![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
文献
文章平均质量分 61
lshiwjx
哈?
展开
-
Attention in NLP
1. Attention in NLP(list some important)1.1. Sequence to sequencelearning with neural networks 1使用encoder-decoder模型,一个rnn以待翻译语句为输入,编码待翻译句子为中间语言,另一个rnn以上一次输出的结果为输入,解码中间语言为目标语言原创 2017-09-24 11:03:11 · 419 阅读 · 0 评论 -
Attention in CV
1. Attention in CV1.1. CHAM:actionrecognition using convolutional hierarchical attention model.5Cnn+多层LSTM,soft attention(指可导,hard attention使用强化学习,但是强化学习方差较大)1.2. Recursiver原创 2017-09-24 11:08:01 · 1565 阅读 · 0 评论 -
CHAR Learn冠军方案
1. CHALEARN冠军方案91.1. Large-scalegesture recognition based on multimodaldata with C3D and TSN. Retivex做图像enhancement,mean filter做深度图enhancement。 特征级联做分类。1.2. Learningbot原创 2017-09-24 11:10:49 · 332 阅读 · 0 评论 -
3D CNN
1. 3D CNN1.1. C3D16直接将vgg扩展为3d形式,参数较多。1.2. 3D Resnet v117将resnet直接扩展为3d,未预训练的模型在小训练集(activitynet)上效果不好,大训练集(kinetics)上效果好。 Resnet3d与2d结构主要区别在于时间维度上的缩减要慢一原创 2017-09-24 11:15:57 · 5943 阅读 · 0 评论 -
Deformable CONV
1. Deform CNN1.1. Deformable Convolution Networks23将输入经过卷积,生成一个与输入同样空间大小,2倍于卷积核大小深度的偏置,在卷积过程中对于不同的卷积核与不同的输入,使用相对应的偏置来采样新的点。 对于3D情况:In: NCLHW Kernel: C”CL’H’W’ Out: NC”L”H原创 2017-09-24 13:50:46 · 1516 阅读 · 0 评论 -
2D CNN
1. 二维卷积模型1.1. Basic Convolution具体到计算中使用cublas的gemm方法。设输入为nclhw,卷积核为c”cl’h’w’,输出为c”l”h”w”,步长s,补偿p。输出与输入的关系:L”=(l+2p-l’)/s+1输入与输出相等时:p=[s(l-1)+l’-l]/2矩阵相乘:c”*cl’h’w’ 与 nl原创 2017-09-24 11:11:58 · 5272 阅读 · 0 评论 -
RNN
SRU原创 2017-09-29 09:43:19 · 207 阅读 · 0 评论 -
Zotero
基本使用下载:跨各种平台,可与endnote互导。配合chrome:添加为chrome扩展,可以一键导入,配合谷歌学术。插件ZotFile:提取pdf注释,重命名pdf。Better BibTex:更方便的写引用文献。原创 2017-09-21 19:47:55 · 389 阅读 · 0 评论