دليل
المصلح: والمحولات بنية فعالة
صورة الترجمة مع النص في صورة دليل
تفتقر إلى العزيمة في سياق فقدان الوزن المعايرة الهدف علامة كشف
MLFcGAN: حالة على أساس متعدد المستويات GAN ميزة صورة الانصهار تحت الماء تصحيح الألوان
واستنادا إلى مشاكل الانتباه عبر الوسائط التعليمية شبكة الفيديو المولدة ذاتيا
المصلح: والمحولات بنية فعالة
عنوان الاطروحة: المصلح: THE TRANSFORMER EFFICIENT
الكاتب: نيكيتا Kitaev / لوكاس كايزر / أنسلم Levskaya
تاريخ النشر: 2019/09/26
أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/11542 من = leiphonecolumn_paperreview0221
أوصت السبب
المشكلة الأساسية: منذ بيرت حققت نتائج كبيرة عندما، وتحويل أصبح المعيار لمعظم مهمة البرمجة اللغوية العصبية، ولكن لديها بعض المشاكل، مثل هذا التدريب بطيء، احتلت المحتوى، ولا يمكن التعامل مع سلاسل طويلة، فإن هذه الورقة هي لحل هذه المشاكل.
ابتكارات: تقترح هذه الورقة بنية المصلح، جوهرها هي التالية: أول من اقترح مخازن طبقة عكسها نسخة واحدة فقط من قيمة تنشيط طبقة واحدة في هذه الطبقة، ومن ثم وضعها في FF طبقة قيمة التنشيط تكون مجزأة، والذي يستخدم الحساسة محليا آخر التجزئة (LSH) بدلا من التقليدية تركيز الاهتمام طويلة
أهمية: هذا النموذج الجديد ليس التدريب فقط سريع وذاكرة صغيرة، يمكنك أيضا حل مشكلة سلاسل طويلة.
صورة الترجمة مع النص في صورة دليل
الترجمة صورة إلى صورة بالهدى النص: عنوان الاطروحة
الكاتب: لي بوين / تشى شياو جيوان / عربة فيليب H. S. / وكاسفيز توماس
تاريخ النشر: 2020/02/12
أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/11541 من = leiphonecolumn_paperreview0221
أوصت السبب
تقدم هذه الورقة صورة جديدة لطريقة الهجرة الصورة، عن طريق إنشاء شبكة ضد العوامل لا يمكن السيطرة عليها (أي اللغة الطبيعية) جزءا لا يتجزأ من صورة إلى الهجرة إلى الصورة، بحيث نص يصف سمات بصرية يمكن تحديد صورة مركبة. يتكون هذا الأسلوب الجديد من أربعة عناصر أساسية للتكوين: 1، POS علامات تجسيدا لتصفية لغير الدلالي وصف كلمة معينة؛ 2 تتميز في النصوص والصور، وذلك باستخدام مزيج من وحدات أفيني التكامل الفعال لأشكال مختلفة؛ (3) A الهيكل الجديد غرامة متعددة المستويات لتعزيز التمييزي مولد الطاقة والقدرة على تصحيح الممي؛ 4، وخسارة بنية جديدة، لمواصلة تعزيز الممي الأداء من أجل التمييز على نحو أفضل الصور الحقيقية والصور الاصطناعية. تبين التجارب COCO على مجموعات البيانات إلى أن الطريقة المقترحة في هذه الورقة ديه الأداء الممتاز في الواقعية البصرية والاتساق الدلالي.
تفتقر إلى العزيمة في سياق فقدان الوزن المعايرة الهدف علامة كشف
عنوان الاطروحة: حل كشف وجوه المفقودين-الشرح مع خلفية إعادة ضبط الخسارة
الكاتب: تشانغ هان / تشن Fangyi / شين تشيانغ / هاو تشى تشى / تشو الشيشان / سافيدس ماريوس
تاريخ النشر: 2020/02/12
أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/11540 من = leiphonecolumn_paperreview0221
أوصت السبب
هذه الدراسات ورقة مشهد الكشف عن هدف جديد وتحدي: معظم كائن بيانات الحقيقي أو مثيل لم يتم وضع علامة، لذلك تعتبر هذه المنطقة لم يتم وضع علامة في سياق عملية التدريب. وبناء على RCNN قبل أسرع والتداخل لينة العينات سبيل المثال الإيجابية هو التدرج المرجح العائد على الاستثمار. هذا ويعرض ورقة حل جديد يسمى خلفية فقدان الوزن المعايرة، يمكن أن يكون تلقائيا إعادة معايرة فقدان إشارة بناء على عتبات محددة مسبقا وآيو الصورة المدخلة. كذلك أكدت الورقة على عدة تغييرات كبيرة على التكيف مع الوضع التسمية مفقودة. تبين التجارب على VOC باسكال ومجموعات البيانات MS COCO أن الطريقة المقترحة في هذه الورقة هو متفوقة إلى حد كبير في الطريقة التقليدية.
MLFcGAN: حالة على أساس متعدد المستويات GAN ميزة صورة الانصهار تحت الماء تصحيح الألوان
شرطي GAN متعدد المستويات ميزة فيوجن القائمة على الماء صورة تصحيح الألوان: أطروحة العنوان: MLFcGAN
المؤلف: ليو شياو دونغ / قاو تشى / تشن بن M.
تاريخ النشر: 2020/02/13
أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/11539 من = leiphonecolumn_paperreview0221
أوصت السبب
هذه الورقة نظر هو مشكلة تصحيح الألوان للصور تحت الماء.
شبكة الجيل الورقية ضد متعددة النطاقات المقترحة تحتوي على عمق الشبكات المتقاربة، واستخراج ميزة متعددة النطاقات أولا، ثم تم تعزيز الميزات المحلية مع ميزات العالمية في كل نطاق. احتفظ مهمتين في تصحيح الألوان والتفاصيل حول الطريقة المقترحة في هذه الورقة الحصول على الحافة الأمامية من حيث الجودة، وجعلها وسيلة جديدة هو أكثر متفوقة بالمقارنة مع النموذج الأفضل الحالي.
واستنادا إلى مشاكل الانتباه عبر الوسائط التعليمية شبكة الفيديو المولدة ذاتيا
عنوان الاطروحة: الجيل الفيديو عبر سؤال عبر مشروط الذاتي الاهتمام شبكات التعلم
الكاتب: وانغ يو سيانغ / سو هونغ تينغ / تشانغ تشن شي / ليو تشه يو / هسو ونستون
تاريخ النشر: 2019/07/05
أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/11538 من = leiphonecolumn_paperreview0221
أوصت السبب
هذه الورقة هي حل مشكلة الفيديو Q & A.
فيديو Q & A على المهمة، ونموذج التعلم عمق يعتمد اعتمادا كبيرا على كميات هائلة من البيانات، والتكلفة العالية لهذا النوع من البيانات التسمية. يعرض هذه الورقة مهمة جديدة، فإن المشكلة يمكن أن تتولد تلقائيا سلسلة من إطارات الفيديو وفقا لمقطع الفيديو وترجمات المقابلة، مما يقلل من التكاليف الباهظة لوضع العلامات. تعلم كيفية طرح الأسئلة تحتاج نموذج محتوى الفيديو لفهم التفاعل بين المشهد واللغة الدلالية وبصرية غنية. لحل هذه المشكلة، تقترح هذه الورقة نموذجا جديدا للشبكة مدى اهتمام الذاتي، ومجموعة متنوعة من الميزات لإطارات الفيديو الإجمالية وترجمات. وتظهر النتائج التجريبية الطريقة المقترحة فيما يتعلق الطريقة المرجعية قد رفع 85.
فريق الكتاب بتجنيد
من أجل تقديم خدمة أفضل لشبابنا AI، AI Yanxishe رسميا قسما جديدا "أوراق" على أمل أن بأنها "نقطة اهتمام" ورقة البلمرة AI طالب الشباب، الذي أوصت به فرز الأوراق، استعراض تفسير رمز على الإنجاب. لتصبح التعلم المتطورة في الداخل والخارج لمناقشة نتائج البحوث ونشر مكان التجمع، ولكن أيضا للبحث ممتاز تنتشر على نطاق واسع ومعترف بها.
نتمنى لكم الحب الأكاديمية، يمكن للمؤلفين انضمام إلى فريق عملنا.
انضمام إلى فريق الكتاب يمكنك الحصول على
1. قسم من هذه المادة مع اسمك، سوف يقاتل من ألمع النجوم الأكاديمية
2. الإتاوات المربحة
التحريف 3.AI الشركات الشهيرة، والرعاية تذاكر الجمعية، والهدايا التذكارية، الخ، الخ حصرية المحيطة بها.
تاريخ الكتاب الفريق تحتاج:
1. هل تحب الورق الموصى به لغالبية أعضاء الروتاري Yanxishe
2. أوراق القراءة يؤلف
إذا كنت على استعداد للانضمام إلى منظمة العفو الدولية Yanxishe فريق بدوام جزئي من مؤلفي ورقة، ويمكنك إضافة القليل من شقيقة عمليات القناة الصغرى، وتلاحظ "جزء من أطروحة"
