论文解析
文章平均质量分 89
极链AI云
这个作者很懒,什么都没留下…
展开
-
ACL 2022 | 腾讯QQ浏览器实验室提出文本语义匹配训练策略,与PLM结合效率不减
ACL 2022 |腾讯QQ浏览器实验室提出文本语义匹配训练策略,与PLM结合效率不减这篇ACL 2022研究提出了一个简单而有效的文本语义匹配的训练策略,通过分治的方式将关键词从意图中分离出来。作为国际最受关注的自然语言处理顶级会议,每年的 ACL 都吸引了大量华人学者投稿、参会。今年的 ACL 大会已是第 60 届,于 5 月 22-5 月 27 举办。受到疫情影响,国内 NLP 从业者参与大会受到很多限制。为了给国内 NLP 社区的从业人员搭建一个自由轻松的学术交流平台,...转载 2022-05-27 14:14:05 · 270 阅读 · 0 评论 -
CVPR 2022 | 16万视频对、28万对片段,蚂蚁开源视频侵权检测超大数据集
CVPR 2022 | 16万视频对、28万对片段,蚂蚁开源视频侵权检测超大数据集• CVPR 2022 VCSL 论文:https://arxiv.org/abs/2203.02654•VCSL 数据集和评测以及算法代码:https://github.com/alipay/VCSL• 文章转载自:机器之心• 原文地址:https://www.jiqizhixin.com/articles/2022-05-09-4该研究提出了目前最大规模(超过现有其他数据集...转载 2022-05-10 14:49:10 · 358 阅读 · 0 评论 -
ViT的复仇:Meta AI提出ViT训练的全新baseline
ViT的复仇:Meta AI提出ViT训练的全新baseline• 论文链接:https://arxiv.org/pdf/2204.07118.pdf• 文章转载自:机器之心• 原文地址:https://www.jiqizhixin.com/articles/2022-05-03-3本文提出了训练视觉 Transformer(ViT)的三种数据增强方法:灰度、过度曝光、高斯模糊,以及一种简单的随机修剪方法 (SRC)。实验结果表明,这些新方法在效果上大大优于 ViT 此前的全监督..转载 2022-05-07 15:42:32 · 171 阅读 · 0 评论 -
ACL 2022复旦、字节等推出首个可解释类比推理数据集,中英双语
ACL 2022复旦、字节等推出首个可解释类比推理数据集,中英双语A bench mark forrationalizing natural language analogical reaoning• 论文链接:https://arxiv.org/abs/2203.08480• 项目主页:https://ekar-leaderboard.github.io文章转载自:机器之心来自复旦大学、字节跳动人工智能实验室等机构的研究者提出E-KAR 数据集,这是首个可解释的知识密集..转载 2022-05-06 19:52:48 · 148 阅读 · 0 评论 -
MGO-GAN:利用正交向量缓解GAN训练时模式崩溃的问题
MGO-GAN:利用正交向量缓解GAN训练时模式崩溃的问题Tackling mode collapse in multi-generator GANs with orthogonal vectors论文地址:https://www.sciencedirect.com/science/article/abs/pii/S0031320320304490#section-cited-by本文转发自知乎作者: 记忆的迷谷本文《Tackling mode collapse in multi-g..转载 2022-04-29 19:29:11 · 407 阅读 · 0 评论 -
CVPR 2022 | 高质量捕捉人物动作,网易互娱AI Lab提出高效视频动捕技术
CVPR 2022 | 高质量捕捉人物动作,网易互娱AI Lab提出高效视频动捕技术Spatial-Temporal Parallel Transformer for Arm-Hand Dynamic Estimation原文地址:CVPR 2022 | 高质量捕捉人物动作,网易互娱AI Lab提出高效视频动捕技术 | 机器之心转发自:机器之心论文地址:https://arxiv.org/pdf/2203.16202.pdfiCap是网易互娱AI Lab研发的一款产品级的视觉动.转载 2022-04-28 17:54:06 · 953 阅读 · 0 评论 -
CVPR 2022 |OPPO 研究院联合上交大提出新自蒸馏框架DLB
CVPR 2022 |OPPO 研究院联合上交大提出新自蒸馏框架DLBSelf-Distillation from the Last Mini-Batch for Consistency Regularization论文:https://arxiv.org/pdf/2203.16172.pdf代码:暂无深度学习促进人工智能(AI)领域不断发展,实现了许多技术突破。与此同时,如何在有限硬件资源下挖掘模型潜能、提升部署模型的准确率成为了学界和业界的研究热点。其中,知识蒸馏作为..转载 2022-04-11 19:06:19 · 295 阅读 · 0 评论 -
CVPR 2022 Oral 腾讯优图&厦门大学提出无需训练的ViT结构搜索算法
CVPR 2022 Oral腾讯优图&厦门大学提出无需训练的ViT结构搜索算法Training-free Transformer Architecture Search论文:https://arxiv.org/pdf/2203.12217.pdf代码:https://github.com/decemberzhou/TF_TAS无需训练的 ViT 结构搜索算法是怎么样的?性能又如何呢?腾讯优图实验室、厦门大学等机构对此进行了深入的探讨与研究。论文被选中为 CVPR 2.转载 2022-04-07 19:13:09 · 715 阅读 · 0 评论 -
【工具库复现】多目标检测、模块化工具库—mmdetection复现
mmdetection 工具库快速复现教程01 工具库详情工具库简介:一个对象检测工具箱,其中包含一组丰富的对象检测和实例分割方法以及相关组件和模块。该工具箱从获得 COCO Challenge 2018 检测赛道的 MMDet 团队的代码库开始,逐渐演变为一个涵盖多种流行检测方法和当代模块的统一平台。它不仅包括训练和推理代码,还为 200 多个网络模型提供了权重。我们相信这个工具箱是迄今为止最完整的检测工具箱。在本文中,我们介绍了该工具箱的各种功能。此外,我们还对不同的方法、组件及原创 2022-04-07 14:06:51 · 3137 阅读 · 0 评论 -
AUTO-DeepLab:NAS在语义分割上的里程碑之作
AUTO-DeepLab:NAS在语义分割上的里程碑之作Population Based Augmentation:Efficient Learning of Augmentation Policy Schedules论文:https://arxiv.org/pdf/1901.02985.pdf解决的问题近些年来,NAS在图像分类领域取得了长足的进步,但在语义分割领域还是空白的存在,本文是NAS在语义分割领域的开篇之作。现有的NAS往往侧重寻找可重复的cell的结构,人工设计控制图片原创 2022-03-31 17:45:53 · 1652 阅读 · 0 评论 -
[ICLR2020]FasterSeg:基于NAS方法快速实时的语义分割
[ICLR2020]FasterSeg:基于NAS方法快速实时的语义分割FASTERSEG: SEARCHING FOR FASTER REAL-TIMESEMANTIC SEGMENTATION论文:https://arxiv.org/pdf/1912.10917.pdf代码:https://github.com/VITA-Group/FasterSeg解决的问题:先前的使用NAS搜索出的语义分割模型推理速度还不够快,且搜索空间有限。如果加入了延迟的限制,搜索出的网络容易出现"..原创 2022-03-23 16:05:50 · 391 阅读 · 0 评论 -
[CVPR2021]AttentiveNAS:FaceBook团队提出的Attentive Sampling策略
[CVPR2021]AttentiveNASFaceBook团队提出的Attentive Sampling策略AttentiveNAS: Improving Neural Architecture Search via Attentive Sampling论文:https://arxiv.org/pdf/2011.09011.pdf代码:https://github.com/facebookresearch/AttentiveNAS论文概述:本文是FaceBook在CVPR2原创 2022-03-15 17:04:42 · 1722 阅读 · 0 评论 -
【论文解析】《CVPR2020》AdversarialNAS: 以可微的方式搜索对抗生成网络
【论文解析】《CVPR2020》AdversarialNAS: 以可微的方式搜索对抗生成网络极链AI云官网地址点击注册(完成新人引导后即可领取体验券哦)关注极链AI云公众号学习更多深度学习相关知识文章目录【论文解析】《CVPR2020》AdversarialNAS: 以可微的方式搜索对抗生成网络一、前言论文链接:源码链接:二、简介三、解决的问题四、key points:五、具体实现搜索空间网络结构的连续松弛对抗网络结构的搜索六、搜索模型的表现搜索模型的结构一、前言本文是CVPR2020转载 2022-02-25 11:04:02 · 158 阅读 · 0 评论 -
多目标跟踪:DeepSort算法解读
多目标跟踪:DeepSort算法解读SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC论文:https://arxiv.org/pdf/1703.07402.pdf代码:https://github.com/nwojke/deep_sort概述DeepSORT是SORT多目标跟踪算法的改进版本,设计了一种新的关联方式,提高了对长时间遮挡的对象追踪的准确率,减少了Id频繁切换的现象。解决的原创 2022-02-08 09:56:01 · 1326 阅读 · 0 评论 -
[ICCV2019]AutoGAN:首次将NAS搜索方法引入对抗生成网络
[ICCV2019]AutoGAN:首次将NAS搜索方法引入对抗生成网络《AutoGAN: Neural Architecture Search for Generative Adversarial Networks》论文链接:https://arxiv.org/abs/1908.03835源码链接:https://github.com/VITA-Group/AutoGAN创新点概述AutoGAN首次应用NAS在对抗生成网络中,其设定一个生成器的搜索空间,利用RNN搜索,..原创 2022-01-19 15:47:44 · 2591 阅读 · 0 评论 -
论文解析丨面向特征的高分辨率卫星图像细粒度目标识别(基于OFA-Net)
编者按面向对象的遥感图像目标检测技术已经得到了广泛的应用近年来取得了很大进展。然而,大多数目前的方法只关注目标检测,无法在复杂场景中很好地区分细粒度对象。在本技术报告中,作者分析了细粒度对象识别的关键问题,并使用了面向对象的功能校准网络(OFA网络)以实现高性能面向细粒度对象的光学遥感识别传感图像。OFA网络通过旋转边界框细化模型实现精确的对象局部化Oriented Feature Alignment for Fine-grained Object Recognition in High-R翻译 2021-12-15 17:27:33 · 840 阅读 · 0 评论 -
关于深度学习的研究综述
来源作者:曹阳多伦多大学的神经网络专家Geoffrey Hinton[2]等人于2006年首次提出了深度学习的概念,从此拉开了深度学习研究和应用的序幕。近些年来,深度学习引起了计算机视觉、搜索技术、自然语言处理、语音识别等领域的广泛关注,并取得了很多成果。如最早应用深度学习进行计算机视觉研究的华人团队香港中文大学的多媒体实验室在2015年世界级人工智能竞赛LFW(大规模人脸识别竞赛)上,力压FaceBook夺得冠军,使得人工智能在该领域的识别能力首次超越真人。2019年,李飞飞及其斯坦福计算机视觉实验室原创 2021-11-04 11:26:23 · 4711 阅读 · 0 评论 -
论文解析:基于全卷积网络的端到端目标检测
目前,主流的目标检测算法大都需要经过人工设计的标签分配和NMS后处理,使之不能实现完全端到端的目标检测。那么,如何才能在全卷积神经网络上实现完全的端到端目标检测呢?针对这一问题,本文从两个维度作出了解答。一是提出了prediction-aware one-to-one assignment(POTO)标签分配策略,同时根据分类和回归的质量动态分配正负样本。二是提出3D Max Filtering (3DMF),利用多尺度特征提高卷积在局部区域的鉴别能力。1. 研究背景非极大值抑制(Non-Max原创 2021-11-04 11:12:04 · 702 阅读 · 0 评论 -
论文解析 | 不确定性校准的化学反应预测模型
编者按论文《A Model for Uncertainty-Calibrated Chemical Reaction Prediction》对模型的不确定性进行了估计,提升了泛化能力。本文从实验背景、参数设置、结果与影响等方面进行了详细的解析,以供读者更好的理解文献。今天讲一下一篇关于小分子生成的文章,产物Predicted by the given reactants and reagents.反应预测被认为是试剂和产物的微笑输入和反应物的Machine translation probl原创 2021-10-18 14:18:25 · 432 阅读 · 1 评论 -
数据集对逆合成领域有多重要!
编者按Data Transfer Approaches to Improve Seq-to-SeqRetrosynthesis 是2020年10月发表在Computer Science上的关于逆合成路线规划一篇文章。首次研究基于数据驱动的逆合成方法探究,将不基于模板和基于模板的逆合成进行比对,在预训练和微调过程中探究不同数据的增强方式对于逆合成中模型的影响大小,以供读者更好的理解文献。1.引言本文解释了数据集对于逆合成这个领域的重要性。因为除了模型架构本身需要考虑的问题之外,可用数据集的原创 2021-10-09 18:05:12 · 330 阅读 · 0 评论 -
Computer Science | Retrosynthesis:关于逆合成路线规划
编者按Data Transfer Approaches to Improve Seq-to-SeqRetrosynthesis 是2020年10月发表在Computer Science上的关于逆合成路线规划一篇文章。首次研究基于数据驱动的逆合成方法探究,将不基于模板和基于模板的逆合成进行比对,在预训练和微调过程中探究不同数据的增强方式对于逆合成中模型的影响大小,以供读者更好的理解文献。This article explains the importance of data sets in原创 2021-10-08 17:40:03 · 617 阅读 · 0 评论 -
最新NLP论文解析--附RetroXpert复现教程
编者按RetroXpert--Decompose Retrosynthesis Prediction Like A Chemist是NeurIPS2020上的一篇关于逆合成的文章。其中,RetroXpert模型在目前基于模版的逆合成方向做端到端预测中Top-n accuracy 最高的模型。本文总结分析了文献的主要实验方法,预测结果以及预测可视化成果,以供读者更好的理解文献。1.引言This article was led by AI Lab in November 2020, and wa..原创 2021-09-26 18:25:44 · 733 阅读 · 0 评论