深度学习中知识蒸馏研究综述

深度学习中英文论文综述

深度学习与计算机视觉综述 胡玉针170219模式识别 施杰 170236检测 本报告主要讲述在计算机视觉领域深度学习如何逐渐占据主流以 及传统的识别算法的优缺点,较为详细的介绍了CNN卷积神经网 络的

深度神经网络在拥有大量数据集和足够的计算资源的情况下能够取得巨大的成功。然而,他们快速学习新概念的能力相当有限。元学习是解决这一问题的一种方法,通过使网络学会如何学习。令人兴奋的深度元学习领域正在高速

序列标记是一个基础性研究问题,涉及词性标记、命名实体识别、文本分块等多种任务。尽管在许多下游应用(如信息检索、问题回答和知识图谱嵌入)中普遍和有效,传统的序列标记方法严重依赖于手工制作或特定语言的特征

图像补全是图像处理的一个研究领域,为有物体遮挡以及图像关键部分缺失状况下的图像识别提供了解决方案,应用领域非常广泛,受到了人们的关注。经深度学习方法补全的图像具有更高的图像分辨率和可靠性,逐渐成为图像

在这个综述中,我们讨论了六种不同类型的方法(剪枝、量化、知识蒸馏、参数共享、张量分解和基于线性变压器的方法)来压缩这些模型,使它们能够在实际的工业NLP项目中部署。

这是中国图像图形学报出的一版关于2019年深度学习目标跟踪算法的综述，为PDF格式，全文共28页。大家对近几年深度学习目标跟踪算法有兴趣的可以下载

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种，深度学习采用了神经网络的分层结构，

深度强化学习综述（刘全等）深度强化学习综述：兼论计算机围棋的发展

本文是基于深度学习的视频行为识别综述，对主流的行为识别方法Two-stream,c3d,r3d等进行简单介绍。