1. Abstract 协同注意力机制在最近几年广泛用于 VQA 领域，以往的协同注意力多是先计算各模态的注意力分布信息，再建立不同模态间的相关性，这样忽略了模态内的相关性。本篇论文在 Self-Attention 机制的基础上，应用 Transformer 设计 MCA 模块，通过级联的方式搭建深层模块化网络 MCAN 2. Model 2.1 MCA Self-Attention (SA) 用于发掘模块内的关系，Guided-Attention (GA) 用于发掘模块间的关联，模块的设计遵循 Transformer 一文中的 scaled dot-product attention 模块

目前很多姿态估计方法基于人体检测器的检测结果，但是人体检测器在定位和识别方面的小错误无法避免，这会导致单人姿态估计器失败。该文提出来一种新颖的区域多人姿态估计框架，可以在人体边界框不精确的时候进行姿态估计。该框架由Symmetric Spatial Transformer Network(对称空间变换网络)、Parameter Pose Non-Maximum-Suppression(非最大抑制姿态参数)、Pose-Guided Proposal Generator(姿态引导提议生成器)三部分组成，可以处理不准确的边界框和冗余检测。

Memory Selection Network for Video Propagation+论文笔记

VR结合AI的论文阅读

论文笔记：Progressive Attention Guided Recurrent Network for Salient Object Detection-附件资源

本资源中的笔记均为读研期间个人所记。 其中包含数篇剪枝方向的论文笔记。 An Entropy-based Pruning Method for CNN Compression.docx Channel Pruning for Accelerating Very Deep Neural Networks.docx network_pruning_that_matters.docx Neuron-level Structured Pruning using Polarization.docx Pruning Filter in Filter.docx 等等。

一篇关于深度学习论文的自我理解，包括摘要的摘抄以及论文方法

AlexNet的论文笔记总结，比阅读原文要简单一些，加入了自己的思考

笔记目录摘要1.简介2.相关工作3.方法3.1生成器模块3.2判别模块3.3优化4.实验4.1实验实现细节4.2生成评估4.3判别评估5.结论论文部分英文解释论文翻译参考 Joint Discriminative and Generative Learning for Person Re-identification arXiv:1904.07223v2 [cs.CV] 22 May 2019 注：限于作者水平，本笔记难免存在不妥之处，欢迎批评指正 摘要 以往的方法生成数据流程与判别性re-id学习阶段保持相对分离 本文则通过更好地利用生成的数据来寻求改进学习的re-id特征 提出了一个将re

DPM论文学习笔记。由于CSDN排版感觉比较麻烦，直接上传了PDF以供大家查看。