cation专题
论文阅读：MIL-VT: Multiple Instance LearningEnhanced Vision Transformer for FundusImage Classification
Abstract 本文尝试将Vision Transformer用于视网膜疾病分类任务，通过在大型眼底图像数据库上预先训练变换器模型，然后对下游的视网膜疾病分类任务进行微调。 此外，为了充分利用单个图像块提取的特征表示，我们提出了一种基于多实例学习(MIL)的“MIL head”，它可以方便地以即插即用的方式附加到视觉转换器上，有效地提高了下游眼底图像分类任务的模型性能。 In
论文翻译-ImageNet Classification with Deep Convolutional Neural Networks
[toc] 前言 AlexNet是是引领深度学习浪潮的开山之作，即使是我们现在进入了ChatGPT时代，这篇论文依然具有一定的借鉴意义。AlexNet的作者是多伦多大学的Alex Krizhevsky等人。Alex Krizhevsky是Hinton的学生。网上流行说 Hinton、LeCun和Bengio是神经网络领域三巨头，LeCun就是LeNet5的作者(Yann LeCun)。 资源
【论文导读】- GraphFL: A Federated Learning Framework for Semi-Supervised Node Classification on Graphs
文章目录 论文信息摘要主要工作Model-agnostic meta learning (MAML)GraphFL Framework1. GraphFL用于联合GraphSSC和非IID图数据2. GraphFed用于联合GraphSSC和新标签3. 通过自训练来利用未标记节点 论文信息 原文地址：https://arxiv.org/abs/2012.04187
Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification
序：在ISVRC2015 on ImageNet2012 classification dataset 上，取得了4.94%的 top-5 test error，这是第一次超越了人的识别了率（5.1%）. 文章提出了两个内容: (1) Parametric Rectified Linear Unit (PReLU) :使模型以接近0的额外计算代价和较小的过拟合风险训练模型。 (2) MSRA
《AlignedReID:Surpassing Human-Level Performance in Person Re-Identification》理解
转载于:https://www.cnblogs.com/Thinker-pcw/p/8324000.html