代码编织梦想

2021-InferCode: Self-Supervised Learning of Code Representations by Predicting Subtrees论文笔记-爱代码爱编程

1)论文题目解读:用自监督学习的方式来进行代码表征的学习,自监督的子任务是预测子树 2)论文思想:InferCode模型类似于bert也是一个预训练模型,可以运用在许多下游任务例如:无监督任务:Code Clustering、Code Clone Detection…;有监督任务:Code Classification,Method Name Predi

论文笔记——AlignDet-爱代码爱编程

论文下载 https://arxiv.org/pdf/1908.01570.pdf 论文代码: 代码未开源 论文摘要: 在所有的单阶段检测器中都存在一个基本问题,即锚盒与卷积特征之间的不对齐,这严重影响了单阶段检测器的性能。在这项工作中,作者揭示了广泛使用的im2col运算符和RolAlign运算符之间的深层联系。在观察两

论文笔记——Yolov4-爱代码爱编程

论文下载: https://arxiv.org/pdf/2004.10934v1.pdf 论文代码: https://github.com/AlexeyAB/darknet 论文摘要: 从以往的工作中表明大量的特征可以提高卷积神经网络(CNN)的精度。需要在大数据集上对这些特征组合进行实际测试,并对结果进行理论论证。某些特

论文笔记——Efficientdet-爱代码爱编程

论文下载: https://arxiv.org/pdf/1911.09070.pdf 论文代码: https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch 论文摘要: 作者提出了一种加权双向特征金字塔网络(BiFPN),该网络能够实现简单、快速的多尺度特征融合;

论文笔记——Mask RCNN-爱代码爱编程

论文下载: https://arxiv.org/pdf/1703.06870.pdf 论文代码: https://github.com/facebookresearch/Detectron 论文摘要: 本文提出了一个概念简单、灵活和通用的对象实例分割框架,有效地检测图像中的对象,同时为每个实例生成高质量的分割掩码。这个框架

论文笔记——Faster R-CNN-爱代码爱编程

论文下载: https://arxiv.org/pdf/1506.01497.pdf 论文代码: https://github.com/rbgirshick/py-faster-rcnn 论文摘要: 目前最先进的目标检测网络依赖于区域建议算法(region proposal algorithms)假设目标位置。该论文研究中

论文笔记——Sparse R-CNN-爱代码爱编程

论文下载: https://msc.berkeley.edu/research/autonomous-vehicle/sparse_rcnn.pdf 论文代码: https://github.com/PeizeSun/SparseR-CNN 论文摘要: 提出一种纯稀疏(purely sparse)的图像目标检测方法,从图像

论文笔记——CPN(Corner-Proposal-Network)Det-爱代码爱编程

论文下载: https://arxiv.org/pdf/2007.13816.pdf 论文代码: https://github.com/Duankaiwen/CPNDet 论文摘要: 该论文提出一种新型的anchor free两阶段框架,该框架首先通过anchor free方法检测出目标的角关键点(corner keypo

论文笔记——ResNet-爱代码爱编程

论文下载: https://arxiv.org/pdf/1512.03385.pdf 论文代码: https://github.com/pytorch/vision/tree/master/torchvision/models 论文摘要: 作者提到,更深层次的神经网络更难训练,提出一个残差学习框架(residual lea

论文笔记——Densely Connected Convolutional Networks(DenseNet)-爱代码爱编程

论文下载: https://arxiv.org/pdf/1608.06993.pdf 论文代码: https://github.com/liuzhuang13/DenseNet 论文摘要: 作者提到,卷积网络在靠近输入的层和靠近输出的层之间包含较短的连接(即输入卷积层的特征和卷积层输出的特征进行整合连接),那么这个网络的训

论文笔记——Focal Loss for Dense Object Detection(RetinaNet)-爱代码爱编程

论文下载: https://arxiv.org/pdf/1708.02002.pdf 论文代码: https://github.com/facebookresearch/Detectron 论文摘要: 目前一阶段(one stage)目标检测器比二阶段(two stage)的算法更更快、更简单,但在精度方面仍然落后于二阶段

论文笔记——Comparing to Learn-爱代码爱编程

论文下载: https://arxiv.org/pdf/2007.07423.pdf 论文代码: https://github.com/funnyzhou/C2L_MICCAI2020 论文摘要: 在深度学习时代,预训练模型在医学图像分析中发挥着重要作用,其中ImageNet预训练作为最佳方法被广泛采用。作者也提到,自然图

论文笔记——EfficientNet Rethinking Model Scaling for Convolutional Neural Networks-爱代码爱编程

论文下载: https://arxiv.org/pdf/1905.11946.pdf 论文代码: https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet 论文摘要: 该论文系统地研究了模型缩放,认为细致地平衡网络的深度、宽度和分辨

论文笔记——Aggregated Residual Transformations for Deep Neural Networks(ResNeXt)-爱代码爱编程

论文下载: https://arxiv.org/pdf/1611.05431.pdf 论文代码: https://github.com/miraclewkf/ResNeXt-PyTorch 论文摘要: 该论文提出了一个简单、高度模块化的图像分类网络结构。该网络结构是通过重复一个构建块(buildng block)搭建的,这

论文笔记——Dilated Residual Networks(DRN)-爱代码爱编程

论文下载: https://arxiv.org/pdf/1705.09914.pdf 论文代码: http://vladlen.info/publications/dilated-residual-networks/ 论文摘要: 用于图像分类的卷积网络会逐渐降低图像的分辨率,图像以微小的特征图表现出来,其中原图像场景的空间

论文笔记——Deep Layer Aggregation(DLA)-爱代码爱编程

论文下载: https://arxiv.org/pdf/1707.06484.pdf 论文代码: https://github.com/ucbdrive/dla 论文摘要: 视觉识别需要丰富的表示,跨级别从低到高,范围从小型到大型,分辨率从细到粗。架构方面的工作在网络骨干维度的方面上逐渐有突破,人们都倾向于设计更深或更广的

论文笔记——ResNeSt :Split-Attention Networks-爱代码爱编程

论文下载: https://arxiv.org/pdf/2004.08955.pdf 论文源码: https://github.com/zhanghang1989/ResNeSt 论文摘要: 一些目标检测和语义分割算法已让使用ResNet(残差网络)的改进架构作为骨干网络(backbone),因为它们的简单和模块化结构。作

论文笔记——Squeeze-and-Excitation Networks(SE-Net)-爱代码爱编程

论文下载: https://arxiv.org/pdf/1709.01507.pdf 论文源码: https://github.com/hujie-frank/SENet 论文摘要: 卷积神经网络(CNNs)的核心构造是卷积操作器(convolution operator),它使网络能够通过在每一层的局部接受域内融合空间和

论文笔记——Stitcher:Feedback-driven Data Provider for Object Detection-爱代码爱编程

论文下载: https://arxiv.org/pdf/2004.12432.pdf 论文摘要: 代码暂未开源 该论文摘要概括:目标检测器的效果是根据物体尺度的不同而不同,在小对象性能上是最不令人满意的。作者通过研究发现,在大多数的训练迭代中,小对象对总损失的贡献很小,导致大小对象优化不平衡,从而导致性能不佳。 该论文名充分表达了作者改进的

论文笔记(十):Object-Aware Instance Labeling forWeakly Supervised Object Detection-爱代码爱编程

文章目录 论文笔记(十):Object-Aware Instance Labeling for Weakly Supervised Object Detection实例标记问题本文贡献相关工作本文方法CAP LabelingSRN LabelingExperiment 论文笔记(十):Object-Aware Instance Labeling