风信子的博客

论文题目：A Global Geometric Framework for Nonlinear Dimensionality Reduction论文来源:https://www.sci-hub.ren/10.2307/3081721A Global Geometric Framework for Nonlinear Dimensionality Reduction非线性降维的全局几何框架Joshua B. Tenenbaum,1 Vin de Silva,2 John C. Langford3*A

Deep learningYann LeCun, Yoshua Bengio& Geoffrey Hinton 深度学习Yann LeCun, Yoshua Bengio& Geoffrey HintonAbstract  Deep learning allows computational models that are composed of multiple processing layers to learn representations of data with .

2020CVPR Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector

Machine learning: Trends, perspectives, and prospectsM. I. Jordan* and T. M. Mitchell*机器学习：趋势、观点和前景Abstract： Machine learning addresses the question of how to build computers that improve automatically through experience. It is one of today’s most rapid

请配合原文食用。文中没有截图。有的翻译可能没有严格按照原文的词义来翻译，中英文的翻译重在意思，词义强引可能造成奇怪的感觉。有的段落不通顺不懂，可能需要结合原文和相关图表才好理解。每个人对英文感觉都不一样，所以请配合原文食用，文章仅仅帮助辅助理解。---l针对图像识别的深度残差学习摘要：更深的神经网络更难训练，我们提出了一个残差学习框架来减轻网络的训练，这个框架比以往使用过的网络在深得更彻底。我们将这些层明确地重定义为参照前一层的残差学习函数。而不是学习无参照的函数。我们提供全面的经验证据来展示这些残

Deep Residual Learning for Image RecognitionKaiming He Xiangyu Zhang Shaoqing Ren Jian Sun基于深度残差学习的图像识别Kaiming He Xiangyu Zhang Shaoqing Ren Jian SunAbstractDeeper neural networks are more difficult to train. We present a residual learning framewor

[论文翻译] Deep Learning论文题目：Deep Learning论文来源:Deep learning Nature 2015翻译人：BDML@CQUT实验室Deep learningYann LeCun, Yoshua Bengio& Geoffrey Hinton深度学习Yann LeCun, Yoshua Bengio& Geoffrey HintonAbstractDeep learning allows computational models that

论文题目：Deep learning论文来源：Deep learning翻译人：BDML@CQUT实验室Deep learningYann LeCun, Yoshua Bengio & Geoffrey HintonAbstractDeep learning allows computational models that are composed of multiple processing layers to learn representations of data with mu

YOLOv4：目标检测的最佳速度和精度摘要随着深度学习的发展，目前已经出现了很多算法（或者训练技巧，tricks）来提升神经网络的准确率。在实际测试中评价一个算法的好坏优劣主要看两点，一是能否在大规模的数据集中起作用（work），二是是否有理论依据。一些算法仅能在某些特定的模型上或者某类特定的问题上运行，亦或是适用于一些小规模的数据集。然而，还有一些算法，例如batch normalization（BN）或者残差连接（residual-connections）已经被用在了不同的模型，任务以及不同的数据集

Fully Convolutional Networks for Semantic Segmentation Jonathan Long∗ Evan Shelhamer∗ Trevor Darrell UC Berkeley {jonlong,shelhamer,trevor}@cs.berkeley.edu Jonathan Long∗

单幅图像基于暗通道先验的去雾Kaiming He, Jian Sun, and Xiaoou Tang, Fellow, IEEE摘要:在本篇论文中,我们提出了一种简单但是有效的图像先验条件——暗通道先验去从一幅输入图像中去雾。暗通道先验是一种对于大量户外有雾图像的统计结果，它最重要的一个观察结果是户外无雾图像的绝大部分区域包含某些像素的亮度值至少在某一个通道上是非常低的。结合这个先验条件与雾天图像模型，我们可以直接估计雾的厚度并且回复一幅高质量的无雾图像。基于各种各样的有雾图像的实验去雾结果证明了所提

论文题目：A Global Geometric Framework for Nonlinear Dimensionality Reduction非线性降维的全局几何框架科学家们在处理大量高维数据时，如全球气候模式、恒星光谱或人类基因分布等，经常会面临维度降低的问题：在高维观测过程中，发现隐藏在其中的有意义的低维结构。人脑在日常感知中也面临同样的问题，从高维感官输入中提取出30,000个听觉神经元或106个视神经纤维，这是数量很少的感知相关特征。在这里，我们描述了一种解决维度降低问题的方法，该方法使用易于

摘要(机器学习解决的问题是如何创造出可以通过经验自动改进的计算机。它是当今发展最快的技术领域之一，位于计算机科学和统计学的交叉点，是人工智能和数据科学的核心。机器学习的最新进展是由新的学习算法和理论的发展以及在线数据和低成本计算的持续爆炸所推动的。数据密集型机器学习方法的采用可以在科学、技术和商业中找到，从而导致在许多行业，包括医疗保健、制造业、教育、金融建模、警察和市场营销等领域进行更多基于证据的决策。)正文机器学习是一门专注于两个相互关联的问题的学科：“如何构建一个通过经验自动改进的计算机系统？”

Deep Residual Learning for Image RecognitionKaiming He Xiangyu Zhang Shaoqing Ren Jian SunMicrosoft Research*用于图像识别的深度残差学习Abstract: Deeper neural networks are more difficult to train. We present a residual learning framework to ease the training of net

论文题目：Clustering by Passing Messages Between Data PointsClustering by Passing Messages Between Data PointsBrendan J. Frey*, Delbert Dueck通过在数据点之间传递消息进行聚类Brendan J. Frey*, Delbert DueckAbstractClustering data by identifying a subset of representative e