![](https://img-blog.csdnimg.cn/20190918140037908.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
PaperNotes
文章平均质量分 88
Paper about Machine Learning
小陈同学-陈百万
这个作者很懒,什么都没留下…
展开
-
PaperNotes(17)-TNT
TNT: Target-driveN Trajectory Predictionhttps://arxiv.org/abs/2008.08294原创 2021-05-18 23:19:27 · 105 阅读 · 0 评论 -
PaperNotes(18)-MultiPath、Multipath++
MULTIPATH++: EFFICIENT INFORMATION FUSION AND TRAJECTORY AGGREGATION FOR BEHAVIOR PREDICTION原创 2021-05-18 23:19:47 · 184 阅读 · 0 评论 -
Papar Notes List
GAN-代码实现资料1.pytorch 教程2.简书教程3.CSDN博客4.pytorch 中文文档自2014年GAN一文发布以来,网上出现了各种各样GAN的变体。原文网络结构:D和G均采用多层感知器,但是具体代码实现没找到。以下整理了4个最基本的GAN架构实现的教程与代码。1.pytorch 教程pytorch 教程中有DGGAN的例子代码,主要是处理人脸生成问题。英文教程,英文注释代码,...原创 2019-04-29 11:09:45 · 284 阅读 · 0 评论 -
PaperNotes(21)-Safety-compliant Generative Adversarial Networks for Human Trajectory Forecasting
人群中人类轨迹预测的主要难点:建模社会交互(social interactions) 和 生成无碰撞的多模态轨迹。随着SGAN(Social Generative Adversarial Networks)的成功,其后有许多‘人群中人类运动的建模’工作是基于GAN展开的。虽然这些工作在减少距离度量方面表现良好,但是都很难产生社会能够接受的轨迹;因为这些轨迹一般都会造成很高的碰撞风险。为了解决人类轨迹预测无法实际使用的问题(碰撞风险太高了),本文提出了SGANv2模型。原创 2023-01-04 22:53:29 · 335 阅读 · 0 评论 -
PaperNotes(20)-Attention Is All You Need
2017 - self-attention -《Attention is all you need》- Transformer-谷歌CAttentionQKVsoftmaxdkQKT∗Vdk为 scaling factorQsizePF: QueryKsizePF: KeyVsizePF: Value当QKV同一个集合特征PF′。原创 2022-03-19 14:08:44 · 860 阅读 · 0 评论 -
PaperNotes(19)-TGAN、DeliGAN
T-GAN1.从RS-GAN说起2.T-GANAbstract1 Reviews of GANs4 Experiments4.1 Design of Discriminator5.Conclusion1.从RS-GAN说起SGAN 就是标准的 GAN(Standard GAN)。这个建模过程似乎对判别器的要求过于苛刻了,因为判别器是孤立运作的:训练生成器时,真实样本没有参与,所以判别器必须把...原创 2022-03-19 14:06:49 · 440 阅读 · 0 评论 -
PaperNotes(3)-图像分割-RCNN-FCN-Boxsup
图像分割算法对比小结1.{基本概念}2.{R-CNN}2.1R-CNN 网络结构2.2{R-CNN 训练}2.3{R-CNN实验结果}2.4{R-CNN语义分割}2.5{补充材料}2.5.1{R-CNN建议区域放缩}2.5.2{IOU阈值设置不一样的原因}2.5.3{Bounding-box回归修正}2.6{R-CNN存在的问题}3.{R-CNN变体}3.1{Fast-RCNN}3.1.1{Fas...原创 2019-11-29 15:54:29 · 4157 阅读 · 4 评论 -
PaperNotes(14)-QRGAN
GANs训练不稳定问题相关文章1.DCGAN2.Big-GAN综述-分析-归纳1.DCGAN2016-ICLRabstract,related work --没说稳定性的问题DCGAN的出发点:CNN结构+GANs模型学习,质量优良的图像表征。其后将生成器或者和判别器作为监督学习的特征提取器3. aproach and model architecture也有很多人尝试将CNN与GAN模型结合,但是没有成功。作者认为在GANs模型提出后关于GAN模型学习过程的理解和可视化的工作缺乏,并且G原创 2021-03-11 23:59:34 · 246 阅读 · 0 评论 -
PaperNotes(6)-GAN/DCGAN/WGAN/WGAN-GP/WGAN-SN-网络结构/实验效果
GAN模型网络结构+实验效果演化1.GAN1.1网络结构1.2实验结果2.DCGAN2.1网络结构2.2实验结果3.WGAN3.1网络结构3.2实验结果4.WGAN-GP4.1网络结构4.2实验结果5.WGAN-SN5.1网络结构5.2实验结果小结1.GAN文章: https://arxiv.org/pdf/1406.2661.pdf代码: Pylearn2, theano, https://github.com/goodfeli/adversarial1.1网络结构多层感知机器(没有在文章中找到原创 2020-10-29 11:49:32 · 1641 阅读 · 0 评论 -
PaperNotes(4)-高质量图像生成-CGAN-StackGAN-Lapgan-Cyclegan-Pix2pixgan
cgan,stackgan,lapgan,cyclegan,pix2pixgan简记1.Conditional GAN1.1简介1.2网络结构与训练1.3特点与用途2.Stack GAN2.1简介2.2网络结构与训练2.3特点与用途3.Lap GAN3.1简介3.2网络结构与训练3.3特点与用途4.Pix2pix GAN4.1 简介4.2 网络结构和训练4.3 特点和用途5.Patch GAN6.Cycle GAN6.1简介6.2网络结构与训练6.3特点与用途7.思考与待定题记–如何生成高质量图像,gan原创 2020-10-07 13:41:06 · 859 阅读 · 0 评论 -
PaperNotes(13)-Conditional Image Generation with PixelCNN Decoders
GANs模式坍塌问题相关文章1.MAD-GAN2.Unrolled GAN3.DRAGAN4.D2GAN5.InfoGAN6.Deligan7.EBGAN8.Maximum Entropy Generators for Energy-Based Models从纳什均衡点来说模式坍塌问题:说有两种方案来解决模式坍塌:https://zhuanlan.zhihu.com/p/86683281:修改网络结构MAD-GAN。https://zhuanlan.zhihu.com/p/84072188:提高网络能原创 2021-03-07 23:56:31 · 718 阅读 · 0 评论 -
PaperNotes(16)-Learning Lane Graph Representations for Motion Forecasting
自动驾驶论文阅读笔记21.ActorNet2.MapNet《Learning Lane Graph Representations for Motion Forecasting》Uber–ECCV2020–论文文章代码模型的作用:Motion Forecasting (这个motion都包括什么呢?)方法:模型由四个模块组成–ActorNet、MapNet、FusionNet、Header1.ActorNet作用–编码actor轨迹特征输入:每一条actor的轨迹(3xT的输入向量)(act原创 2021-04-29 23:40:36 · 1393 阅读 · 0 评论 -
PaperNotes(15)-VectorNet- Encoding HD Maps and Agent Dynamics from Vectorized Representation
自动驾驶论文阅读笔记1.VectorNet- Encoding HD Maps and Agent Dynamics from Vectorized Representation1.VectorNet- Encoding HD Maps and Agent Dynamics from Vectorized RepresentationVectorNet: 通过矢量化表示编码高精度地图与动态交通参与者自动驾驶大佬waymo论文翻译目标:轨迹预测方法:向量化表示地图和移动agent(轨迹,车道线原创 2021-04-26 23:29:09 · 2585 阅读 · 2 评论 -
PaperNotes(12)-Autoregressive Quantile networks for generative modeling
Autoregressive Quantile networks for generative modeling3 autoregressive implicit quantiles3 autoregressive implicit quantilesautoregressive:自身做回归变量,用之前若干时刻的随机变量 来建模 之后某些时刻 随机变量的模型。N维随机变量的IQN建模 :n维随机变量:X=(X1,...,Xn)∈X1×,...,×Xn=XX=(X_1,...,X_n)\in \mat原创 2020-11-16 10:48:53 · 207 阅读 · 0 评论 -
PaperNotes(11)-A distributional perspective on reinforcement learning
Learning deep energy model: contrastive divergence vs. Amortized MLEabstract1 Introduction2 Background2.1 stein variational gradient descent2.2 learning energy model**contrastive Divergence**abstract受SVGD算法的启发,本文提出两个算法用于从数据中学习深度能量模型.两个算法分别为:SteinC算法和Stei原创 2020-11-15 15:35:26 · 152 阅读 · 0 评论 -
PaperNotes(10)-Maximum Entropy Generators for Energy-Based Models
QRGAN2 Quantile regression gan2.1 quantile regression for minimization of 1-wasserstein distance2.2 QRGAN2.3 comparison to other GANs3 experiments and resultsICLR2021 under review2 Quantile regression ganWe train our discriminator to predict quantile va原创 2020-11-15 15:31:30 · 162 阅读 · 0 评论 -
PaperNotes(9)-Learning deep energy model: contrastive divergence vs. Amortized MLE
conditional Image generation with PixelCNN DecodersICML的best paperpixel cnn 属于完全可见的信念网络,需要对 概率密度 建模。给定图像数据x,想要对概率分布p(x)建模。概率分布p(x)可以看做,每一像素分布同时作用结果的一个联合分布。一个特征是这些像素之间存在紧密的关联关系,常见的建模方法是使用此前的像素作为条件来建模当前的像素的条件分布。使用链式法则将联合分布p(x)分解成一维度分布的乘积。给定每个像素xix_ixi的条件原创 2020-11-15 15:21:51 · 463 阅读 · 0 评论 -
PaperNotes(8)-Stein Variational Gradient Descent A General Purpose Bayesian Inference Algorithm
通用贝叶斯推理算法-Stein Variational Gradient DescentAbstract1 Introduction2 Background3 Variational Inference Using Smooth Transforms3.1 Stein Operator as the Derivative of KL Divergence3.2 Stein Variational ...原创 2020-11-13 18:57:43 · 1105 阅读 · 2 评论 -
PaperNotes(7)-GANs模式坍塌、训练不稳定 相关论文
A distributional perspective on reinforcement learningabstract1.Introduction2.setting2.1. Bellman's Equations3.The Distributional Bellman Operators3.1 Distributional Equations3.2. The Wasserstein Metric3.3. Policy Evaluation3.3.1. CONTRACTION IN dp3.3.2. C原创 2020-11-05 16:29:58 · 1227 阅读 · 0 评论 -
PaperNotes(5)-Conditional Generative Adversarial Nets
Conditional GAN 论文阅读笔记Abstract1 Introduction2 Related Work3 Conditional Adversarial Nets3.1 Generative Adversarial Nets3.2 Conditional Adversarial Nets4 Experimental Results4.1 Unimodal4.2 Multimodal5 Future Work6.思考Abstract生成对抗网[8]是最近被提出的一种训练生成模型的新方法。本文原创 2020-10-08 19:21:43 · 1055 阅读 · 1 评论 -
PaperNotes(2)-Generative Adversarial Net-代码实现资料
生成对抗网络Abstract1.Introduction2.Related work3.Adversarial nets4.Theoretical Results4.1全局最优 $p_g=p_{data}$4.2算法1的收敛性质5.Experiments6.Advantagesa and disadvantages7.Conclusions and future work开篇之作Abstrac...原创 2019-05-24 19:45:01 · 441 阅读 · 0 评论 -
PaperNotes(1)-Modeling the World from Internet Photo Collections
从网络图片集对世界进行建模AbstractAbstract互联网上有大量的图片,构成了最大和最多样的照片集合。计算机视觉研究者们该如何利用这些图片进行研究呢?本文从3维场景建模和可视化的角度探索这个问题。我们展示了一个structure-from-motion and image-based rendering 的算法,这个算法可以对由关键词搜索得到的图片进行操作。我们叫这个方法为** Pho...原创 2019-05-14 14:50:04 · 1156 阅读 · 0 评论