文献阅读
EntropyPlus
这个作者很懒,什么都没留下…
展开
-
Realtime Multi-Person 2D Pose Estimation using Part Affinity Field
1 Summary写完笔记之后最后填,概述文章的内容,以后查阅笔记的时候先看这一段。注:写文章summary切记需要通过自己的思考,用自己的语言描述。忌讳直接Ctrl + c原文。2 Research Objective(s)bottom-up approaches to estimate the keypoints of skeleton3 Problem Statementunknow number of people that can occur at any position or sc原创 2020-12-08 11:06:14 · 2929 阅读 · 0 评论 -
Convolutional Pose Machines
Title:Convolutional Pose Machines1 Summary写完笔记之后最后填,概述文章的内容,以后查阅笔记的时候先看这一段。注:写文章summary切记需要通过自己的思考,用自己的语言描述。忌讳直接Ctrl + c原文。2 Research Objective(s)model long range dependencies between variables in structed prediction task.3 Problem Statementkey pro原创 2020-12-07 15:30:24 · 782 阅读 · 0 评论 -
GmFace: A Mathematical Model for Face Image Representation Using Multi-Gaussian
Title:Continuous learning of face attribute synthesis1. SummarySupported by the theory that finite multi-Gaussian functions can approximate any non-negative integrable functions on a real number with arbitary accuracy. Author set the Gaussian function a原创 2020-12-06 01:42:15 · 238 阅读 · 0 评论 -
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
论文地址Abstractwe introduce a Region Proposal Network (RPN) that shares full-image convolutional features with the detection network, thus enabling nearly cost-free region proposals.作者提出了一种RPN算法,能够在...原创 2019-11-29 14:40:04 · 779 阅读 · 0 评论 -
Fast R-CNN
论文链接Abstract作者提出的模型叫做Fast RCNN,与RCNN相比,主要是在训练的速度和精度上做了提升。1. Introduction已经有结论证明,深度的卷积网络可以明显的提升图像分类和目标检测的效果。在目标检测中,主要优化以下两个问题:需要处理大量的候选框这些候选框仅仅提供了大致的位置,需要对每个候选框进行精确的调整。在这篇文章中,作者把目标检测的过程流程化了,提出...原创 2019-11-25 14:49:33 · 209 阅读 · 0 评论 -
Rich feature hierarchies for accurate object detection and semantic segmentation Tech report(v5)
论文原文0. 摘要作者提出了一种简单并且可度量(scalable)的目标检测算法。提升了将近30%的精确度——在VOC2012数据集上的mAP的值为53.3%。主要的创新点有两点:使用CNN模型**定位(localize)和切割(segment)**底层局部特征。当训练样本标签不足时,通过有监督预训练的CNN模型经过微调后,能够较好的提升性能。作者称该模型为R-CNN:Regions...原创 2019-11-23 17:11:28 · 188 阅读 · 0 评论 -
EA-LSTM: Evolutionary attention-based LSTM for time series prediction
基于进化的LSTM,尽管注意力机制能够捕捉不同窗口大小的特征,但是仍然是不够的evolutionary attention-based LSTM 的目标: multivariate time series prediction优点:尽可能的避免落入最小值,在attention layer中引入了competitive random search原创 2019-10-24 10:44:55 · 2294 阅读 · 9 评论