起因 在我们日常处理数据的时候，最常见的一种便是遍历某个目录（或某个多级目录），对该目录下面的每个文件进行一定的处理。比方说，通过raw数据处理后得到精修的数据、检测数据集中的图片中的目标并且将检测结果按需保存。这似乎是一个很基础的任务，但是其实我们...

介绍 本篇论文提出了一种基于注意力机制的动态head，配合最近大火的强大的swin transformer作为backbone，在coco上首次实现了AP突破60。 论文地址 摘要 问题：之前的一些关于head的工作，致力于提升性能表现而没有提出一...

论文信息 2021 ICCV bestpaper 微软亚洲研究院 论文地址 项目地址 摘要 Vision Transformer的两个问题： 两个领域涉及的scale不同，NLP的scale是标准固定的，而CV的scale变化范围非常大。...

作者 上海交通大学，许志钦：https://ins.sjtu.edu.cn/people/xuzhiqin/pub.html F-Principle 频率原则可以用一句话概括：深度学习倾向于优先拟合目标函数的低频部分 神经网络的特点： OverPa...

论文地址 代码 摘要 背景：ViT的性能提升是因为Patches还是因为自注意力？ 工作： 提出了ConvMixer，一个和ViT、MLP-Mixer相似的网络。 相似在什么地方呢？：ConvMixer直接以patch分割作为输入，分...

论文地址 代码地址 介绍 本篇论文提出了SENet,获得了最后一届ImageNet比赛的冠军.值得注意的是,它并没有采用特别复杂的结构,提出了一种通道自注意力机制,筛选更有意义的通道特征.本篇只是一个总结,参考了知乎,csdn上的一些论文解读. 解读...

介绍 翻译自illustrated transformer， 原作者为Jay Alammar, 原文地址：http://jalammar.github.io/illustrated-transformer/ 主要介绍了Transforme...

应对雷达信息的稀疏性 ​ 雷达点云数据具有稀疏性，而图像数据是密集的，这使得融合难以有效进行。先前的学者通过柱扩张的方式强行使得雷达数据更加稠密，这虽然有一定的效果，但是还是难以起到很好的说服力。 柱扩张及其变式 ​ 这类方法主要针对点云数据，他们都...

Author Ramin Nabati Qi Hairong From: Department of Electrical Engineering and Computer Science The University of Tennessee K...

sensor fusion 这篇主要还是总结了一下关于异类融合的方法、算法。 相机、激光雷达、雷达传感器的特点对比 这张表清晰地给出了他们的优劣势，有力地回答了一个问题：我们为什么要研究异类信息融合？ 说白了就是：取长补短，得到总体更好的感知效果。 ...