visualization grad-cam machinelearning resnet convolutional-neural-networks vgg16 tesnorflow gradcam JupyterNotebook

M-net: A Convolutional Neural Network for deep brain structure segmentation

M-net:端到端可训练卷积神经网络(CNN)架构

An End-to-End Trainable Neural Network for Image-based Sequence Recognition

Abstract 基于图像的序列识别一直是计算机视觉中长期存在的研究课题。在本文中，我们研究了场景文本识别的问题，这是基于图像的序列识别中最重要和最具挑战性的任务之一。我们一种新颖的神经网络架构，集成了特征...

An Overview of Multi-Task Learning in Deep Neural Networks.pdf

particularly in deep neural networks. It introduces the two most common methods for MTL in Deep Learning, gives an overview of the literature, and discusses recent advances. In particular, it seeks ...

快速读论文----CKA----Similarity of Neural Network Representations Revisited

标签：机器学习算法人工智能

摘要：最近的工作试图通过比较层之间和不同训练模型之间的表示来理解神经网络的行为。我们研究了基于典型相关分析（CCA）的比较神经网络表示的方法。我们证明了CCA属于用于测量多元相似性的统计量家族，但是CCA和...

论文笔记--Position-aware Graph Neural Networks

现存的GNN都无法获取点的位置信息，不能很好的处理同构的点，作者提出一种用于计算位置感知节点嵌入的新型图形神经网络P-GNN（位置感知图神经网络），用于解决这个问题。该方法主要在于选取锚集，计算给定目标节点...

Few-Shot Learning with Graph Neural Networks（图神经网络小样本学习）

标签：神经网络深度学习知识图谱

GNN是由许多节点和边构成的图模型，在本文中，每一个节点都代表一幅输入的图像，而每个边上的权重就表示两幅图之间的关系（可以理解为距离或者相似程度）。本文采用的是稠密连接的图，因此每两个输入图片之间都有边...

neural-networks.rar_neural network

标签： neural_network

Neural Network for AI in Java implementation

论文阅读笔记（五十四）：V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image ...

标签： V-Net Volumetric Medical Image Segme Fully Convolutional Neural Net

Convolutional Neural Networks (CNNs) have been recently employed to solve problems from both the computer vision and medical image analysis fields. Despite their popularity, most approaches ...

《session-based recommendations with recurrent neural networks》ICLR 2016 阅读笔记

标签：推荐-RNN-GRU

该方法完全利用用户在当前session里的反馈去做推荐，相比原依赖用户历史记录的推荐能在解决冷启动问题上更为简洁有效。模型文中提出的模型如下图所示: Input层是对所有item做的one-hot encoding, 接下来是一层...

[论文品读]·d-vector解读(Deep Neural Networks for Small Footprint Text-Dependent Speaker ...

Deep Neural Networks for Small Footprint Text-Dependent Speaker Verification 目录 ABSTRACT 1. INTRODUCTION 2. PREVIOUS WORK 3. DNN FOR SPEAKER VERIFICATION 3.1. DNN as a feature extractor 3.2. ...

中文翻译论文：The wake-sleep algorithm for unsupervised neural networks

标签：深度学习神经网络 Helmholtz机 wake-sleep

The wake-sleep algorithm for unsupervised neural networks 作者Hinton，提出Helmholtz机和wake-sleep算法

GNN:Session-based Recommendation with Graph Neural Networks简介

标签： GNN 推荐 session

Session-based Recommendation with Graph Neural Networks 摘要作者提出SR-GNN,将session序列建模为图结构数据。在session图的基础上，GNN可以捕捉到items的复杂转换。每一个session利用注意力机制将整体偏好与...

韩松DSD:Dense-sparse-dense training for deep neural networks论文详解

目的：本文是对韩松博士ICLR 2017论文 DSD:Dense-sparse-dense training for deep neural networks的详细解析。论文地址：https://arxiv.org/pdf/1607.04381.pdf 代码地址：https://songhan.github.io/DSD. 目录...

V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation-论文笔记

标签：论文笔记

代码开源代码开源方法：说说网络结构。卷积核大小5X5。每一层增加残差学习，论文说增加残差能够加速收敛。没有使用pooling，使用卷积来降采样（核大小2x2x2，步长2）。非线性函数使用PReLu。...

[深度学习 - 发现有趣项目] neural-style-pt 艺术风格迁移

标签：深度学习 pytorch

neural-style-pt 艺术风格迁移一如既往的开头最近事情比较少，人闲着也闲着。趁着周末到处跑，临近新年，也没怎么学习。想写点什么博文，但是又不知道写啥哈哈哈哈哈。于是，我想把公众号或者github（推荐专栏）...

【精读AI论文】dropout----(Improving neural networks by preventing co-adaptation of feature detectors...

标签：人工智能深度学习

文章目录前言第一页：第一段：第二段：第二页第一段第二段第三段第3-6...一个是dropout提出的论文:《Improving neural networks by preventing co-adaptation of feature detectors》还有一个是比较知名的dropout论文:

深度学习-Non-local Neural Networks非局部神经网络

标签：深度学习 pytorch 机器学习

将非本地操作(Non-local Operation)作为一种高效、简单和通用的组件，用于使用深度神经网络捕获远程依赖关系。

快速人群密度估计--Multi-scale Convolutional Neural Networks for Crowd Counting

Multi-scale Convolutional Neural Networks for Crowd Countinghttps://arxiv.org/abs/1702.02359对于人群密度估计问题，由于图像中 scale variations problem，所以提出使用多个CNN来解决 Multi-column/network。...

刘知远-Introduction to Graph Neural Networks.pdf

标签：卷积神经网络图卷积神经网络刘知远图神经网络

or recurrent neural networks (RNNs)). Nodes in graphs usually contain useful feature information that cannot be well addressed in most unsupervised representation learning methods (e.g., network ...

论文精度：Domain-Adversarial Training of Neural Networks

标签：自然语言处理神经网络深度学习

神经网络领域对抗训练。主要理解Gradient Reversal Layer。 Domain Adaptation(领域自适应)：把具有不同分布的源域（Source Domain）和目标域（Target Domain）中的数据，映射到同一个特征空间，寻找某一种度量...

Label-Specific Dual Graph Neural Network for Multi-Label Text Classification，ACL2021 finding

标签：人工智能 nlp lstm

为了提取多标签分类中标签之间的高阶关联性，一些方法使用统计相关性。然而，基于统计的方法有如下缺点：从训练数据中获得的标签对之间的共现模式是不完整的和有噪声的（有的统计特征可能是训练集特有的）；...

车牌识别 99% License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9

标签：车牌识别 OCR LSTM

License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9 works in real-time with detection and recognition accuracy up to 99.8% for Chinese license plates: 100 ms/plate！进来看...

【论文精读】Point-NeRF:Point-based Neural Radiance Fields

标签：计算机视觉深度学习神经网络

Point-NeRF论文精读

【阅读笔记】Layer-wise relevance propagation for neural networks with local renormalization layers

标签：深度学习图像识别可解释性

本文是探究的是图片上的像素与最终结果的相关性。创新点是把 Layer-wise Relevance Propagation (LRP) 扩展到了非线性映射上。

FEW-SHOT LEARNING WITH GRAPH NEURAL NETWORKS 论文笔记

标签： GNN Few-shot learning Graph neural networks

论文链接：FEW-SHOT LEARNING WITH GRAPH NEURAL NETWORKS Idea: Few-shot 学习不依靠于规则化扩展数据集来补偿缺少有监督数据对模型带来的影响，而是受启发与人类学习去探索相似任务在空间上的分布情况。 GNN...

Unifying Visual-Semantic Embeddings with Multimodal Neural Language Models

加拿大高级研究所 Ryan kiros, Ruslan Salakhutdinov, Richard S. Zemel 2014 NIPS deep learning workshop 1. 主要思想学习了一个图片-句子 embedding space，以及一个解码这个空间的语言模型 ...

DSTAGNN: Dynamic Spatial-Temporal Aware Graph Neural Network for Traffic Flow Forecasting

然而，由于道路网络中存在复杂的动态时空相关性，实现高度准确的交通流预测是一项具有挑战性的任务。背景：1）文中历史数据是高度动态和复杂的时空依赖模式 2）不考虑区域之间的距离，相似的城市功能区可能导致路网...

论文阅读笔记《Meta-Learning with Memory-Augmented Neural Networks》

标签：深度学习元学习小样本学习

本文提出一种带有记忆增强神经网络（Memory-Augmented Neural Networks，MANN）的元学习算法用于解决小样本学习问题。我们知道LSTM能够通过遗忘门有选择的保留部分先前样本的信息（长期记忆），也可以通过输入门...

图像文字识别初探(一)-CRNN(Convolution Recurrent Neural Network)和DTRN(Deep-text Recurrent Network)

标签： CRNN DTRN CNN

最近参加了一个图像文字识别比赛，之前没有接触...图像文字识别初探(一)-CRNN(Convolution Recurrent Neural Network)和DTRN(Deep-text Recurrent Network) 图像文字识别初探(二)-FAN(Focusing Attention Network)...

Domain-Adversarial Training of Neural Networks

本篇是迁移学习专栏介绍的第十八篇论文，发表在JMLR2016上。 Abstrac 提出了一种新的领域适应表示学习方法，即训练和测试时的数据来自相似但不同的分布。我们的方法直接受到域适应理论的启发，该理论认为，要实现...