专栏目录：高质量AI论文翻译

已于 2023-08-07 20:46:21 修改
阅读量654 收藏 6
点赞数
CC 4.0 BY-SA版权
分类专栏： 高质量AI论文翻译 文章标签： 人工智能
于 2023-06-27 20:46:52 首次发布
不能复制，转发
本文链接：https://blog.csdn.net/m0_47867638/article/details/131425067
该专栏涵盖了图像分类与主干网络的众多经典和最新论文，包括AlexNet、VGG、ResNet、Transformer等，深入探讨了物体检测、图像分割、行人跟踪、OCR、NLP以及知识蒸馏等多个方向的技术进展，不断推动AI领域的创新和发展。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

图像分类与主干网络

【第1篇】AlexNet：CNN开山之作

【第2篇】VGG——引用最多的论文

【第3篇】GooLeNet——Inception结构的开创者

【第4篇】Inception V2

【第5篇】Inception V3

【第6篇】Inception-v4

【第7篇】ResNet：残差网络

【第8篇】DenseNet

【第9篇】SENET：Squeeze-and-Excitation网络

【第10篇】MobileNets：用于移动视觉应用的高效卷积神经网络

【第11篇】MobileNetV2：倒置残差和线性瓶颈

【第12篇】搜索 MobileNetV3

【第16篇】Vision Transformer

【第18篇】EfficientNet:重新思考卷积神经网络的模型缩放

【第26篇】Swin Transformer

【第29篇】MAE：屏蔽自编码器是可扩展的视觉学习器

【第30篇】CoAtNet：将卷积和注意力结合到所有数据大小上

【第31篇】NAM：基于标准化的注意力模块

【第33篇】力压Tramsformer，ConvNeXt成了CNN的希望

【第34篇】MPViT：用于密集预测的多路径视觉转换器

【第35篇】CenterNet++ 用于对象检测

【第36篇】SwinIR(超分)

【第37篇】EdgeViTs： 在移动设备上使用Vision Transformers 的轻量级 CNN

【第38篇】MixConv：混合深度卷积核

【第39篇】RepLKNet将内核扩展到 31x31：重新审视 CNN 中的大型内核设计

【第40篇】TransFG：用于细粒度识别的 Transformer 架构

【第41篇】ConvMAE：Masked Convolution 遇到 Masked Autoencoders

【第42篇】MicroNet：以极低的 FLOP 实现图像识别

【第43篇】CLIP：从自然语言监督中学习可迁移的视觉模型

【第46篇】RepVGG ：让卷积再次伟大

【第47篇】BoT-SORT：强大的关联多行人跟踪

【第48篇】MaxViT：多轴视觉转换器

【第49篇】Swin Transformer V2：扩展容量和分辨率

【第50篇】迈向快速、灵活、稳健的微光图像增强

【第51篇】用于交通预测的时空交互动态图卷积网络

【第52篇】RetinexNet: Deep Retinex Decomposition for Low-Light Enhancement

【第53篇】MAFormer: 基于多尺度注意融合的变压器网络视觉识别

【第54篇】剪枝算法：通过网络瘦身学习高效卷积网络

【第55篇】RepGhost:一个通过重新参数化实现硬件高效的Ghost模块

【第56篇】GhostNet:廉价操作得到更多的特征

【第57篇】DEiT：通过注意力训练数据高效的图像transformer &蒸馏

【第58篇】MetaFormer实际上是你所需要的视觉

【第59篇】RegNet：设计网络设计空间

【第60篇】多目标跟踪:文献综述

【第61篇】DeepSort：论文翻译

【第61篇】DeepSort：论文翻译

【第62篇】DepGraph：适用任何结构的剪枝

【第62篇】ConvNeXt V2论文翻译：ConvNeXt V2与MAE碰撞

【第63篇】CSI-Net:统一的人体特征和姿态识别

【第64篇】SMILEtrack:基于相似度学习的多目标跟踪

【第65篇】行人属性识别研究综述（一）

【第66篇】深度学习在视频多目标跟踪中的应用综述

来自清华的AdaSP：基于自适应稀疏成对损失的目标重识别

SegGPT_分割上下文中的所有内容

超越外观_面向以人为中心视觉任务的语义可控自监督学习框架

SAM：分割anything

BiFormer：基于双层路由注意力的视觉Transformer

InternImage：探索具有可变形卷积的大规模视觉基础模型

FasterNet：CVPR2023年最新的网络，基于部分卷积PConv，性能远超MobileNet，MobileVit

Wise-IoU_基于动态聚焦机制的边界框回归损失

Conv2Former：用于视觉识别的简单 Transformer-Style的ConvNet

Lion：优化算法的符号发现

DINOv2：在没有监督的情况下学习鲁棒的视觉特征

SEEM：Segment Everything Everywhere All at Once

SeaFormer：轻量高效的注意力模块

跟踪Anything：当Segment Anything 遇上视频

RFAConv:创新空间注意力和标准卷积操作

VanillaNet:极简主义在深度学习中的力量

FasterViT:基于分层注意力的快速视觉transformer

InceptionNext:当Inception遇到ConvNeXt

在这里插入图片描述

物体检测

【第19篇】SSD论文翻译和代码汇总

【第21篇】微软发布的Dynamic Head，创造COCO新记录：60.6AP

【第22篇】Sparse R-CNN: End-to-End Object Detection with Learnable Proposals

【第23篇】UMOP

【第24篇】CenterNet2论文解析，COCO成绩最高56.4mAP

【第25篇】CBNetV2

【第27篇 】SE-SSD论文翻译

【第32篇】YOLOR：多任务的统一网络

【第45篇】YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

图像分割

更快地分割任何事物：面向移动应用的轻量级Sam

HQ-SAM：高质量地分割一切东西

行人跟踪

OCR

【第28篇】像人类一样阅读：自主、双向和迭代语言 场景文本识别建模

【第44篇】DBNet：具有可微分二值化的实时场景文本检测

NLP以及大模型

【第13篇】Bert论文翻译

【第14篇】TextCNN

【第15篇】Transformer：Attention Is All You Need

资源有限的大型语言模型的全参数微调

CoDi：Any-to-Any的生成，统一多种模态

FinGPT:开源金融大型语言模型

MUSICGEN：简单可控的音乐生成

GPT-4是一个好的数据分析师吗?

作为工具制造者的大型语言模型

QLORA_量化LLMA的有效微调

大型语言模型综述（一）

大型语言模型综述（二）

MiniGPT-4:用高级大型语言模型增强视觉-语言理解

知识蒸馏

【第17篇】知识蒸馏：Distilling the Knowledge in a Neural Network

【第20篇】知识蒸馏：Distilling the Knowledge in a Neural Network

全新芒果YOLOv8改进专栏 | 专栏目录：目前已有170+篇内容，内含各种Head检测头、标签分配策略、损失函数Loss、Backbone、Neck、写作|指标、NMS等全方位创新点改进
包括YOLOv5、YOLOv7、YOLOv8等模型改进
03-14 1万+
芒果YOLOv8改进专栏 | 内含各种Head检测头、标签分配策略、损失函数Loss、Backbone、Neck、写作|指标、NMS等全方位创新点改进
翻译的本质：人工翻译vs机器翻译的核心差异与互补性
数据知道的博客
08-05 1973
摘要： 翻译的本质是跨语言的意义传递与重构，涉及信息、情感与文化内涵的转换。人工翻译（HT）基于认知与创造性表达，擅长处理歧义、隐喻及文化适配；机器翻译（MT）依赖数据驱动，高效但缺乏深层理解。两者在语义深度、文化适配、效率成本等方面差异显著，但互补性强：HT主导文学、法律等高复杂度场景，MT胜任批量、实时翻译需求。未来趋势是人机协同的“增强翻译”，机器处理基础任务，人工专注质量把控与文化适配，实现效率与质量的平衡。核心结论：机器解决“量与速”，人工解决“质与魂”，二者协同构建更高效的翻译生态。（149字）
comma.ai论文翻译
pandamax的博客
03-27 2689
人工智能在自动驾驶上的应用，Comma.ai的策略是建立起一个代理（agent），通过模拟预测出未来路况事件来训练汽车模仿人类驾驶行为及驾驶规划能力。本论文阐述了一种我们目前研究用于驾驶模拟的方法，旨在研究变分自动编码器（Variational Autoencoder，简称VAE）及基于生成式对抗网络（generative adversarial network，简称GAN），用于实现道路视频
AI论文系列-经典论文[原文、中文翻译、中英文对照翻译]
GeekPlusA的博客
07-19 951
AI论文系列-经典论文[原文、中文翻译、中英文对照翻译]
奇点到来，超越人类 《Nature论文：人工智能从0-1自学打败阿法狗 》论文翻译...
weixin_34411563的博客
10-19 615
翻译前言 阿法狗 ZERO以100：0打败阿法狗 ，引起轰动，论文在Nature发表。 阿法狗 ZERO引起轰动的原因： 1.完全自学，超越人类。 2.发展出超越人类认知的新知识，新策略。 3.能够快速移植到新领域 本文是我和好友春（机器学习在读博士，研究方向为自然语言处理，机器学习，深度学习，微信号：zyc973950709）一同翻译，感谢。其中第三章考虑篇幅去掉,具体查看原文，或者私信我。 ...
ChatGPT 论文翻译指南！解锁高质量翻译的秘密！
猫头虎技术团队：授渔优于赠鱼，兴趣引领智慧，探索之乐尤显珍贵。商务合作+：Libin9iOak ，万粉变现+：CSDNWF，猫头虎承诺每年免费为100名C站创作者做账号流量诊断服务！全网搜：猫头虎技术团队，点击文章底部名片或直接私信我一切皆可谈，快找虎哥！
06-06 1万+
通过这篇文章，你不仅了解了ChatGPT在论文翻译中的强大功能，还掌握了如何利用提示词来优化翻译质量。希望这些技巧能帮助你在学术研究中取得更大的成功！别忘了扫描进群，关注我，一起交流更多前沿科技资讯！📱👥👉更多信息：有任何疑问或者需要进一步探讨的内容，欢迎点击下方文末名片获取更多信息。我是猫头虎博主，期待与您的交流！🦉💬🚀技术栈推荐💡联系与版权声明📩联系方式微信: Libin9iOak公众号: 猫头虎技术团队⚠️版权声明本文为原创文章，版权归作者所有。未经许可，禁止转载。更多内容请访问。
AI 辅助编程专栏：开启智能编码新征程​
热门推荐
CSDN博客专家，系统架构师，有合作、疑惑请私信博主。
08-05 5万+
AI 辅助编程专栏：开启智能编码新征程​，本文介绍“AI 辅助编程专栏”，聚焦 AI 辅助编程领域，介绍相关知识、工具、技巧及实践应用，涵盖基础工具使用到实战演练。学习该专栏可提升代码生成、优化、错误排查、编程语言学习、项目开发效率及创新思维等能力。还阐述了 AI 辅助编程的现状与趋势、学习建议、内容架构等，适合各阶段编程学习者及相关从业者，助力读者借助 AI 工具提升编程水平。
人工智能学习合集专栏：从入门到精通的一站式 AI 知识库
CSDN博客专家，系统架构师，有合作、疑惑请私信博主。
08-02 4万+
人工智能学习合集专栏：从入门到精通的一站式 AI 知识库，本文介绍人工智能学习合集专栏及其子专栏内容。该合集涵盖提示词设计、AI 创作等多领域，从基础到深层知识，搭配实例与案例助学习者构建体系。子专栏包括解析提示词逻辑与行业模板的提示词专栏，全流程 AI 写作技巧的灵感写作专栏，以及辅助编程、精准绘图、绘制图表、工具集介绍、智能体解析、大模型部署等专栏，各有侧重，助力不同需求的学习者提升 AI 技能。
AI 精准绘图专栏：从描述到图像，让创意精准落地​
CSDN博客专家，系统架构师，有合作、疑惑请私信博主。
08-04 5万+
AI 精准绘图专栏：从描述到图像，让创意精准落地​，本文介绍“AI精准绘图专栏”，围绕AI精准绘图展开，讲解精准绘图的核心要素、适合的AI工具及流程技巧。学习该专栏能提升多种能力，包括将想法转化为精准提示词，掌握提示词结构与准确词汇；选择合适AI工具，匹配不同绘图需求；调整优化图像，运用负面提示词等方法；在设计、教学等实际场景中应用精准绘图。专栏分提示词入门等五部分，适合多类人群，附思维导图，强调多练习等建议，并举例说明应用。
AI 的智能体专栏：从原理到搭建，解锁 AI 自主系统技能
CSDN博客专家，系统架构师，有合作、疑惑请私信博主。
08-03 4万+
AI 的智能体专栏：从原理到搭建，解锁 AI 自主系统技能，本文介绍 “AI 的智能体专栏”，围绕智能体展开，解析其自主运行原理，教读者用大模型搭建简单智能体及设计多智能体协作。学习该专栏可提升多方面能力，包括理解智能体构成、任务拆解和环境互动原理；掌握搭建简单智能体的步骤、指令设计及测试优化方法；学会多智能体分工、沟通及问题解决；将智能体应用于职场、生活、学习等场景；分析并优化智能体工作效果。专栏分基础原理、搭建智能体等五部分，适合各类人群，附思维导图，强调边学边做等学习建议，并举例说明智能体应用。
AI 的提示词专栏：写对提示词，让 AI 懂你所想​
CSDN博客专家，系统架构师，有合作、疑惑请私信博主。
08-05 5万+
AI 的提示词专栏：写对提示词，让 AI 懂你所想​​，本文介绍 “AI 的提示词专栏”，围绕提示词写作技巧展开，讲解其基础构成、不同场景技巧及优化方法。学习该专栏能提升多种能力，包括精准描述需求，将模糊想法具体化；根据场景调整提示词，适应文字创作等场景；优化迭代提示词，让结果更贴合预期；高效使用 AI 工具，助力学习、工作和生活。专栏分基础入门等五部分，适合学生、职场人等，附思维导图，强调边学边练等学习建议，并举例说明应用。
自动驾驶之心平台论文推荐专栏：多篇精选论文全览
08-16
此外，该专栏还会定期更新，以纳入最新的研究成果和行业动态，确保读者能够获得持续、高质量的知识资源。对于自动驾驶领域的研究者来说，这是一个不可或缺的学术交流平台，对于工程师而言，这是一个获取最新技术进展...
AI写作：为AI人工智能领域写作带来新机遇
AI天才研究院
05-20 1180
随着人工智能技术的快速发展，以自然语言处理（NLP）为核心的AI写作工具（如GPT-4、Claude、文心一言等）正在重塑内容创作生态。本文聚焦AI写作在人工智能领域自身内容生产中的应用，包括技术博客撰写、学术论文辅助、行业报告生成等场景，分析其技术原理、实践价值及潜在挑战。通过理论与实战结合，为读者提供从技术理解到落地应用的完整指南。技术原理：解析AI写作的核心概念（NLP、生成模型）、数学基础（概率模型、损失函数）及算法实现实战应用：通过代码案例演示如何构建AI写作工具，适配不同内容场景生态价值。
门控循环单元（GRU, Gated Recurrent Unit）
2501_91641025的博客
08-20 1132
门控循环单元（GRU, Gated Recurrent Unit）是循环神经网络（RNN）的一种改进结构，由 Cho 等人在 2014 年提出。它和 LSTM 一样，旨在解决RNN 的梯度消失和梯度爆炸问题，同时能够建模长距离依赖信息。与 LSTM 相比，GRU 结构更简洁，参数更少，计算效率更高。GRU 是 LSTM 的简化版，在很多任务上能取得相似甚至更好的效果。优点：计算效率高、参数量少、适合大规模训练。缺点：缺少独立记忆单元，在极长序列任务中可能稍逊于 LSTM。在实际应用中，
Huggingface-Qwen2源码解读
Jeremy程序员
08-19 2011
本文记录了基于HuggingFace Transformers最新master分支对Qwen2模型的学习过程。主要内容包括：1) 开发环境搭建（Python 3.11、PyTorch CPU版）；2) 模型测试代码实现，通过调参创建轻量级配置；3) 核心架构分析，包括分词编码、DecoderLayer处理流程（RMSNorm归一化、自注意力机制、前馈网络）和分组查询注意力机制；4) Qwen2的三大优化点：RMSNorm计算优化、RoPE位置编码和GQA注意力机制；5) 开发中遇到的版本依赖问题及解决方法。
【无标题】
As3310010的博客
08-20 792
从基础功能到自主决策：Agent 开发进阶之路
Agentic AI 知识框架整理
最新发布
形上得其象，形下合于数；阴阳自济，玄理自明。
08-23 492
其战略价值在于将人类从复杂的、多步骤的认知劳动中解放出来，极大提升知识工作的效率与创新上限，是迈向通用人工智能（AGI）的核心路径。它不再是“你问我答”的聊天机器人，而是能。Agentic AI 的发展正遵循典型的。Agentic AI 的终极目标是创建能。
【笔记】动手学Ollama 第七章 搭建本地RAG
ReedFoley的博客
08-22 939
正文详见：7.3 使用 LangChain 搭建本地 RAG 应用。
数据库审计是什么？主要功能详解与厂商解析
yuandiansec的博客
08-21 1066
数据库审计
自动驾驶平台论文推荐专栏文章整理
3. 论文推荐专栏：表明平台提供了一个分类整理推荐论文的系统，这有助于用户节省时间，快速找到与自身研究兴趣或项目需求相关的高质量学术论文。 4. 自动驾驶算法研究：这是一个涵盖广泛领域的研究主题，包括但不...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI智韵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值