1,945 0
[略读]Twins系列
Twins: Revisiting the Design of Spatial Attention in Vision Transformers Conditional Positional Enco...
6,621 1
[略读]Swin-Transformer
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 主要贡献： Patch Merging Layer Sh...
2,112 0
[翻译]Pyramid Vision Transformer
A Versatile Backbone for Dense Prediction without Convolutions Abstract 尽管使用CNN作为骨干网络的结构在视觉领域取得巨大成功，...
2,028 0
[翻译]See Better Before Looking Closer
See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visua...
5,232 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...
2,037 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...
1,909 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...
2,580 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...
2,087 0
[工具]希腊字母读法
Α α：阿尔法 AlphaΒ β：贝塔 BetaΓdu γ：伽玛 GammaΔ δ：德尔zhi塔 DelteΕ ε：艾普西龙 EpsilonΖdao ζ ：捷塔 ZetaΕ η：依塔 EtaΘ θ：西...
2,867 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...