受成分限制的基于注意力的网络（CrabNet）
该软件包实现了成分受限的基于注意力的网络（ CrabNet ），该网络仅采用成分信息来预测材料特性。
目录
如何引用
安装
复制出版物结果
使用CrabNet或DenseNet训练或预测材料属性
如何引用
如果要使用CrabNet请引用以下工作：
(insert BibTeX citation)
安装
此代码使用PyTorch创建神经网络模型。 为了进行快速的模型训练和推理，建议您使用带有最新驱动程序的NVIDIA GPU。
Windows用户应该可以按照以下步骤通过Anaconda安装所有必需的Python软件包。
Linux用户还需要
2022-11-17 21:06:16
188.35MB
1
当前多目标追踪大多遵循了Tracking-by-detection范式完成跟踪任务。Tracking-by-detection范式将追踪任务分为两步完成：目标检测与数据关联。公式解读是针对“Global Transformer Tracking”这篇论文中对训练策略及推理的一些公式理解。
2022-11-05 21:22:20
11.38MB
1
DETR的介绍ppt，适用与课堂讲解，组会等。但本身内容没有写的特别详细，想要完全理解，最好配合一些其他资料。
推荐：B站：看李沐学AI 中有很多论文讲解视频，非常推荐
2022-11-05 09:07:52
3.69MB
1
“Towards Robust Vision Transformer” 论文的学习笔记
ViT模型存在的问题
RVT模型与RVT*模型设计规则
CAM与Grad-CAM
2022-11-03 14:07:23
2.23MB
1
yolov5口罩检测，此模型已融合了attention机制，best.pt放在主目录下，考虑到训练时间使用的yolov5x，mAp96%左右，能够较高的识别人脸是否佩戴口罩，可以修改损失函数继续进行优化
2022-10-29 17:05:14
18.13MB
1
这是一篇谷歌发表在ECCV2022的论文，这篇论文可以说是提供了一个即插即用的模块（个人觉得），该模块将CNN与Transformer相结合。
里面只有代码，只是为了方便大家。权重自己去下载哦
2022-10-26 14:08:02
1.46MB
1
只有代码，没有权重，TPH-YOLOv5: 基于Transformer预测头的改进YOLOv5用于无人机捕获场景目标检测
2022-10-26 14:08:01
5.21MB
1
本文研究了信息传播预测问题，提出了一种基
于时空Ｔｒａｎｓｆｏｒｍｅｒ神经网络的模型ＳＴＴ来预测
传播过程．
2022-10-17 09:06:56
702KB
1