yuzhijiedingzhe-CSDN博客

翻译 SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS个人理解

SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS总体介绍：在该篇论文中，作者提出了一种可扩展式的半监督学习卷积神经网络方法处理基于图结构的数据。论文中作者所提出的方法应用的是关于图结构数据中的聚类问题。通过图结构数据中部分有标签的节点数据对卷积神经网络结构模型训练，使网络模型对其余无标签的数据进行进一步分类，从

2017-12-25 18:15:25 13089 6

翻译 Xception: Deep Learning with Depthwise Separable Convolutions个人理解

Xception: Deep Learning with Depthwise Separable Convolutions提出背景：在Inception结构提出时，作者通过BottleNeck方法减小卷积操作的计算量，即在特征图输入Inception模块之前添加1x1的卷积层对特征图的通道关系进行映射减小通道数，从而减小运算量。但在此之后深度可分离卷积操作证明了其优越性。有基于此，为了

2017-10-14 09:02:31 3774 2

翻译 MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications个人理解

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications个人理解方法提出的动机及背景 MobileNet主要从深度可分离卷积这一点着手来减少计算量。在减小网络模型的计算量这方面，此前Inception已经使用过这一技巧（在网络模块的开头使用以减少计算量），Flattened

2017-10-08 16:12:34 1124

翻译 Squeeze-and-Excitation Networks个人理解

背景：卷积神经网络已经被证明是一个在应用于各种视觉任务上能够获得有效效果的模型。在现有的神经网络模型的每个卷积网络层中，各个卷积核学习输入的特征图中各个通道以及特征图的空间上的局部关联模式的表达（局部关联就是局部在卷积核的大小上）。通过多个卷积层中的一系列的非线性相关的卷积核以及下采样层来捕捉全局感受野上的各个层次的图片表示，而近期的神经网络模型的发展过程也显示了网络模型的捕捉数据空间关联

2017-09-28 16:08:33 27645 4

翻译 a_vision_aided_nonlinear_observer_for_fixed_wing_uav_navigation论文解读

由于本人之前读论文写总结时为了省时间直接截图论文里面的公式粘贴到文档里面，因此总结里面有很多零碎的图片公式，如果用文档形式写出来的话上传很蛋疼，要一个个的剔出来传，所以我就全部转成图片形式传上来，反正是给自己留个备份的，简单粗暴省时间~(～￣▽￣)～，当然了，观众姥爷（如果有的话）不复制粘贴也没差咯~

2017-08-20 16:35:49 309

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人