英语论文初学者的必备手册，是按照论文的结构流程来知道，对于入门特别有帮助！问答形式，可读性很强。让人意识到自己的写作问题，非常棒，有系列书籍还有配套练习。系列书籍中还教人如何socialize和在International Conferences做Presentation。

写sci论文经典句式，从摘要到总结。

OpenAI的Spinning UP（https://spinningup.openai.com/en/latest/spinningup/keypapers.html）对于入门深度强化学习是很好的资料，其中推荐了105篇非常经典的论文，这对于想要从事深度强化学习研究的初学者来说极具参考意义。 本人花了一点时间把所有论文下载并按照网页上的分类整理了下来。

SPIE会议投稿模板，word格式，详细介绍了SPIE会议的格式要求

欢迎来到 :waving_hand: Parijana-Papers 是一个包含UIET, Kanpur往年论文的网站 :eyes: 概述 通过各种标签名称轻松搜索试卷 主题代码 主题名称 学期数 老师的名字 考试年份 课程年份 干净的用户界面 响应式设计 :laptop: 本地运行的先决条件 Node JS应该安装在你的系统上。 MongoDB Compass应该安装在您的系统上，或者您可以使用MongoDB Atlas Google Drive API凭据 你可以从这里得到它们 :rocket: 用法 在你的系统上克隆这个 repo git clone https://github.com/algomonk016/Parijana-Papers.git cd Parijana-Papers 现在，使用给定的命令安装依赖项 cd ./client-side npm install cd ../server npm install

自我监督学习（SSL） 文件 论文2021 RGB-D显着目标检测的自监督表示学习（） 通过自我监督的多任务学习来学习特定于形式的表示形式以进行多模态情感分析（）（） 理解无对比对的自我监督学习动力学（）（） 多视角的自我监督学习。（）（ ICLR 2021 ） 与差异的对比：带有噪声标签的学习的自我监督式预训练。（）（ ICLR 2021 ）（） 自我监督的可变自动编码器。（）（ ICLR 2021 ） 自我监督视觉预训练的密集对比学习。（）（ CVPR 2021 ）（）（） 超越眼界的是：通过提取多模态知识进行自我监督的多目标检测和声音跟踪。（）（ CVPR 2021 ） AdCo：有效地从自我训练的负面对手中学习无监督表示的对抗性对比。（）（ CVPR 2021 ）（） 探索简单的暹罗表示学习。（） Barlow Twins：通过减少冗余进行自我监督的学习。（）

Mobicom 2018 所有参会论文，包含所有workshops。2018年的论文普遍有些大，压缩包因此也比较大。

洛阳契约文书博物馆归档魏醇、魏庭璋科举试卷数据集汇集了清代晚期河南府洛阳县魏醇、魏庭璋的74份科举试卷。这些试卷出自大梁书院、洛阳县学和周南书院，涉及地域以清代河南府洛阳县为主，考试内容是典型的八股文。该数据集是在洛阳契约文书博物馆实物藏品的基础上，经数字化整理和归档后完成。该数据集包括：（1）清代晚期74份科举试卷（含13份魏醇试卷、61份魏庭璋试卷）的数字化图片，这些文件以归档编码命名；（2）科举试卷的说明文档，包括序号、题目、出处、归档编码、尺寸、质地、年代、数量、行文和名次。数据集存储为.jpg和.xls格式，由75个数据文件组成，数据量为340 MB（压缩为1个文件，335 MB）。

真棒边缘检测纸 边缘检测论文和相应的源代码/演示程序（也称为轮廓检测或边界检测）的集合。 随时创建PR或问题。 （首选“拉式请求”） 大纲 0.边缘检测相关数据集 简称 原始纸 来源 介绍 TPAMI 2011 经典边缘检测数据集。 CVPR 2013 边缘来自带注释的分割蒙版的边界。 视觉研究2016 带边界注释。 CVPR 2020 边缘来自带注释的线框。 1.基于深度学习的方法 1.1常规边缘检测 简称 纸 来源 代码/项目链接 数码光盘 ACM MM 2020年 德西尼德 WACV 2020 BDCN CVPR 2019 RCN CAIP 2019 线路板 ECCV 2018 AMH网 NIPS 2017 RCF CVPR 2017 CED CVPR 2017 COB ECCV 2016 RDS CVPR 2016 HFL ICCV 2015 HE

域自适应论文和代码 这个仓库是关于深度领域适应和领域概括的论文和代码。 目录 NIPS 耦合生成对抗网络 域分离网络 ICML CyCADA：周期一致的对抗域自适应 [Pytorch（官方）] 学习用于无监督域自适应的语义表示[2018] [TensorFlow（官方）] 心肺复苏术 生成适应：使用生成对抗网络对齐域[2018] [Pytorch（官方）] 使用选择性对抗网络进行部分转移学习” [2018] [Caffe和Pytorch（官方）] 对抗性区分域适应[2017] [Tensorflow（Official）] [Pytorch] 国际CCV 开放集域适配[2017] [MATLAB（官方）] AAAI 多专业域适配[2018] [Caffe（官方）] ECCV 通过反向传播进行开放集域适应[2018] [Tensorflow] arXiv