机器学习与深度学习
-
- ES6D: 利用对称性进行高效的6D姿态检测
-
- POINTNET：利用深度学习对点云进行3D分类和语义分割
-
- 基于RGB-D的6D目标检测算法
-
- 6D目标检测简述
-
- Graph Pooling 简析
-
- EKLAVYA -- 利用神经网络推断二进制文件中函数的参数
-
- 利用超球嵌入来增强对抗训练
-
- 用于类别增量学习的动态可扩展表征 -- DER
-
- Meta Learning 简述
-
- 用全连接层替代掉卷积 -- RepMLP
-
- 应对长尾分布的目标检测 -- Balanced Group So
-
- 用MLP代替掉Self-Attention
-
- 联邦学习下的数据逆向攻击 -- GradInversion
-
- 使用少量数据去除神经网络中的水印 -- WILD
-
- 通过人工大脑刺激来检测神经网络中的后门
-
- 语义上的对抗样本 -- SemanticAdv
-
- 如何利用对抗样本来提升精度
-
- 暴力的黑盒对抗样本攻击 -- ZOO
-
- 如何躲避针对后门攻击的检测
-
- 深度学习中的公平性
-
- 利用Transformer来进行目标检测和语义分割
-
- 针对后门攻击的防御手段之Neural Cleanse
-
- 贝叶斯优化详解
-
- 如何用一束激光欺骗神经网络
-
- 浅谈深度学习模型中的后门
-
- 利用误分类样本来防御对抗样本
-
- 浅谈深度学习中的对抗样本及其生成方法
-
- 特征点跟踪之LK光流法
-
- EagleEye特性分析
-
- IDA-3D技术细节分析
-
- Attension is All You Need 论文笔记
-
- When Does Machine Learning FAIL?
-
- Procedural Noise Adversarial Exa
-
- 如何将SQL语句进行自动翻译
-
- Procedural Noise Adversarial Exa
-
- 关于强化学习(2)
-
- 关于强化学习(1)
-
- CVPR19-Deep Stacked Hierarchical
-
- Energy-efficient Amortized Infer
-
- 用浏览器训练Tensorflow.js模型的18个技巧（上）
-
- 图像增强的几个方法以及Matlab代码
-
- 计算机视觉领域最全汇总（第2部分）
-
- Lesson 13 - 多元线性回归
-
- 机器学习中的特征选择及其Python举例
-
- 机器学习的数学基础
-
- # A Survey on Dialogue Systems:
-
- 建立一个线上购物的面向任务的对话系统
-
- 利用双向注意流进行机器理解
-
- NLP进阶 CRF深入理解
-
- 深度学习综述
关于机器学习和深度学习的相关内容
