CLNet简记

最新推荐文章于 2022-03-16 19:17:14 发布
最新推荐文章于 2022-03-16 19:17:14 发布
阅读量961 收藏 4
点赞数
分类专栏： # 论文阅读杂记 文章标签： python cnn 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/symuamua/article/details/122715078
版权

CLNet: Complex Input Lightweight Neural Network designed for Massive MIMO CSI Feedback简记

参考
简记
  • 这篇的主要思想就是将CNN中的注意力机制引入MIMO问题中
  • 因此整体大致就是这样的
    • 在这里插入图片描述
CBAM部分
  • 理论部分可以去看笔记，这里直接看看代码上是怎么实现的：代码地址
  • 在这里插入图片描述
  • 大体上就是CBAM这篇的复现，只是作者在源码中好像并没有用SELayer，可能是发现效果不大吧（或者只是做实验后忘记改回来了），这点我在看这篇之前就试过，好像没什么提升
    • 在这里插入图片描述
hardsigmoid
  • 为了减少开销，作者将sigmoid近似成hardsigmoid
    • 在这里插入图片描述
    • 在代码上的实现是
    • 在这里插入图片描述
    • 二者的函数趋势如图
    • 在这里插入图片描述
椰子奶糖
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
ECCV 2020 论文大盘点-目标跟踪篇
我爱计算机视觉
09-22 3132
本文盘点ECCV 2020 所有与跟踪相关的研究，单指目标的跟踪，不涉及人体姿态等点的跟踪，总计19篇文章，其中12篇开源或者将开源。其中多目标跟踪、单目标跟踪、对抗学习+目标跟踪研究工...
ICCV 2021 | CLNet：基于一致性学习的渐进式匹配筛选
阿木寺的博客
08-02 1104
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达本文作者：Chen Zhao | 来源：知乎（已授权）https://zhuanlan.zhihu.com/p/394...
CLNet-tracking:网络
05-30
CLNet-tracking 实现代码 。 在 2020 年欧洲计算机视觉会议 (ECCV) 的会议记录中。 董兴平，沉建兵，邵玲，法提赫·波里克利（Fatih Porikli）。 ================================================== ====================== 有任何意见，请发邮件至： , 该软件基于 ，在 Ubuntu 16.04 和 python 3.7 下开发。 如果您使用本软件进行学术研究，请考虑引用以下论文： @inproceedings{dong2020clnet, title={CLNet: A Compact Latent Network for Fast Adjusting Siamese Trackers}, author={Dong, Xingping and Shen,
论文阅读杂记
椰子奶糖的博客
05-17 885
论文阅读杂记 序号 名称 1 learning Efficient Convolutional Networks through Network Slimming
近期所看论文整理——单目标跟踪
lanhai13的博客
07-28 839
近期所看论文整理——单目标跟踪 1、CLNet: A Compact Latent Network for Fast Adjusting Siamese Trackers （CLNet：一种用于快速调整孪生跟踪器的紧凑型网络） 来源：ECCV 2020 baseline：SiamRPN++（CVPR 2019) 解决问题：离线训练中决定性样本丢失的问题 代码：https://github.com/xingpingdong/CLNet-tracking 2、Graph Attention Tracking（
XLNet原理解读
热门推荐
小岁月太着急
06-20 3万+
论文地址：https://arxiv.org/pdf/1906.08237.pdf 预训练模型及代码地址：https://github.com/zihangdai/xlnet 论文原理：（张俊林老师--讲的比较透彻）XLNet:运行机制及和Bert的异同比较https://zhuanlan.zhihu.com/p/70257427 摘要 作者表示，BERT ...
Kepserver连接Scada的OPC UA Clnet.md
11-30
通过客户端kepserver对接Wincc Scada从而采到PLC的数据
【2021年更新】面向通信技术的机器学习和深度学习文献汇总
BetterBench的博客
01-19 1万+
目录综述信号检测、信号分类和比较信道编码和解码端到端通信的学习定位、传感和本地化安全性和鲁棒性毫米波通信资源分配其他类 参考IEEE的Library 附带源码的文献汇总 综述 • C. Jiang, H. Zhang, Y. Ren, Z. Han, K.-C. Chen and L. Hanzo, “Machine learning paradigms for next-generation wireless networks,” IEEE Wireless Communications, vol. 24
Lightweight Convolutional Neural Networks for CSI Feedback in Massive MIMO阅读笔记
weixin_43540533的博客
08-29 681
Abstract In frequency division duplex mode of massive multiple-input multiple-output systems，the downlink CSI必须通过反馈链路发送给基站。然而由于反馈链路的带宽限制，向基站发送CSI是昂贵的，在下行链路的通信中，实现高性能低复杂度的CSI feedback是一个挑战。由于过多参数和高计算复杂度，该网络不能有效的应用于移动端。因此提出一种新的轻量级CSI反馈网络。 1 Introduction MIM
OpenCL与CNN篇一：搭建在VS的OpenCL运行环境
ShiAokai
06-07 4793
关于OpenCL的VS2012项目环境配置，显卡是A卡还好AMD有可用的SDK。首先安装AMD APP SDK，百度就好教程很多；
YOLOX: Exceeding YOLO Series in 2021
椰子奶糖的博客
08-23 1万+
YOLOX: Exceeding YOLO Series in 2021 文章目录YOLOX: Exceeding YOLO Series in 2021参考综述结构BaselineDecoupled headStrong data augmentationAnchor-freeMulti positivesSimOTA效果 参考 1、【论文笔记】FPN —— 特征金字塔 2、EMA - 指数移动平均 3、多标签分类与BCEloss 4、PyTorch余弦学习率衰减 5、YOLOv4的Trick
MAE简记
椰子奶糖的博客
03-16 4755
MAE简记 文章目录MAE简记Mask 方法EncoderDecoderTarget & LOSSEncoderDecoderTarget & LOSS Mask 方法 将图片分割成不重复的正方形patch，遮挡其中一部分patch(75%) Encoder 采用ViT，但是只对可见的没有被masked的patch使用 Decoder 以encoder的输出+masked的patch作为输入，想要恢复原本的图像 解码器也是用一系列的Transformer Block组成 Tar
TPH-YOLOv5: Improved YOLOv5 Based on Transformer Prediction Head for Object Detection on Drone-captu
椰子奶糖的博客
09-15 3511
TPH-YOLOv5 文章目录TPH-YOLOv5参考IntroducitonStructureCSPDarknet53TransformerCBAMMs-testing and model ensemble.Self-trained classifier效果 参考 TPH-YOLOv5：基于Transformer的改进YOLOv5的无人机目标检测 YOLOv4: Optimal Speed and Accuracy of Object Detection self-attention与Transfor
Vision Transformer Pruning简记
椰子奶糖的博客
12-26 2533
Vision Transformer Pruning简记 文章目录Vision Transformer Pruning简记参考剪枝流程剪什么？怎么剪？回顾Transformer那么剪哪里？那么怎么剪？实验部分作者的总结思考 参考 VIT 剪枝流程 稀疏正则训练 剪枝，减去不重要的部分 finetune微调 剪什么？ 有关于稀疏训练虽然重要，但是首要还是确定剪什么，在Vision Transformer Pruning中作者剪枝的是Dimension，那么什么是Dimension呢？ 我的理解是：
RCAN简记
椰子奶糖的博客
01-11 2374
RCAN简记 文章目录RCAN简记参考问题与方案Residual in ResidualChannel AttentionRIR与CA的结合实验RIR和CA的作用与其他模型的对比 参考 RCAN 注：SR=Super-Resolution 问题与方案 作者提出研究问题： 此前的SR相关的网络大多都受限于网络深度（在CV中这是很重要的一点） 此前的SR相关的研究都没有引入Attention机制（CV中的Attention，类似于SENet，CBAM这种） 于是作者提出网络结构： RIR：Resi
EfficientNet简记
椰子奶糖的博客
12-08 2353
EfficientNet简记 文章目录EfficientNet简记主要问题作者的给的思路是问题定义满足如下要求代码实现 主要问题 作者发现，Model Scaling（放缩）通常有三种方法（depth、width、img size），然而以往的Model Scaling大多只用了一种或者两种，比如ResNet是深度，后来有加上了img size而没有width维度上的Scaling，于是作者提出： 是否有一种原则性的方法来拓展ConvNet，以获得更好的准确率？（depth、width、img size
Selective Sparse Sampling for Fine-grained Image Recognition
椰子奶糖的博客
09-03 2014
Selective Sparse Sampling for Fine-grained Image Recognition 文章目录Selective Sparse Sampling for Fine-grained Image Recognition参考IntroductionRelated WorkMethodologyModel StructureClass Peak ResponseLearning Sparse Attention & Selective SamplingFine-Grai
ConvNeXt：A ConvNet for the 2020s
椰子奶糖的博客
02-12 1866
ConvNeXt 文章目录ConvNeXt参考简记具体改进Training TechniquesMacro DesignChanging stage compute ratioChanging stem to "Patchify"ResNeXt-ifyInverted BottleneckLarge Kernel SizesMoving up depthwise conv layerIncreasing the kernel sizeMicro DesignReplacing ReLU with GELUF

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

椰子奶糖

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值