https://mp.weixin.qq.com/s/U45X5kKMw_E4vfHfVmWZTA
FSAF:来自CMU的Single-Shot目标检测算法
https://mp.weixin.qq.com/s/45CLHvP1cumzcwMV0myj_g
微软-少标签样本构建高性能文本分类器
https://zhuanlan.zhihu.com/p/60420771
领域自适应:利用DIRT-T模型提高性能
https://mp.weixin.qq.com/s/duJK5y9ZeFkYsFkAg4E2Jw
IBM-小样本学习(Few-shot Learning)State of the art方法及论文讲解
https://mp.weixin.qq.com/s/Hok9D8dAzYrBz7XoFmGE2A
AliExpress:在检索式问答系统中应用迁移学习
https://mp.weixin.qq.com/s/f_vB2AXCytnvoZaqfMeIpw
应用TF-Slim快速实现迁移学习
https://mp.weixin.qq.com/s/R1bKmhADfhQAZmhXL9ObiQ
多重预训练视觉模型的迁移学习
https://mp.weixin.qq.com/s/l-l1xbUaPNKc-w5XndjCbQ
通过网络结构迁移学习提高图像识别任务的拓展性
https://mp.weixin.qq.com/s/-KssC3yXsG3ZuV8-I6D_nQ
学习迁移架构用于Scalable图像的识别
https://mp.weixin.qq.com/s/5DtTgc9bIrdXQkmuqRm8CA
谷歌大脑迁移学习:减少调参,直接在数据集中学习最佳图像架构
https://mp.weixin.qq.com/s/fEKc6yFZwTPAHjXJlcHA-w
香港科技大学提出L2T框架:学习如何迁移学习
https://mp.weixin.qq.com/s/pbyByPoZ9SVoP9B7pJMxXg
深度卷积网络迁移学习的脸部表情识别
https://mp.weixin.qq.com/s/aqmeIEVIG-845wiKlyXlsA
小数据、高准确率的文本分类:利用迁移学习创造通用语言模型
https://mp.weixin.qq.com/s/yXF5Cxs_29OBOl41enjfyg
阿里巴巴&浙大Poster论文:基于直推式无偏嵌入的零样本学习
https://mp.weixin.qq.com/s/qYoTgqwjaUlEycuk9LlonA
迁移学习:6张图像vs13000张图像,超越2013 Kaggle猫狗识别竞赛领先水平
http://mp.weixin.qq.com/s/6Urv6TfUfc-BWV1YqTM1PQ
迁移学习+BPE,改进低资源语言的神经翻译结果
https://mp.weixin.qq.com/s/kPFS_4swYEP6Amw8xfXEgg
中科院自动化所-针对小样本问题的学习生成匹配网络方法
https://mp.weixin.qq.com/s/NFziZe6xS_CzVZX_0Den9g
达观数据CTO纪达麒:小标注数据量下自然语言处理实战经验
https://mp.weixin.qq.com/s/6w5S5R_qA0956VMj1isunQ
雷哥带你读论文之深度迁移炼丹!
https://mp.weixin.qq.com/s/wB9skXSWoMHoWnME2JAyIw
基于全局类别表征的小样本学习
https://mp.weixin.qq.com/s/6eHmudo6EG47qBe7xwri6g
ImageNet错误率小于4%,数据量依然不够,N-Shot Learning或是终极解决之道?
https://mp.weixin.qq.com/s/cG0TDIZ3z4lUEQb_N1ysbg
使用迁移学习构建顶尖会话AI
https://mp.weixin.qq.com/s/VGdlOlQh1_4FFTAuUHR_VA
迁移学习中如何利用权值调整数据分布?DATL、L2TL两大方法解析
https://mp.weixin.qq.com/s/V-4d-3yMmQpZUVY-h1eaoA
Barbara Plank-NLP模型的跨语言/跨领域迁移-经验分享
https://mp.weixin.qq.com/s/TUrH7qiZBpmqWN4VL5dhlw
清华大学:用于少次关系学习的神经网络雪球机制
https://mp.weixin.qq.com/s/VlxF7BVk7hUQ9HDiGYpzGA
基于Co-Attention和Co-Excitation的少样本目标检测
https://mp.weixin.qq.com/s/xaKqAhuxaHDPV-VwHE7H2A
零样本学习研究进展综述中文版
https://mp.weixin.qq.com/s/YWzHnN5mQQtM9M3Uao8iGQ
伯克利-滴滴出行:深度学习多源领域自适应综述论文
https://mp.weixin.qq.com/s/WwA_IP4rIpZ6GgFkzQ3sNA
增量学习不只有finetune,三星AI提出增量式少样本目标检测算法ONCE
https://mp.weixin.qq.com/s/lUkydJaClqCoZIZ6THTRBA
增量学习(Incremental Learning)小综述
https://mp.weixin.qq.com/s/rTP3-IdQk7iDz058SyOpIQ
零样本图像识别综述论文
https://mp.weixin.qq.com/s/DLcyMGTVfRoA58VHc6z6eg
最新《迁移学习:域自适应理论》综述论文,128页ppt讲解迁移学习与最优传输
https://mp.weixin.qq.com/s/MCJcHhB2g-wDPqnhp7f6Xw
仅需少量视频观看数据,即可精准推断用户习惯:腾讯、谷歌、中科大团队提出迁移学习架构PeterRec
https://mp.weixin.qq.com/s/s0Kxv0-v6OY1ziAiSDth3g
小样本分割综述
https://mp.weixin.qq.com/s/wtY66E0zMGzmdnPGWL3aQw
迁移学习了解下
https://mp.weixin.qq.com/s/6aBzR0O3pwA8-btsuDX82g
现代NLP中的零样本学习
https://mp.weixin.qq.com/s/jYdeaCCaQJwqxK9h6MzJuA
基于深度神经网络的少样本学习综述
https://mp.weixin.qq.com/s/fhTfNXjPeM5wMeLK2Y-yHA
适用于少量数据的深度学习结构
https://mp.weixin.qq.com/s/zQuLpzIptpFQC_f2Xx26og
迁移学习在新闻推荐中的应用
https://mp.weixin.qq.com/s/sKVCFScJq7ql1T6BmTFLow
少标签数据学习,61页ppt,宾夕法尼亚大学
https://mp.weixin.qq.com/s/EPafCEIg7LYqsnwYq3-nvg
从Few-shot Learning再次认识机器学习
HDR+是一个使用连拍摄影生成更好的图像的数据集。
官网:
http://hdrplusdata.org
参考:
https://zhuanlan.zhihu.com/p/34391353
机器感知Google推出HDR+连拍摄影数据集
HDRNet是一个Image Enhancement方面的数据集。
官网:
https://groups.csail.mit.edu/graphics/hdrnet/
论文:
《Unprocessing Images for Learned Raw Denoising》
这篇论文虽然不是综述,但有很多内容讲解ISP的流程。
《Deep Learning for Image Denoising: A Survey》
《Deep Learning on Image Denoising: An overview》
这两篇综述都是哈工大深圳分院的作品。
https://mp.weixin.qq.com/s/wA85XFQXeypuoqFnmN2P4g
降噪的新时代
https://mp.weixin.qq.com/s/KZcNmoGtuPUjoNzEaBb8UA
AI ISP的黎明
https://mp.weixin.qq.com/s/rxHoE4f5e6Kv2xIqJLIKdA
哪些功能更适合AI
https://mp.weixin.qq.com/s/919VEvennHEG3iXKkMZoQQ
不止是去噪—从去噪看AI ISP的趋势
https://zhuanlan.zhihu.com/p/27902193
利用卷积自编码器对图片进行降噪
https://zhuanlan.zhihu.com/p/39512000
Noise2Noise:图像降噪,无需干净样本
https://mp.weixin.qq.com/s/Wdxkvlz4nLbJS_gWqHwMjw
无需额外硬件,全卷积网络让机器学习学会夜视能力
https://mp.weixin.qq.com/s/iH7gbRn4opLsWgKWoVFpBA
腾讯优图&港科大提出较大前景运动下的深度高动态范围成像
https://mp.weixin.qq.com/s/WXVZkqCGlj6ym5YrSZS3Vg
谷歌普林斯顿提出首个端到端立体双目系统深度学习方案
https://mp.weixin.qq.com/s/NlYgA-A43q4C155kRdWPAQ
论文复现:谷歌实时端到端双目系统深度学习网络stereonet
https://mp.weixin.qq.com/s/9yfTO2jHz69-k1MsUGIM0Q
双目立体放大!谷歌刚刚开源的这篇论文可能会成为手机双摄的新玩法
https://mp.weixin.qq.com/s/z87Wp3yutq1l5bYfJS2YIA
谷歌新研究用深度学习合成运动模糊效果,手抖也能拍出摄影师级照片
https://mp.weixin.qq.com/s/B5XNmFlSnjEh2xAXB42pHQ
超十亿样本炼就的CNN助力图像质量增强,Adobe推出新功能“增强细节”
https://mp.weixin.qq.com/s/MEjZT_41w2cRqIYDi8a1rw
腾讯优图CVPR中标论文:不靠硬件靠算法,暗光拍照也清晰
https://mp.weixin.qq.com/s/Ek2eNeUPzEJiN6E1Yr6sMw
CVPR2019成像类论文拾英
https://mp.weixin.qq.com/s/qbPAQeJr7OWOwysa4_iDIw
基于深度学习的低光照图像增强方法总结(2017-2019)
https://zhuanlan.zhihu.com/p/82352961
基于深度学习的图像增强综述
https://zhuanlan.zhihu.com/p/56263560
单目视觉深度估计测距的前生今世
https://mp.weixin.qq.com/s/xdV3VHbSrgQa3G51KMHamA
神经网络如何进行深度估计?
https://mp.weixin.qq.com/s/0K_NF84wvPJttEARVUGPWA
DeOccNet:国防科大提出阵列相机去除前景遮挡成像新方法
https://mp.weixin.qq.com/s/HxYckWC7rKEq8L6bUMKHTg
手机拍出单反照片,苏黎世理工单个深度卷积模型取代ISP
https://zhuanlan.zhihu.com/p/107840206
深度学习替代手机ISP可行吗?
https://zhuanlan.zhihu.com/p/140926754
低光图像处理方案
https://zhuanlan.zhihu.com/p/161806533
论文阅读:神经形态视觉传感器(事件相机)的研究进展及应用综述
https://mp.weixin.qq.com/s/yIMaptbjV71cdC-GauGtDg
先拍照后对焦,浅析基于深度估计的景深编辑与背景虚化
https://mp.weixin.qq.com/s/RA8rYI5z_18ybKQaVYWOxw
浅析多重曝光与自动图像融合技术
https://mp.weixin.qq.com/s/ry7DFwnhttXghEndfeZ-VA
提高照片清晰度的黑魔法竟然是..
https://mp.weixin.qq.com/s/BczYuj1xaG097gq3t8XLkQ
深度解析爱芯元智AI ISP技术
除了基于BP算法的NN之外,Spiking Neural Network也是一大类NN。Spiking NN和人脑结构更相似,功耗也更小,但是相关训练和数据量化的算法尚不成熟,属于潜力股。
参考:
https://homepages.cwi.nl/~sbohte/publication/paugam_moisy_bohte_SNNChapter.pdf
Computing with Spiking Neuron Networks
https://mp.weixin.qq.com/s/6dpKSaLFVo-ge4gtbG8GQg
简述脉冲神经网络SNN:下一代神经网络
https://mp.weixin.qq.com/s/0n50YO1jIv_mxqe0EeS6kw
综述AI未来:神经科学启发的类脑计算
https://mp.weixin.qq.com/s/5KA7jtlRmnXxijGQhU1k4A
DeepMind哈萨比斯狂推的神经科学,入门需要看什么书?
https://mp.weixin.qq.com/s/TWdeHVCgEf54STvdA1QUPg
DeepMind哈萨比斯长文:伟大的AI离不开神经科学
https://mp.weixin.qq.com/s/8ibcyvyBLYArAMhQElqRzg
Cell研究揭示生物神经元强大新特性,是时候设计更复杂的神经网络了!
https://mp.weixin.qq.com/s/cb6JBlb11xW0Xw0RWI4vFA
浙大&川大提出脉冲版ResNet:继承ResNet优势,实现当前最佳
https://mp.weixin.qq.com/s/yaAuVpuhSGabOswKnv9q5Q
脉冲神经网络与小样本学习
https://mp.weixin.qq.com/s/m7UHX3XL5sC3oBdu3KoyOg
脉冲神经网络(SNN)概述
https://mp.weixin.qq.com/s/vwZfmyIEdEdpqJWKOSKYYw
清华天机AI芯片登Nature封面:全球首款异构融合类脑芯片,实现自行车无人驾驶
https://mp.weixin.qq.com/s/skA3NZIAzTrsnSsNCxCYSA
类脑计算背后的计算神经科学框架
https://mp.weixin.qq.com/s/ku78_exDM-OUwWPBCNahCg
Spiking-YOLO:前沿性研究,脉冲神经网络在目标检测的首次尝试
https://blog.csdn.net/u011853479/article/details/61414913
脉冲神经网络的五脏六腑
https://blog.csdn.net/Yannan_Strath/article/details/105761023
脉冲神经网络(Spiking Neural Network)叙述
https://blog.csdn.net/Yannan_Strath/article/details/108190281
脉冲神经网络(Spiking Neural Network)发展现状
您的打赏,是对我的鼓励
请访问这里提交评论