zahidzqj的博客

ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks 论文链接：https://arxiv.org/abs/1910.03151 代码地址：https://github.com/BangguWu/ECANet 摘要近年来，信道注意机制被证明在改善深卷积神经网络（CNN）的性能方面有着巨大的潜力，但现有的方法大多致力于开发更复杂的注意模块以获得更好的性能，必然会增加模型复杂性。到为了克服性

Selective Kernel Networks论文：https://arxiv.org/abs/1903.06586?context=cs代码：https://github.com/pppLang/SKNet其灵感来源是，我们在看不同尺寸不同远近的物体时，视觉皮层神经元接受域大小是会根据刺激来进行调节的。那么对应于CNN网络，一般来说对于特定任务特定模型，卷积核大小是确定的，那么是...

《ResNeSt: Split-Attention Networks》作者团队：亚马逊（张航和李沐等）&UC Davis代码（提供PyTorch和MXNet双版本）：代码：https://github.com/zhanghang1989/ResNeSt论文：https://hangzhang.org/files/resnest.pdf摘要近年来，图像分类模型不断发展，...

论文EfficientDet：Scalable and Efficient Object Detection论文链接：https://arxiv.org/abs/1911.09070谷歌大脑 Mingxing Tan、Ruoming Pang 和 Quoc V. Le 提出新架构 EfficientDet，结合 EfficientNet（同样来自该团队）和新提出的 BiFPN，实现新的 ...

文章链接：https://arxiv.org/abs/1801.07455Github 代码：https://github.com/yysijie/st-gcn参考博客：https://blog.youkuaiyun.com/qq_36893052/article/details/79860328SpatialTemporalGraphConvolutionalNetworksforS...

Collaborative Spatiotemporal Feature Learning for Video Action Recognition视频动作识别的协同时空特征学习论文地址：https://arxiv.org/pdf/1903.01197.pdf作者：Chao Li, Qiaoyong Zhong, Di Xie, Shiliang Pu本文为CVPR2019录用论...

Two-Stream Adaptive Graph Convolutional Networks for Skeleton-Based Action Recognition双流自适应图卷积网络用于基于骨架的动作识别论文地址：https://arxiv.org/abs/1805.07694源码：https://github.com/lshiwjx/2s-AGCN作者：Lei Shi，...