1,447 0
[翻译]See Better Before Looking Closer
See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visua...
4,035 0
[翻译]AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE
Abstract 尽管Transformer结构在自然语言处理领域已经成为主流，但在计算机视觉领域仍然受到限制。在视觉领域，注意力结构要么和卷积网络一起应用，要么在保证总结构不变的情况下用于替换卷网络...
1,391 0
[略读]mixup: BEYOND EMPIRICAL RISK MINIMIZATION
Abstract 深度神经网络功能强大，但是存在一些不良行为例如记忆性和对对抗样本的敏感性。（it：关注点偏移，趋向简单规则+对异常分布敏感）Mixup给神经网络增加了正则信息，使网络在训练样本中和训...
1,259 0
[略读]LITE TRANSFORMER WITH LONG-SHORT RANGE ATTENTION
INTRODUCTION 本文关注移动设备上的推理加速，即Mult-Adds限制在500M以下。 首先，本能想法是减少embedding的尺寸，但会弱化模型捕捉长短距离关系的能力，导致性能下降； 然后...
1,631 0
[略读]Sequence Transduction with Recurrent Neural Networks
RNNT原文下载地址 Abstract 很多模型都进行的是转换任务，例如语音识别、机器翻译、蛋白质二级结构生产、文字转语音等。在时序转换任务中，有一个关键挑战是寻找一种在收缩、拉伸、平移下有序列不变性...
1,974 0
[翻译]Joint CTC/attention decoding for end-to-end speech recognition
Abatract 当前系统严重依赖围绕传统技术发展起来的复杂遗留架构的脚手架。存在的问题有： 目前的HMM+GMM+DNN方法，训练声学模型(语音[/latex]gt;音素)、语言模型(音素[/lat...
1,288 0
[翻译]Online Hybrid CTC/Attention Architecture for End-to-end Speech Recognition
# 摘要 混合CTC/注意端到端自动语音识别(ASR)将CTC ASR系统和注意ASR系统组合成一个单一神经网络。尽管混合CTC/注意ASR系统在训练和解码方面同时兼顾了CTC和注意架构的优点，但其注...
2,141 0
[小结]Bottom-Up Higher-Resolution Networks for Multi-Person Pose Estimation
项目地址 https://github.com/HRNet/Higher-HRNet-Human-Pose-Estimation 总结 用高分辨率网络完成Bottom-Up姿态识别。聚合关节点使用Ho...
3,224 1
[小结]Distribution-Aware Coordinate Representation for Human Pose Estimation
项目地址 https://ilovepose.github.io/coco/ 总结 因整数导致回归目标有偏，对网络效果有较大影响。 简介 对于单人姿态估计的监督方法有两种，回归关节点坐标、回归关节点热...
3,240 0
[翻译] Deep High-Resolution Representation Learning for Human Pose Estimation
Abstract 在本文中，我们对人体姿势估计问题感兴趣，重点是学习可靠的高分辨率表示。大多数现有方法分辨率从高到低再从低到高恢复。相反，我们提出的网络在整个过程中都保持高分辨率表示。 我们将高分辨率...