】目标检测中跨金字塔层级的渐进式困难样本挖掘
原文:Progressive Hard-case Mining across Pyramid Levels in Object Detection一、摘要在目标检测中,多级预测(例如,FPN、YOLO)和重采样技巧(例如,焦点损失、ATSS)极大地提高了一级检测器的性能。但是,如何通过逐级优化特征金字塔来提高性能仍未探索。我们发现,在训练过程中,正样本与负样本的比率在金字塔级别(级别不平衡)上有所不同,这是当前的一级检测器无法解决的。为了调解级别不平衡的影响,我们提出了一个统一的多级优化范式(UM原创 2022-03-09 17:25:38 · 3662 阅读 · 0 评论 -
【论文】低光图像增强的零参考深度曲线估计
Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement连接:Zero-Reference Deep Curve Estimation for Low-Light Image EnhancementZero-Reference Deep Curve Estimation for Low-Light Image Enhancement.https://li-chongyi.github.io/Proj_Zero-DCE....原创 2022-05-01 11:47:06 · 2023 阅读 · 0 评论 -
【论文】Cascade R-CNN: Delving into High Quality Object Detection
论文地址:https://arxiv.org/abs/1712.00726v1https://arxiv.org/abs/1712.00726v1Cascade R - CNN:深入研究高质量目标检测紫色:要解决的问题或发现的问题红色:重点内容棕色:关联知识,名称绿色:了解内容,说明内容摘要在对象检测中,需要通过联合(IoU)阈值来定义正负。用低 IoU 阈值训练的对象检测器,例如0.5,通常会产生噪声检测。然而,检测性能往往会随着 Io U 阈值的增加而下降。造成这种情况的主要原创 2022-04-19 16:15:13 · 616 阅读 · 0 评论 -
论文(二):AlexNet
原名:ImageNet Classification with Deep Convolutional Neural Networks作者:Alex Krizhevsky,Ilya Sutskever,Geoffrey E. Hinton摘要We trained a large, deep convolutional neural network to classify the 1.2 million high-resolution images in the ImageNet ILSVRC-2原创 2021-11-09 14:21:30 · 2221 阅读 · 0 评论 -
AlexNet要点总结
1、背景两个重要条件:1、LabelMe,ImageNet等标注软件和数据集的出现2、硬件计算能力的提升(使用GPU作为计算硬件)2、成果top-1:表示预测类和标签一致(预测正确)并且概率最高的情况top-5:表示真实标签在预测的概率排名前5的中。(预测正确的类别概率排名前5)1CNN : 表示训练一次AlexNet取得验证集错误率40.7%(top-1)5CNN : 表示训练五次AlexNet取得验证集平均错误率38.1%(top-1)CNN*是在最后一.原创 2021-11-12 11:10:16 · 1462 阅读 · 0 评论 -
论文(一):Deep learning
作者:Yann Lecun ;Yoshua Bengio ;Geoffrey Hinton一、引言Deep learning allows computational models that are composed of multiple processing layers to learn representations of data with multiple levels of abstraction. These methods have dramatically improved .原创 2021-11-01 09:45:45 · 1234 阅读 · 0 评论