![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
读书笔记
文章平均质量分 91
论文笔记
l_BAT
这个作者很懒,什么都没留下…
展开
-
《Deep Air: Forecasting Air Pollution in Beijing, China》笔记
使用LSTM循环神经网络预测北京未来空气质量。原创 2022-06-24 15:44:47 · 544 阅读 · 0 评论 -
《Deep Reinforcement Learning for Autonomous Driving: A Survey》笔记
调研(D)RL在自动驾驶中的应用。原创 2022-10-10 22:44:38 · 1305 阅读 · 0 评论 -
《U-Net: Convolutional Networks for BiomedicalImage Segmentation》笔记
Olaf Ronneberger, Philipp Fischer, and Thomas Brox, 2015文章提出了的端到端训练的网络,以非常少的图像输入,在ISBI上的表现击败了别的方法,赢得了2015 ISBI细胞追踪挑战赛。1. 引言深度神经网络的成功受限于更大的数据集,更深的网络。CNN的典型任务是分类,图像的输出是单一分类标签。然而在许多视觉任务,尤其是生物图像处理中,需要的输出应包括位置信息,即,每个像素需要得到一个分类标签。而且,对于生物任务而言,数千张的训练图像是难以获原创 2022-05-18 15:49:05 · 437 阅读 · 0 评论 -
《Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting》笔记
1. 绪论降水预测的时间紧迫和准确要求比传统天气预报任务(如周平均温度预报)要求更高。本质上,降水预测是时空序列预测问题,以过往的一系列雷达图作为输入,输出固定数量(>1)的一组将来的雷达图预测。本文提出全新卷积LSTM(ConvLSTM)网络用于降水预测。2. 前文2.1 降水预测问题抽象用一个M×N矩阵表示平面空间,每个小格中以P表示随时间变化的变量。观察即可以张量表示。记录观察到的张量,基于观测到的J个状态,计算接下来长度为K的时空序列:2.2 长短期记忆(L原创 2022-05-16 16:28:51 · 556 阅读 · 0 评论 -
《Robust Lane Detection From Continuous Driving Scenes Using Deep Neural Networks》笔记
作者:Zou, Q(Zou, Qin)[1];Jiang, HW(Jiang, Hanwen)[2];Dai, QY(Dai, Qiyu)[3];Yue, YH(Yue, Yuanhao)[1];Chen, L(Chen, Long)[4];Wang, Q(Wang, Qian)[1]DOI10.1109/TVT.2019.2949603@article{zou2019tvt, title={Robust lane detection fro...原创 2022-05-11 17:09:55 · 684 阅读 · 1 评论 -
《Systematic evaluation of CNN advances on the ImageNet》笔记
Dmytro Mishkina, Nikolay Sergievskiyb, Jiri MatasaDOI: 10.1016/j.cviu.2017.05.007@Article{CaffeNetBench2017, Title = {Systematic evaluation of convolution neural network advances on the Imagenet }, Author = {Dm原创 2022-05-08 14:49:48 · 501 阅读 · 0 评论