论文阅读
文章平均质量分 94
.别拖至春天.
UPC智能科学与技术《zhanghan.xyz》
展开
-
工业产品表面缺陷检测算法
介绍了经典的缺陷检测算法,包括 PaDiM、PatchCore 和 SimpleNet 等。其中,PaDiM 使用预训练模型提取嵌入向量,并且具有创新的高斯分布特征学习和独立于训练集大小的时间和空间复杂度;PatchCore 则通过创建内存银行和核心集来近似正常模式的补丁特征;SimpleNet 则是以全局信息为主的简单网络,用于检测大规模缺陷。原创 2024-01-16 13:31:58 · 2004 阅读 · 0 评论 -
【论文精读】Focal Inverse Distance Transform Maps for Crowd Localization
在本文中,我们关注人群定位任务,这是人群分析的一个重要课题。基于回归的方法大多使用卷积神经网络( CNN )对密度图进行回归,在极度稠密的场景中无法准确定位实例,主要原因有两个:1 ) 密度图由一系列模糊的高斯斑点组成;2 ) 密度图的稠密区域存在严重的重叠。为了解决这个问题,我们提出了一种新的用于人群定位任务的聚焦反距离变换(FIDT)地图()。与密度图相比,FIDT图准确地描述了人员在密集区域的位置,没有重叠。基于FIDT映射,提出了一种局部最大检测策略(LMDS。原创 2022-12-16 22:15:27 · 1340 阅读 · 0 评论 -
[论文阅读]用于车辆轨迹预测的卷积社交池Convolutional Social Pooling for Vehicle Trajectory Prediction
预测周围车辆的运动是部署在复杂交通中的自动驾驶汽车的一项关键能力。场景中所有车辆的运动受交通环境控制,即相邻车辆的运动和相对空间配置。在本文中,我们提出了一种LSTM 编码器-解码器模型,该模型使用卷积社交池(convolutional social pooling)作为对社交池层的改进,以稳健地学习车辆运动中的相互依赖性。此外,我们的模型基于机动类别,输出未来轨迹的多模态预测分布。我们使用公开可用的和I-80数据集评估我们的模型。我们的结果表明,在模型的预测分布下,预测误差的RMS值和真实未来轨迹的。..原创 2022-08-30 16:57:50 · 5662 阅读 · 3 评论 -
[论文阅读]使用深度学习方法预测蛋白质磷酸化位点DeepPhos: prediction of protein phosphorylation sites with deep learning(二)
文章提出了DeepPhos,这是一种用于预测蛋白质磷酸化的新型深度学习架构。与多层卷积神经网络不同,DeepPhos由密集连接的卷积神经元网络块组成,可以捕获序列的多种表示形式,通过块内串联层和块间串联层进行最终磷酸化预测。DeepPhos还可用于激酶特异性磷酸化位点预测,不受组,家族,亚科和个体激酶水平的影响,且性能较好。...原创 2022-08-26 09:49:45 · 1654 阅读 · 3 评论 -
[论文阅读]使用深度学习方法预测蛋白质磷酸化位点DeepPhos: prediction of protein phosphorylation sites with deep learning(一)
这项研究中,文章提出了一种新颖的多层CNN架构DeepPhos,以准确预测具有蛋白质序列信息的磷酸化位点。原创 2022-08-25 16:51:38 · 1499 阅读 · 1 评论 -
[论文阅读]DDC方法解决迁移学习中的小样本问题Deep Domain Confusion: Maximizing for Domain Invariance
DDC这篇论文,通过在源域与目标域之间添加了一层适应层及添加域混淆损失函数来让网络在学习如何分类的同时来减小源域及目标域之间的分布差异,从而实现域的自适应,成功的解决了小样本问题。...原创 2022-06-13 22:07:32 · 1572 阅读 · 1 评论 -
[论文阅读]用卷积神经网络提取的特征作为SVM分类器的输入CNN Features off-the-shelf: an Astounding Baseline for Recognition
使用原始CNN 不同层的特征作为最后SVM的输入使分类性能提升。原创 2022-06-13 21:17:37 · 1337 阅读 · 0 评论 -
[论文阅读]深度网络的可迁移性研究How transferable are features in deep neural networks?
深度网络的可迁移性的研究实验原创 2022-06-13 18:53:43 · 857 阅读 · 4 评论