- 博客(4)
- 收藏
- 关注
RSS订阅原创 Transformer中的encoder和decoder在训练和推理过程中究竟是如何工作的
Transformer中的encoder和decoder在训练和推理过程中究竟是如何工作的苦苦冲浪，找不到答案Transformer结构（随便冲浪均可查到）Transformer推理过程Transformer训练过程苦苦冲浪，找不到答案之前学习transformer的时候就不是很理解encoder和decoder在训练和推理过程中是如何工作的，四处查询也没有讲的很详细，很多文章和视频都是encoder讲很多，到了decoder就一带而过了，后来在b站看了大佬讲解的transformer源码，终于明白了e
2022-03-09 19:04:35
26397
24
原创 使用全局与局部规范化的人体姿态估计论文《Human Pose Estimation using Global and Local Normalization》笔记
使用全局与局部规范化的人体姿态估计论文《Human Pose Estimation using Global and Local Normalization》笔记前言一、论文综述（就是翻译了一下）二、论文主要内容1. 为何进行人体关节点的规范化？2. 怎样进行规范化？2.1 躯干规范化2.2 肢体规范化3. 空间配置细化3. 网络架构总结前言这几天做ST-GCN的时候，发现数据集中人体关键点坐标位置对模型训练效果有不好的影响（分散太广，让模型泛化能力变差），所以打算把世界坐标系下的关键点坐标改为相对坐
2020-12-30 10:15:37
926
1
原创 时空图卷积网络ST-GCN论文完全解读记录
时空图卷积网络ST-GCN论文解读前言一、基于图神经网络的图分类问题二、ST-GCN文章解读1.基于openpose实现人体骨骼提取2.基于人体关键点构造graph2.1构造单帧graph（空间域）2.2构造帧间graph（时间域）2.读入数据总结前言最近在研究基于图神经网络的行为识别方法，在此研读ST-GCN论文《Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition》，并对文章进行详细.
2020-12-23 13:36:52
19103
5
原创 DGL-GrapgConv源码注释
DGL中GraphConv源码解读，带原理论文Semi-Supervised Classification with Graph Convolutional Networks笔记论文笔记（建议先看，便于后续源码理解）源码解释（关键点都写在注释里）论文笔记（建议先看，便于后续源码理解）Semi-Supervised Classification with Graph Convolutional Networks论文介绍了一种基于频谱的图卷积方法。在此展示论文笔记，结合论文应该可以看懂（大概吧。。。）论文
2020-12-21 11:21:51
3582
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人