論文筆記：Dual Path Networks
首先分析了 ResNet 和 DenseNet。 借鑑RNN的表達方式。
k: 當前處於哪個步
t：第t步
ht: 第t步的隱藏狀態
gk：第k步，轉換聚合特徵的函式
如果 
簡化成：
其中，
如果 
這就存在問題。因為共享獲得不了新特徵，不共享又會造成計算冗餘（有的特徵後面根本用不著），所以提出DPN.
各來一點。
c就是為了說明DenseNet可以變成ResNet
相關推薦
論文筆記：Dual Path Networks
首先分析了 ResNet 和 DenseNet。 借鑑RNN的表達方式。 k: 當前處於哪個步 t：第t步 ht: 第t步的隱藏狀態 ：在第k步中，提取第t狀態特徵的函式 gk：第k步，轉換聚合特徵的函式 如果 ， 那麼可以寫成： 簡化成： 其
論文筆記：Dual Skipping Networks 雙跳網路
Changmao Cheng1∗, Yanwei Fu2∗, Yu-Gang Jiang1†, Wei Liu3, Wenlian Lu4, Jianfeng Feng4, Xiangyang Xue1 1 School of Computer Science, Fudan
論文筆記：Interpret Neural Networks by Identifying Critical Data Routing Paths
這是一篇做可解釋性AI的文章，文章的主要內容就是提出了一種新的資料表示分析方法，在此之上做了一些分析工作。 Abstract： 大概就是說定義了一個叫CDRPs（可分離路徑），這是文章的主要內容。 Introduction： 大多的視覺化分析方法多是定性的，沒法定量分
深度學習論文筆記：Deep Residual Networks with Dynamically Weighted Wavelet Coefficients for Fault Diagnosis of Planetary Gearboxes
這篇文章將深度學習演算法應用於機械故障診斷，採用了“小波包分解+深度殘差網路(ResNet)”的思路，將機械振動訊號按照故障型別進行分類。 文章的核心創新點：複雜旋轉機械系統的振動訊號包含著很多不同頻率的衝擊和振盪成分，而且不同頻帶內的振動成分在故障診斷中的重要程度經常是不同的，因此可以按照如下步驟設計深度
論文筆記：Feature Pyramid Networks for Object Detection
初衷 Feature pyramids are a basic component in recognition systems for detecting objects at different scales. But recent deep
論文筆記：Deep neural networks for YouTube recommendations
https://blog.csdn.net/xiongjiezk/article/details/73445835 Download [1] Covington P, Adams J, Sargin E. Deep neural networks for youtube recommen
論文筆記：Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling
感想 最近深度學習面試的時候，有個面試官問了我LSTM，我一下子傻眼了，確實不怎麼好懂，學LSTM已經有半年的時間了，但是對這個玩意兒卻還不怎麼明白，可能是沒用過它的緣故吧，我找了一篇它和GRU比較的論文，這篇論文沒有從理論上證明哪個模型的好壞，只是從實驗，應用場景的角度發現GRU在一些場景比LST
《2017-Dual Path Networks》論文解讀
解讀Dual Path Networks（DPN，原創） 動機 以前方法的不足 ResNet： 側重於特徵的再利用，但不善於發掘新的特徵； DenseNet: 側重於新特徵的發掘，但又會產生很多冗餘； 優點
論文筆記：Spectral Normalization for Generative Adversarial Networks [ICLR2018 oral]
Spectral Normalization for Generative Adversarial Networks 原文連結：傳送門 一篇純數學類文章，有興趣的時候再看！ Emma CUH
論文筆記：i-REVNET: DEEP INVERTIBLE NETWORKS [ICLR2018]
i-REVNET: DEEP INVERTIBLE NETWORKS 基於已有的工作，RevNet，提出了可逆RevNet，能夠達到造IMAGENET上相同的分類準確率。 目錄 摘要 眾所周知，卷積神經網路（CNN）取得了很大的進步
論文筆記：Distant Supervision for Relation Extraction via Piecewise Convolutional Neural Networks
Distant Supervision for Relation Extraction via Piecewise Convolutional Neural Networks ========簡陋的記錄=========== 背景知識：Distant Sup
影象隱寫術分析論文筆記：Deep learning for steganalysis via convolutional neural networks
好久沒有寫論文筆記了，這裡開始一個新任務，即影象的steganalysis任務的深度網路模型。現在是論文閱讀階段，會陸續分享一些相關論文，以及基礎知識，以及傳統方法的思路，以資借鑑。 這一篇是Media Watermarking, Security, and Forensi
論文筆記：Densely Connected Convolutional Networks(DenseNet模型詳解)
摘要 最近的研究表明，當靠近輸入的層和靠近輸出的層之間的連線越短，卷積神經網路就可以做得更深，精度更高且可以更加有效的訓練。本文根據這一結論，提出了一種稠密卷積神經網路(Dense Convolutional Network,DenseNet)
《Dual Path Networks》筆記
（這篇論文是最新的網路結構的論文，故下載下來學習一下） 1 論文出處：image2017多項冠軍，目前掛在arxiv上面 2 主要思路： 現在的網路結構，有resnet結構的，兩個通路然後把feature map 相加的（add），也有兩個通路然後把fea
論文筆記：Learning Social Image Embedding with Deep Multimodal Attention Networks
感想 這篇文章我看了一下作者是北航和微軟亞洲研究院合起來做的一篇文章，我感覺最深的是它的那個image-text network embedding的思想，用取樣的方法來降低訓練的複雜度。這也是一個深度學習注意力模型，更開心的是，論文裡面說程式碼是用keras來寫的，論文接
LightRNN 論文筆記：LightRNN: Memory and Computation-Efficient Recurrent Neural Networks
Introduction 近年來RNN被廣泛的應用於基於神經網路的NLP任務當中，比如說語言模型，QA等等，並且通常來說由RNN的相關結構能夠在這些任務當中取得state of art的表現。 不過呢，雖然RNN相關的網路在NLP任務中表現十分優異，但是其也
論文筆記：目標追蹤-CVPR2014-Adaptive Color Attributes for Real-time Visual Tracking
exploit orm dom ons tail red 最好 早期 形式化 基於自適應顏色屬性的目標追蹤 Adaptive Color Attributes for Real-Time Visual Tracking 基於自適應顏色屬性的實時視覺追蹤 3月講的第一
論文筆記：Fast(er) RCNN
這也 物體檢測 因此 sele 疑惑 修正 width 輸入 重點 在 RCNN 初步試水取得成功後，研究人員又迅速跟進，針對 RCNN 中的幾點不足提出改進，接連推出了 fast-rcnn 和 faster-rcnn。關於這兩篇論文，網上相關的文章實在是多如牛毛，因此，本
Dual Path Networks（DPN）——一種結合了ResNet和DenseNet優勢的新型卷積網絡結構。深度殘差網絡通過殘差旁支通路再利用特征，但殘差通道不善於探索新特征。密集連接網絡通過密集連接通路探索新特征，但有高冗余度。
哪裏 esc 數學 itemid tip 視覺 bat tlist badge 如何評價Dual Path Networks（DPN）？ 論文鏈接：https://arxiv.org/pdf/1707.01629v1.pdf在ImagNet-1k數據集上，淺DPN超過
論文筆記 Locality-Sensitive Deconvolution Networks with Gated Fusion for RGB-D Indoor Semantic Segmentation
extract pear rain bsp ble rgb oge nbsp png 用於RGB-D室內語義分割的具有門控融合的局部敏感反卷積網絡 abstract problem: indoor semantic segmentation using RGB