Auto-ReID: Searching for a Part-aware ConvNet for Person Re-Identification 2019-03-26 15:27:10 Paper:https://arxiv.org/pdf/1903.09776.pdf 1. Background and Motivation: 本文将 NAS 的技术用到了 person re-ID 上,但是并非简单的用 NAS 技术来搜索一种 ConvNet,本文考虑到 re-ID 的特色,将其结合到 N

(GoogLeNet)Going deeper with convolutions Inception结构 目前最直接提升DNN效果的方法是increasing their size,这里的size包括depth和width两方面.在有足够的labeled training data 时这种方法是最简单以及稳妥的方法来获得一个高质量的模型.但是往往实际中大的网络会有更多的参数,当training data数量很少时,很容易出现overfitting,并且大的网络需要的计算资源也是更多.这是需要将

Quang Hieu Vu, Rasool Asal: Legacy Application Migration to the Cloud: Practicability and Methodology. SERVICES 2012: 270-277 (gs:0) 这篇论文介绍了遗留系统迁移到云平台(IaaS和PaaS)的实用性与方法论.要讨论的问题是:将某个(类)迁移到云平台是否可行?迁移如何进行(应用的哪个部分需要被修改.修改的代价如何.需要多少时间等)? 1. (S3.A)列举了不适合迁移

Carlo Batini, Cinzia Cappiello, Chiara Francalanci, and Andrea Maurino. 2009. Methodologies for data quality assessment and improvement. ACM Comput. Surv. 41, 3, Article 16 (July 2009), 52 pages. (gs:173) 这篇论文是关于数据质量方法的综述,全文共52页(其中正文34页,附录18页),对现有的"d

转自:http://blog.csdn.net/lanbing510/article/details/40411877 有博主翻译了这篇论文:http://blog.csdn.net/roamer_nuptgczx/article/details/45790415 Factors that affect the performance of a tracing algorithm 1 Illumination variation 2 Occlusion 3 Background clutters

0.特别提示:本次会议要求各位作者根据审稿意见进行认真修改,然后经过大会主席的检查合格才允许上传IEEE eXpress,主要的目的是为了保证论文集的质量,不让论文格式出现五花八门的情况,确保会议后被EI和ISTP检索.目前会议主席检查了大约100篇的修改稿,问题比较多,只有10篇左右一次检查通过,大部分都经过1次或2次修改.目前这一100篇中也只有40篇通过检查,所以请各位作者加紧时间修改上传,不要等到最后日期. 1. 基本要求:请大家使用IEEE CS两栏格式的模板(WORD, Latex)

Rethinking the Inception Architecture for Computer Vision 论文地址:https://arxiv.org/abs/1512.00567 Abstract 介绍了卷积网络在计算机视觉任务中state-of-the-art.分析现在现状,本文通过适当增加计算条件下,通过suitably factorized convolutions 和 aggressive regularization来扩大网络.并说明了取得的成果. 1. Introduct

论文原址:https://arxiv.org/pdf/1904.02701.pdf github:https://github.com/OceanPang/Libra_R-CNN 摘要 相比模型的结构,关注度较少的训练过程对于检测器的成功检测也是十分重要的.本文发现,检测性能主要受限于训练时,sample level,feature level,objective level的不平衡问题.为此,提出了Libra R-CNN,用于对目标检测中平衡学习的简单有效的框架.主要包含三个创新点:(1)Io

论文原址:https://arxiv.org/abs/1902.05093 github:https://github.com/lingtengqiu/Deeperlab-pytorch 摘要 本文提出了一种bottoom-up,single-shot的全景图像分析方法.全景图像分析包含"stuff"形式(类别)的语义分割及“thing”形式(区别不同个体)的实例分割.目前,全景图像分析的经典方法是由语义分割任务及实例分割任务的独立的模块组成,同时其需要进行多次inference操作.

2015年~2017年SIGIR,SIGKDD,ICML三大会议的Recsys论文: [转载请注明出处:https://www.cnblogs.com/shenxiaolin/p/8321722.html] SIGIR-2015 [Title]WEMAREC: Accurate and Scalable Recommendation through Weighted and Ensemble Matrix Approximation [Abstract]Matrix approximation

https://blog.csdn.net/qq_32417287/article/details/80102466 abstract introduction method overview Deep architecture for place recognition NetVLAD: A Generalized VLAD layer (fVLADfVLAD f_{VLAD}) Max pooling (fmax) Learning from Time Machine data Experi

论文原址:https://arxiv.org/abs/1901.08043 github: https://github.com/xingyizhou/ExtremeNet 摘要 本文利用一个关键点检测网络来检测目标物的最左边,最右边,顶部,底部及目标物中心五个点.如果这几个点在几何空间上对齐,则生成一个边界框.目标检测进而演变为基于外形的关键点检测问题,不需要进行区域分类及复杂的特征学习. 介绍 Top-Down方法占据目标检测中的主要地位,一些流行的目标检测算法通过直接裁剪区域或者特征,或者

Factors that affect the performance of a tracing algorithm 1 Illumination variation 2 Occlusion 3 Background clutters Main modules for object tracking 1 Target representation scheme 2 Search mechanism 3 Model update Evaluation Methodology 1 Precison

There are only too many articles and books which pertains to the discussion of efficiency and methodology. In book [1], the author believes that in terms of developing a production of software, the pragmatic method is to develop a good-enough version

Abstract 推荐系统可以看作用户和物品的匹配问题,不过user以及item两者的语义空间差异太大,直接匹配不太符合实际.主流的改进CF的方法有两类:基于表示学习的CF方法以及基于函数学习的表示方法.基于表示学习的CF模型将user和item转换到一个共通的语义空间来匹配.基于函数学习的CF尝试直接学习一个复杂的函数来对user和item进行匹配. Introduction DMF(Deep Matrix Factorization)用两个神经网络结构来替代线性的朴素MF中的embeddin

论文链接: https://arxiv.org/pdf/1512.02325.pdf 代码下载: https://github.com/weiliu89/caffe/tree/ssd Abstract We present a method for detecting objects in images using a single deep neural network. Our approach, named SSD, discretizes the output space of boun

论文链接: https://arxiv.org/pdf/1506.02640.pdf 代码下载: https://github.com/gliese581gg/YOLO_tensorflow Abstract We present YOLO, a new approach to object detection.Prior work on object detection repurposes classifiers to perform detection. Instead, we frame

感觉还是课程中给的英文描述会比较好,所以笔记大多数还是以老师的原英文 PPT 为主 1 Steps in the Writing Process 如何开展论文写作以及各个步骤的时间分配 1-1 Prewriting (70%) Collect, synthesize, and organize information Brainstorm take-home messages Work out ideas away from the computer Develop a roadmap/outl

论文链接:https://arxiv.org/abs/1811.05320 最近发现博客好像会被CSDN和一些奇怪的野鸡网站爬下来?看见有人跟爬虫机器人单方面讨论问题我也蛮无奈的.总之原作者Missouter,博客链接https://www.cnblogs.com/missouter/,欢迎交流. 整理.精炼了一下这篇论文的思路. Abstract: 交通预测的难点在于交通拓扑网络复杂的结构与随时间动态发生的交通变化:为了提取交通网的空间与时间特征,文章提出了一种时间性的图卷积网络模型,结合了门