attention mechanisms with tensorflow
2021-03-29 19:14:05
2.1MB
1
B站讲解视频的PPT https://www.bilibili.com/video/BV1SA41147uA/
2021-03-28 14:16:22
330KB
1
汇总了自Non-local和SENet之后的十几篇发表于CVPR/ICCV的经典的注意力方法，包括cbam、a2net、psanet、danet、apcnet、sknet、ccnet、gcnet、annnet、ocrnet、sanet、ecanet
2021-03-22 14:42:33
5.84MB
1
【自然语言处理】文本分类模型_BiLSTM+Attention_TensorFlow实现，是该博客https://blog.csdn.net/bqw18744018044/article/details/89334729的数据集，可能有点错误，请谨慎使用
2021-03-18 21:41:39
25.57MB
1
翻译Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector_202
2021-03-18 21:07:10
1.16MB
1
PPT分享Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector
2021-03-18 21:07:10
4.14MB
1
实时目标检测算法YOLOv3的检测速度较快且精度良好，但存在边界框定位不够精确、难以区分重叠物体等不足。提出了Attention-YOLO算法，该算法借鉴了基于项的注意力机制，将通道注意力及空间注意力机制加入特征提取网络之中，使用经过筛选加权的特征向量来替换原有的特征向量进行残差融合，同时添加二阶项来减少融合过程中的信息损失并加速模型收敛。通过在COCO和PASCAL VOC数据集上的实验表明，该算法有效降低了边界框的定位误差并提升了检测精度。相比YOLOv3算法在COCO测试集上的mAP@IoU[0.5：0.95]提升了最高2.5 mAP，在PASCAL VOC 2007测试集上达到了最高81.9 mAP。
2021-03-16 15:59:19
1.39MB
1
Tensorflow 2 DA-RNN
的Tensorflow 2（Keras）实现，
论文： :
安装
pip install da-rnn
用法
from da_rnn import (
DARNN
)
model = DARNN ( 10 , 64 , 64 )
y_hat = model ( inputs )
Python Docstring符号
在此项目的方法的文档字符串中，我们具有以下表示法约定：
variable_{subscript}__{superscript}
例如：
y_T__i表示 ，在时间T第i个预测值。
alpha_t__k表示 ，注意权重在时间t测量第k个输入特征（驾驶序列）的重要性。
DARNN（T，m，p，y_dim = 1）
以下（超级）参数的命名与本文一致，但本文未提及的y_dim除外。
T int窗口的长度（时间步长）
m in
2021-03-07 21:03:26
50KB
1