AdderNet：我们真的需要深度学习中的乘法吗？ 该代码是CVPR 2020论文的演示 我们提出加法器网络（AdderNets）来交换深度神经网络（尤其是卷积神经网络（CNN））中的大规模乘法运算，以更便宜的加法运算来减少计算成本。在AdderNets中，我们将滤波器和输入要素之间的L1范数距离作为输出响应。结果，在ImageNet数据集上使用ResNet-50，建议的AdderNets可以达到74.9％的Top-1精度91.7％的Top-5精度，而无需在卷积层上进行任何乘法。 更新：培训代码在6/28中发布。 运行python main.py以在CIFAR-10上进行训练。 更新：11月27日发布了有关AdderNet的Model Zoo。 CIFAR-10和CIFAR-100数据集的分类结果。 模型 方法 CIFAR-10 CIFAR-100 VGG-小 有线电视新闻网 94.

Scalable and Communication-efficient Decentralized Federated Edge Learning with Multi-blockchain Framework 关键词：联邦边缘学习、区块链、梯度压缩、传输效率、安全 主要贡献： 1）设计了一个分层的区块链框架，该框架由一个主区块链和多个子链，以安全、可扩展和灵活的方式管理模型更新和模型共享记录。 2）对于模型训练子链，我们设计了一个视点一致性方案，通过允许矿工协同验证安全BFEL模型更新的质量来过滤掉不可靠的模型更新。 3）提出了一种梯度压缩方案，在不影响学习精度的情况下提高BFEL的通信效率，并通过减轻推理攻击来增强隐私保护。

The ICP (Iterative Closest Point) algorithm is widely used for geometric alignment of three-dimensional models when an initial estimate of the relative pose is known. Many variants of ICP have been proposed, affecting all phases of the algorithm from the selection and matching of points to the minimization strategy. We enumerate and classify many of these variants, and evaluate their effect on the speed with which the correct alignment is reached. In order to improve convergence for nearly-flat meshes with small features, such as inscribed surfaces, we introduce a new variant based on uniform sampling of the space of normals. We conclude by proposing a combination of ICP variants optimized for high speed. We demonstrate an implementation that is able to align two range images in a few tens of milliseconds, assuming a good initial guess. This capability has potential application to real-time 3D model acquisition and model-based tracking.

DYNA-RANK: Efficient calculation and updation of PageRank

Real-Time C++

多帧数字条纹投影技术被广泛用于测量三维面形。在动态情况下,单帧分析技术也得到发展应用。在本文中，我们讨论了一个基于希尔伯特变换的单帧分析。希尔伯特变换方法只需要一个条纹提取阶段，极大的减少了计算时间。该方法易于实现，并且它能够在视频的帧速率进行自动测量。应用该方法对物体表面进行测量。提出了几个实验性结果。

ORB（Oriented FAST and Rotated BRIEF）是一种快速特征点提取和描述的算法。这个算法是由Ethan Rublee, Vincent Rabaud, Kurt Konolige以及Gary R.Bradski在2011年一篇名为“ORB：An Efficient Alternative to SIFTor SURF”的文章中提出。ORB算法分为两部分，分别是特征点提取和特征点描述。特征提取是由FAST（Features from Accelerated Segment Test）算法发展来的，特征点描述是根据BRIEF（Binary Robust IndependentElementary Features）特征描述算法改进的。

源自于论文《Object localization by efficient subwindow search》中所介绍的ESS子窗口搜索算法，本工程使用VS2015+OpenCV2.4.13实现，可以完美运行。其中内置大量程序注释，甚至每一个变量含义都解释得非常清楚

Object localization by efficient subwindow search论文中文翻译附加知识点提炼方便阅读和学习efficient subwindow search（ESS）算法

Fuzzy Multi-objective Optimized with Efficient Energy and Time-varying Price for EV Charging System