weixin_44808865的博客

多尺度信息的融合是检测和分割中解决小目标和边缘精度的重要方法，广泛应用于各个检测和分割的工作当中。本文以文章为对象，梳理了不同文章用到的多尺度信息融合的方法，从而有一个比较显式的对比。...

近期在看一些Segmentation的文章，很多用到了encoder-decoder的结构，encoder基本都是各类的CNN很熟悉了，decoder涉及到上采样或者反卷积的各种方法，这里直接做一个总结。网上很多的总结都是按照方法总结，但总感觉缺点儿上下文，因此本文以论文为梳理对象，总结一下不同论文里用到的上采样方法。当然，论文的梳理不只包括Segmentation的文章，后面遇到涉及到上采样的文章也会总结到这里。1. Semantic Segmentation1.1 Fully Convoluti

「ArXiv2020」【Efficient Transformers: A Survey】论文笔记Abstract1. Introduction2. Background on Transformers2.1 Multi-Head Self-AttentionOn the scalability of Self-Attention2.2 Position-wise Feed-forward Layers2.3 Putting it all together2.4 Transformer Mode3. A S

「AAAI2021_Best_Paper」【Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecast】论文笔记Abstract1. Introduction2. Preliminary3. Methodology4. Experiment5. ConclusionPaper：https://arxiv.org/abs/2012.07436v2Code：https://github.com/zhouhaoyi

「ICLR2021_rejected」【RETHINKING THE PRUNING CRITERIA FOR CONVOLUTIONAL NEURAL NETWORK】论文笔记Abstract1. Introduction2. Weight Distribution-Assumption2.1 Statistical Test3. SimilarityEmpirical AnalysisTheoretical Analysis4. Applicability5. Discussion5.1 WHY CWD