shenzhige

摘要： Attention Is All Your Need 一、摘要 主流的序列转导模型均基于包含编码器与解码器的复杂循环神经网络或卷积神经网络，性能最优的模型还会通过注意力机制连接编码器与解码器。本文提出一种全新的简洁网络架构——Transformer，该架构完全基于注意力机制，彻底摒弃了循环结构与卷积 阅读全文

摘要： Fast R-CNN 一、摘要 本论文提出了一种基于区域的快速卷积网络方法（Fast R-CNN），用于目标检测任务。该方法在现有研究基础上进行改进，利用深度卷积网络对目标候选区域进行高效分类。与以往研究相比，Fast R-CNN融入了多项创新设计（加入RoI最大池化层，大幅减少前向传播和后向传播次 阅读全文

摘要： Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation 一、摘要 在标准的PASCAL VOC数据集上进行的目标检测性能，在近些年已经陷入了停滞。过往，性能最佳的方法是将多个低级图像特征（SIF 阅读全文

摘要： Deep Residual Learning for Image Recognition 一、摘要 在以往的实验发现，越深的神经网络越难训练，甚至会出现性能退化的现象。针对此类问题，论文提出了一种残差学习框架，以简化比以往所用网络的深度显著提升的更深网络的训练过程，并解决其出现的性能退化问题。论文明 阅读全文

摘要： Very Deep Convolutional Networks for Large-Scale Image Recognition 一、摘要 先前，LeNet-5和AlexNet已经证明了卷积神经网络在图像识别场景的重要性，尤其是AlexNet在2012年的ILSVRC的图像分类赛道一举夺冠，并与 阅读全文

摘要： ImageNet Classification with Deep Convolutional Neural Networks 一、摘要 Alex Krizhevsky等人训练了一个大型深度卷积神经网络AlexNet，将 ImageNet 大规模视觉识别挑战赛（ILSVRC，该赛事从2017年以后就 阅读全文

摘要： Gradient-Based Learning Applied to Document Recognition（LeNet-5） 注意事项 由于仅关注CNN相关知识，因此，在阅读这篇经典论文时，仅重点阅读了Section Ⅰ：Introduction、Section Ⅱ：Convulution Ne 阅读全文

摘要： LiMoE:Mixture of LiDAR Representation Learners from Automotive Scenes 一、问题背景 激光雷达数据是实现现代自动驾驶系统的基石，但是要开发一个优秀且稳定的三维感知模型，依赖于大量人工标注的数据。如果要对激光雷达数据进行人工标注，会耗 阅读全文