![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文翻译
文章平均质量分 93
kaichu2
一只不断前行的小白~
展开
-
EfficientNet大解析:如何重新定义模型效能?
提出了一种新的尺度缩放方法,使用简单而有效的复合系数均匀地调整深度/宽度/分辨率的所有维度(Compound Model Scaling复合模型缩放)。并在MobileNets和ResNet上验证了有效性。采用一组固定的比例系数均匀缩放网络的width、depth和resolution。使用神经架构搜索来设计一个新的baseline,并扩展了一系列模型,称为EfficientNets。原创 2024-06-23 23:39:12 · 852 阅读 · 0 评论 -
YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information
深度学习的研究都试图精确地找到输入任务和目标任务之间的映射。然而,过去的大多数方法都忽略了输入数据在前馈过程中可能有不可忽视的信息损失量。这种信息的丢失可能导致有偏差的梯度流,随后用于更新模型。上述问题会导致深度网络在目标和输入之间建立不正确的联系,导致训练后的模型产生不正确的预测。在深度网络中,前馈过程中输入数据丢失信息的现象通常被称为信息瓶颈,其原理图如下图所示。原创 2024-03-28 21:54:25 · 938 阅读 · 0 评论 -
YOLOv9 实战指南:打造个性化视觉识别利器,从零开始训练你的专属测试集
今天的深度学习方法侧重于如何设计最合适的目标函数,从而使模型的预测结果能够最接近真实标签。同时,设计一个合适的体系结构,可以获取足够的信息进行预测。现有的方法忽略了输入数据在进行分层特征提取和空间转换时,会丢失大量信息。本文研究数据通过深度网络传输时数据丢失的重要问题,即信息瓶颈和可逆函数。并且提出了可编程梯度信息(PGI)的概念,以应对深度网络实现多个目标所需的各种变化。PGI可以为目标任务提供完整的输入信息来计算目标函数,从而获得可靠的梯度信息来更新网络权值。原创 2024-03-28 21:49:02 · 1501 阅读 · 0 评论 -
Mora: Enabling Generalist Video Generation via A Multi-Agent Framework
Mora是一个基于多智能体框架的通用视频生成系统。它旨在解决现有视频生成模型通常专注于特定任务或场景的问题,如人脸生成、自然景观生成等。通过使用多智能体框架,Mora 能够在不同任务和场景之间进行灵活切换,实现更加通用的视频生成。在 Mora 中,每个智能体负责处理特定的任务或场景,例如人脸生成、自然景观生成等。这些智能体可以独立地进行训练和优化,以在其各自的领域内实现最佳性能。然后,通过一个协调器来整合这些智能体的输出,生成最终的视频。原创 2024-03-23 16:42:48 · 2366 阅读 · 1 评论 -
MemSeg:一种差异和共性来检测图像表面缺陷的半监督方法
本文认为人为创建类内差异和保持类内共性可以帮助模型实现更好的缺陷检测能力,从而更好地区分非正常图像。如图一所示。差异(differences):MemSeg引入人工模拟的异常图像在训练阶段使模型能够区分正常和异常的图像,减轻了半监督学习只能用正常样本进行训练的不足,然后在推理阶段可以直接输入图像无需做任何后处理。共性(commonalities):MemSeg引入了一个记忆池来记录正常样本的通用模式,在训练和推理阶段,比较输入图像和记忆池中的样本之间的差异,为异常区域的定位提供有用的信息。原创 2023-08-21 23:10:31 · 3075 阅读 · 7 评论 -
YOLOv7:Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
YOLOv7的初体验原创 2022-07-28 23:31:35 · 3565 阅读 · 0 评论 -
CFPNet:用于实时语义分割的通道特征金字塔
由于对移动设备和自动驾驶的需求不断增长,实时语义分割在计算机视觉中发挥着越来越重要的作用。 因此,在性能、模型大小和推理速度之间取得良好的折衷是非常重要的。 在这篇论文中提出了一个 Channel-wise Feature Pyramid (CFP) 模块来平衡这些因素。 基于 CFP 模块,构建了用于实时语义分割的 CFPNet,它应用一系列扩张卷积通道来提取有效特征。 Cityscapes 和 CamVid 数据集的实验表明,所提出的 CFPNet 实现了这些因素的有效组合。原创 2022-04-27 17:26:38 · 6005 阅读 · 3 评论 -
MultiMAE:多模式多任务掩码自编码器
基于MAE,提出了一种多模式(RGB、Depth和Semantic)且多任务的MAE!原创 2022-04-20 13:29:38 · 4319 阅读 · 0 评论 -
Masked Siamese Networksfor Label-Efficient Learning
MAE如何和ViT结合并用自监督学习原创 2022-04-18 17:56:46 · 938 阅读 · 1 评论 -
用质谱法定义 HLA-II 配体处理和结合规则可增强癌症表位预测
文献:Defining HLA-II Ligand Processing and Binding Rules with Mass Spectrometry Enhances Cancer Epitope Prediction文献地址:Defining HLA-II Ligand Processing and Binding Rules with Mass Spectrometry Enhances Cancer Epitope Prediction尽管它们在指导 T 细胞反应中发挥作用,但 HLA-原创 2022-04-12 18:03:26 · 4433 阅读 · 4 评论 -
Swin-Transformer:基于移位窗口(Shifted Windows)的分层视觉Transformer
1、摘要Transformer在NLP领域取得不错表现,如何更好地处理图像成为行业所面临地问题。图像中的像素与文本中的单词相比分辨率较高,这就给从语言到视觉的转换带来了挑战。为了解决这些差异,我们提出了一种分层变换器,其表示是用移位窗口计算的。移位窗口方案将自我注意计算限制在非重叠的局部窗口上,同时允许跨窗口连接,从而提高了效率。...原创 2022-03-21 12:32:27 · 16758 阅读 · 3 评论 -
Transformer如何用于大规模图像识别?
1、Abstract and backgroundTransformer架构已经成为自然语言处理中取得不错效果,但它在计算机视觉中的应用仍然有限。在计算机视觉领域,注意力要么与卷积网络结合使用,要么用于替换卷积网络的某些组件,同时保持其整体结构。本文摆脱了CNN的束缚,直接将图像分成块序列然后输入到Transformer中执行图像分类任务。将一幅图像分割为多个patch(图像块),并将这些patch的线性嵌入序列作为Transformer的输入。图像块与NLP中的token(单词)的...原创 2022-03-10 22:05:36 · 11196 阅读 · 7 评论 -
Attention is all you need?
1、Attention is all you need?1.1、摘要当时的序列转换模型大多是基于递归或卷积神经网络,包括编码器和解码器。通过注意力机制连接编码器和解码器取得最好的性能。本文提出一种相对简单的Transformer,完全基于注意机制,完全不需要循环和卷积。(完全依赖于一种注意机制来表示输入和输出之间的全局依赖关系)并且在两个机器翻译任务上取得不错的效果,同时支持并行、所需的训练时间显著降低。经过时间的证明Transformer还可以推广到其他任务。1.2、自注意力机...原创 2022-03-09 00:15:15 · 4221 阅读 · 0 评论 -
SSMix:用于文本分类的基于显著性的广度Mixup
mixup竟然还可以用于NLP?原创 2022-01-22 23:51:28 · 1761 阅读 · 3 评论 -
APE-Gen:锚定肽-MHC集合生成器
论文地址:APE-Gen: A Fast Method for Generating Ensembles of Bound Peptide-MHC Conformationshttps://www.mdpi.com/1420-3049/24/5/881/pdfgithub地址:APE-Genhttps://github.com/KavrakiLab/APE-Gen1、Abstract肽和MHC复合物(pMHCs)的结构分析具有可解释和一般结合预测的前景。本文介绍了APE-Gen(锚定...原创 2022-01-21 14:08:43 · 791 阅读 · 0 评论 -
基于大尺度结构的随机森林预测与I类HLA结合的稳定肽
如何采用结构信息预测MHC-I型亲和力预测?原创 2022-01-04 17:43:21 · 1357 阅读 · 0 评论 -
RosettaFold如何媲美AlphaFold?
1、摘要该方法在AlphaFold的基础上,通过对1D sequence、2D distance map和3D coordinate进行依次转换和整合而提出了一个“three-track neural network”。该网络还能够通过序列信息快速生成准确的蛋白质-蛋白质结构,缩短了传统方法的时间。2、highlights 对于1D sequence MSAs派生的逆协方差矩阵; 用注意力机制代替2D卷积,能够更好地表示序列上距离较远的残差之间的相互作用; 使用two-tr原创 2021-11-24 18:45:19 · 5891 阅读 · 0 评论 -
RBM-MHC: A Semi-Supervised Machine-LearningMethod for Sample-Specific Prediction of AntigenPresent
介绍:本文提出了一种灵活的机器学习方法,用于预测组织相容性白细胞抗原I类蛋白呈递给T细胞的病毒和癌症抗原。该方法旨在对新获得的样本进行预测,现在数据库中关于呈递HLA蛋白的信息很少。1、Highlights:为定制和新产生的数据集可以提供灵活的HLA抗原呈递预测; 预测较差的HLA等位基因得到改善; 在只有很少HLA注释的情况下,能够准确预测HLA类型; 拥有更加低维的数据表示;2、摘要 目前最先进的方法可以准确预测HLA等位基因的表达,在比较具有代表性的等位基因中表现比较好,...原创 2021-10-10 16:54:37 · 221 阅读 · 0 评论 -
In silico design of MHC class I highbinding affinity peptides through motifsactivation map
论文地址:点击下载代码:点击下载1、背景结合基序是决定MHC与多肽结合的成分之一,通常是指某些氨基酸在某些位点上的结合,这些位点对结合亲和力有很大的贡献。(结合基序的主要特征需要一些适当的间隔的基本锚定残基)2、摘要 本文针对MHC-I和多肽结合的Motif Acitivation Mapping(MAM)网络从多肽中提取Motif。然后根据Motif随机替换氨基酸,生成高亲和力的多肽。新生成的多肽保留了Motif,但是在序列上有所不同。此外,该网...原创 2021-08-19 18:16:48 · 249 阅读 · 0 评论 -
阅读文献:MHCSeqNet:a deep neural networkmodel for universal MHC binding prediction
文献下载:点击下载发表年份:20191、摘要MHCSeqNet采用自然语言处理的神经网络结构,将MHC等位基因和表位肽的氨基酸序列表示建模为以氨基酸为单个单词的句子,这样可以接受新的MHC等位基因以及任何长度的多肽。(HLA-CNN中采用skip-gram模型)2、背景 主要组织相容性复合体(MHC),也称为人类白细胞抗原(HLA)复合物,与肽表位结合,并将其呈现在细胞外表面,供T细胞识别。 现在的MHC亲和力预测软件工具采用大规模的训练数...原创 2021-08-11 13:43:10 · 279 阅读 · 0 评论 -
文献阅读:DeepLigand: accurate prediction of MHC class I ligands using peptide embedding
发表年份:2019下载地址:点击下载1、摘要:提出半监督模型DeepLigand,主要针对MHC-I类配体预测。DeepLigand结合了肽语言模型和肽结合亲和力预测来评估MHC-I类肽表现。肽语言模型描述了MHC配体选择中与次要因素相对应的序列特征,而不是结合亲和力。肽嵌入是通过天然配体的预训练来学习的,并且在没有结合亲和力预测的情况下可以区分配体和非配体。将显示配体定义为:MHC多肽结合亲和力 多肽载体嵌入的功能,该多肽具有可能与蛋白酶体切割足迹、TAP运输效率...原创 2021-08-06 18:14:43 · 294 阅读 · 0 评论 -
阅读文献:DeepSeqPan:a novel deep convolutional neural network model for pan-specific class I HLA-peptide
发表年份:2019论文地址:DeepSeqPan源代码:DeepSeqPan目录1、摘要2、背景3、本文提出的DeepDeqPan4、数据集5、编码序列6、DeepSeqPan的深度神经网络模型7、训练过程8、度量和标签预处理9、结果与讨论9、总结1、摘要HLA和多肽之间的相互作用在人类免疫系统中发挥着重要作用,HLA结合肽的精确计算预测可用于肽药物的发现。本文提出一种新的用于HLA-peptide结合预测的深...原创 2021-08-06 13:33:51 · 819 阅读 · 2 评论 -
文献阅读:ACME: pan-specific peptide–MHC class I binding prediction through attention-based
发表年份:2019论文地址:下载论文1、项目背景预测多肽与主要组织相容性复合体(MHC)的结合在癌症治疗疫苗的开发中起着至关重要的作用。为了提高精度和减少假阳性预测的数量,改进预测和实际绑定相关性的算法。本文提出一种泛特异性算法,可以准确预测多肽与MHC-I类分子之间的结合亲和性,同时还可以预测训练数据集中没有看到的新等位基因。PS:如何识别新的等位基因的?通过组合卷积神经网络和注意力机制,ACME方法能够提取可解释的模式,并且能够提供详细...原创 2021-08-06 09:12:13 · 708 阅读 · 0 评论 -
论文阅读:Deep convolutional neural networks for pan-specific peptide-MHC class I binding prediction
发表年份:2017论文地址:下载论文1、项目背景对特定主要组织相容性复合体(MHC)结合的候选肽进行计算机扫描,可以加快基于肽的疫苗开发。近些年基于机器学习的方法通过训练大量的实验数据取得成功,但是这些机器学习方法无法识别局部聚类相互作用(这种相互作用可以协同稳定肽的结合)。基于DCNN的方法可以从二维图中捕捉局部信息,肽-MHC相互作用如果被编码到图像阵列(ILA)数据中,DCNN就可以建立预测肽-MHC结合的预测模型。算法流程图2、数据集详情(来源、组成等)...原创 2021-08-06 08:44:09 · 316 阅读 · 0 评论 -
You Only Look Once:Unified, Real-Time Object Detection(YOLO)
论文阅读:You Only Look Once:Unified, Real-Time Object Detection(YOLO)文章目录Abstract1. Introduction2. Unified Detection2.1.Network Design2.2. Training2.3. Inference2.4. Limitations of YOLO3. Comparison to Other Detection Systems4. Experiments4.1. Comparison to原创 2020-12-20 22:06:18 · 256 阅读 · 1 评论 -
End-to-End Learning of Deep Visual Representations for Image Retrieval
1、主要贡献:1、利用一个大规模并且嘈杂的地标数据集,然后开发一种自动清理方法,产生一个适合深度检索的训练集;2、我们建立在最近的R-MAC区域最大激活描述符(这个是在MAC的基础上提出的局部区域方法)描述符的基础上,说明它可以被解释为一个深度和可微的体系结构,并提出了改进来增强它;3、我们用Simaese体系结构来训练这个网络,然后用一个triplet loss整合三个流;R-MAC区域最大激活描述符:该方法计算了不同尺度下的多个图像区域的基于CNN的描述子,这些描述子被汇总成...原创 2020-07-15 20:04:34 · 1336 阅读 · 0 评论 -
DenseNet Models for Tiny ImageNet Classification(翻译+代码)
PS:个人学习记录;有问题请留言,看到会回复!谢谢!原文地址:https://arxiv.org/pdf/1904.10429摘要:本文提出了两种基于微型ImageNet数据集的图像分类模型。我们基于密接卷积网络的思想从无到有地建立了两个截然不同的网络。根据该数据集的图像分辨率,通过计算卷积层的接收场,设计了网络结构。我们还使用了一些与图像增强和循环学习率相关的非常规技术来提高模型的准确性。该网络在高约束和低计算资源下训练。我们的目标是达到60%的前1验证精度,并给出了结果和误差分析。1. 引.翻译 2020-06-28 12:00:55 · 1745 阅读 · 1 评论