ML paper notes

ML 용지

이 repo에는 주제에 의해 조직 된 일부 ML 관련 논문의 메모와 짧은 요약이 포함되어 있으며 요약은 PDF 형태입니다.

자기 감독 및 대조적 학습

• 대표 학습을위한 자체 감독 관계 추론 (2020) : [논문] [참고]
• 대형 자체 감독 모델은 강력한 반 감독 학습자 (2020) [논문] [참고]
• Debiased Contrastive Learning (2020) [논문] [참고]
• 셀카 : 이미지 임베딩에 대한 자체 감독 전 사전 조정 (2019) : [논문] [참고]
• 회전 기능 디커플링에 의한 자체 감독 표현 학습 (2019) : [논문] [참고]
• 자기 감독 시각적 표현 학습 재 방문 (2019) : [논문] [참고]
• AET vs. AED : 자동 인코딩 변환에 의한 감독되지 않은 표현 학습 (2019) : [논문] [참고]
• 지식 이전을 통한 자체 감독 학습 강화 (2018) : [논문] [참고]
• 인공물을 발견하는 학습 (2018) : [논문] [참고]
• 이미지 회전을 예측하여 감독되지 않은 표현 학습 (2018) : [논문] [참고]
• 자체 감독 학습을위한 교차 픽셀 광학 흐름 유사성 (2018) : [논문] [참고]
• 멀티 태스킹 자체 감독 시각 학습 (2017) : [논문] [참고]
• 분할-뇌 자동 인코더 : 교차 채널 예측에 의한 감독되지 않은 학습 (2017) : [논문] [참고]
• 시각적 이해를위한 프록시 작업으로서의 채색 (2017) : [논문] [참고]
• 직소 퍼즐을 해결하여 시각적 표현에 대한 감독되지 않은 학습 (2017) : [논문] [참고]
• 컨텍스트 예측에 의한 감독되지 않은 시각적 표현 학습 (2016) : [논문] [참고]
• 다채로운 이미지 색상화 (2016) : [종이] [참고]
• 공간과 시간의 동시 발생에서 시각적 그룹 학습 (2015) : [논문] [참고]
• 모범적 인 컨볼 루션 신경망을 가진 차별적 인 감독되지 않은 기능 학습 (2015) : [논문] [참고]

반 감독 학습

• 반 감독 학습에서의 음성 샘플링 (2020) : [논문] [참고]
• 반 감독 학습을위한 시간과 일관된 자기 감독 (2020) : [논문] [참고]
• 이중 학생 : 반 감독 학습에서 교사의 한계를 깨기 (2019) : [논문] [참고]
• S4L : 자체 감독 반 감독 학습 (2019) : [논문] [참고]
• 증강 분포 정렬에 의한 반 감독 학습 (2019) : [논문] [참고]
• MixMatch : 전체적인 접근 방식 Tosemi-Supervised Learning (2019) : [논문] [참고]
• 감독되지 않은 데이터 확대 (2019) : [논문] [참고]
• 반 감독 학습을위한 보간 일관성 교육 (2019) : [논문] [참고]
• 반 감독 이미지 인식을위한 깊은 공동 훈련 (2018) : [논문] [참고]
• Mixup (2019)의 반 감독 및 강력한 학습 통합 : [논문] [참고]
• 깊은 반 감독 학습 알고리즘의 현실적인 평가 (2018) : [논문] [참고]
• 크로스 뷰 교육을 통한 반 감독 시퀀스 모델링 (2018) : [논문] [참고]
• 가상 대적 훈련 (2017) : [논문] [참고]
• 평균 교사는 더 나은 역할 모델 (2017) : [논문] [참고]
• 반 감독 학습을위한 시간 앙상블 (2017) : [논문] [참고]
• 사다리 네트워크와의 반 감독 학습 (2015) : [논문] [참고]

비디오 이해

• Multiscale Vision Transformers (2021) : [논문] [참고]
• Vivit A Video Vision Transformer (2021) : [종이] [참고]
• 비디오 변압기에 대한 시공간 혼합주의 (2021) : [종이] [참고]
• 시공간주의 비디오 이해에 필요한 모든 것 (2021) : [종이] [참고]
• 이미지는 16x16 단어의 가치가 있습니다. 비디오 가치는 무엇입니까 (2021) : [논문] [참고]
• 세분화 된 비디오 이해를위한 시간적 쿼리 네트워크 (2021) : [논문] [참고]
• 효율적인 비디오 인식을위한 X3d 아키텍처 확장 (2020) : [논문] [참고]
• 행동 인식을위한 시간 피라미드 네트워크 (2020) : [논문] [참고]
• 행동 인식을위한 STM 시공간 및 모션 인코딩 (2019) : [논문] [참고]
• 채널 구분 된 컨볼 루션 네트워크를 사용한 비디오 분류 (2019) : [논문] [참고]
• 상관 관계 네트워크가있는 비디오 모델링 (2019) : [논문] [참고]
• 시공간 지역 그래프로서의 비디오 (2018) : [종이] [참고]
• 비디오 인식을위한 슬로우스 네트워크 (2018) : [논문] [참고]
• 효율적인 비디오 이해를위한 TSM 시간 이동 모듈 (2018) : [논문] [참고]
• 복잡한 행동 인식을위한 시간 초과 (2018) : [논문] [참고]
• 비 국소 신경 네트워크 (2017) : [논문] [참고]
• 비디오에서 작업 인식을위한 시간 세그먼트 네트워크. (2017) : [논문] [참고]
• Quo Vadis Action 인식 새로운 모델 및 Kinetics Dataset (2017) : [논문] [참고]
• 행동 인식을위한 시공간 컨볼 루션을 자세히 살펴보십시오 (2017) : [논문] [참고]
• ActionVlad Learning Action Classification을위한 시공간 집합 (2017) : [논문] [참고]
• 비디오 액션 인식을위한 시공간 잔류 네트워크 (2016) : [논문] [참고]
• 깊은 시간적 선형 인코딩 네트워크 (2016) : [논문] [참고]
• 행동 세분화 및 탐지를위한 시간적 컨볼 루션 네트워크 (2016) : [논문] [참고]
• 3D Convolutional Network (2014)를 통한 시공간 기능 학습 : [논문] [참고]

도메인 적응, 도메인 및 분포되지 않은 일반화

• 분포 매칭 기반 도메인 적응 (2020) : [논문] [참고]
• 양도성 대 판별 성 : 배치 스펙트럼 처벌 (2019) : [논문] [참고]
• 도메인 적응에 대한 불변 표현 학습 (2019) : [논문] [참고]
• 유니버설 도메인 적응 (2019) : [논문] [참고]
• 양도 가능한 적대 훈련 (2019) : [논문] [참고]
• 다국적 도메인 적응 (2018) : [논문] [참고]
• 조건부 적대 도메인 적응 (2018) : [논문] [참고]
• 반대 공정하고 양도 가능한 표현 학습 (2018) : [논문] [참고]
• 딥 러닝에서 중요한 가중치의 효과는 무엇입니까? (2018) : [종이] [참고]

설명 가능성

• NLU 모델의 바로 가기 학습 행동 해석 및 완화에 대한 (2021) : [논문] [참고]
• 주의 시각화 이외의 변압기 해석 성 (2020) : [논문] [참고]
• 데이터 세트 아키텍처 및 훈련을 탐색하는 기능 표현 (2020) : [논문] [참고]
• 약하게 감독 된 객체 현지화를위한주의 기반 드롭 아웃 계층 (2019) : [논문] [참고]
• 주의 설명이 아님 (2019) : [논문] [참고]
• 소음을 추가하여 소음 제거 (2017) : [종이] [참고]
• Deep Networks의 공리 속성 (2017) : [논문] [참고]
• 주의 지사 네트워크 : 시각적 설명을위한주의 메커니즘 학습 (2019) : [논문] [참고]
• 주의에 더 많은 관심을 기울여 :주의 전송을 통한 CNN의 성능 향상 (2016) : [논문] [참고]

자연어 처리 (NLP)

• 사전 훈련, 프롬프트 및 예측 : 자연 언어 처리에서의 프롬프트 방법에 대한 체계적인 조사 (2021) : [논문] [참고]
• 순진한 증강 및 표지되지 않은 데이터가없는 감독되지 않은 데이터 확대 (2020) : [논문] [참고]
• 미리 훈련 된 언어 모델 미세 조정 (2021)에 대한 대조 학습 감독 : [논문] [참고]
• Bert and Pals : 멀티 태스킹 학습에서 효율적인 적응을위한 투영 된주의 레이어 (2020) : [논문] [참고]
• 프리 브 : 자연어 이해를위한 향상된 적대적 훈련 (2020) : [논문] [참고]
• MixText : 반 감독 된 텍스트 분류를위한 언어 적으로 정보 보간 (2020) : [논문] [참고]

생성 모델링

• 픽셀의 생성 사전 여파 (2020) : [논문] [참고]
• 생성 적대성 네트워크에 대한 일관성 정규화 (2020) : [논문] [참고]

감독되지 않은 학습

• 감독되지 않은 이미지 분류 및 세분화에 대한 불변 정보 클러스터링 (2019) : [논문] [참고]
• 감독되지 않은 시각적 기능 학습을위한 깊은 클러스터링 (2018) : [논문] [참고]

시맨틱 세분화

• Deeplabv3+: 황제 분리 가능한 컨볼 루션이있는 인코더 디코더 (2018) : [논문] [참고]
• 큰 커널 문제, Global Convolutional Network (2017)에 의한 시맨틱 세분화 개선 : [논문] [참고]
• 시맨틱 세분화에 대한 컨볼 루션 이해 (2018) : [논문] [참고]
• 시맨틱 이미지 세분화에 대한 황제 컨볼 루션 (2017) : [논문] [참고]
• 리피 네넷 : 고해상도 시맨틱 세분화를위한 다중 경로 정제 네트워크 (2017) : [논문] [참고]
• 피라미드 장면 구문 분석 네트워크 (2017) : [종이] [참고]
• SEGNET : ImageseMentation을위한 깊은 ConvolutionalEncoder-decoder 아키텍처 (2016) : [논문] [참고]
• ENET : 실시간 시맨틱 세분화를위한 심층 신경망 아키텍처 (2016) : [논문] [참고]
• 규모에 대한주의 : 규모 인식 시맨틱 이미지 세분화 (2016) : [논문] [참고]
• Deeplab : DCNN, Atrous Convs and CRFS를 사용한 시맨틱 이미지 세분화 (2016) : [논문] [참고]
• U-Net : 생의학 이미지 세분화를위한 컨볼 루션 네트워크 (2015) : [논문] [참고]
• 시맨틱 세분화를위한 완전 컨볼 루션 네트워크 (2015) : [논문] [참고]
• 물체 분할 및 세분화 된 현지화를위한 하이퍼 콜럼 (2015) : [논문] [참고]

약한 및 반 감독 시맨틱 세분화

• 박스 중심의 클래스 현지 지역 마스킹 및 충전 속도 가이드 손실 (2019) : [논문] [참고]
• Ficklenet : 확률 론적 추론을 사용한 약하고 반 감독 시맨틱 세분화 (2019) : [논문] [참고]
• 깊은 시드 지역 성장이있는 약하게 감독 된 시맨틱 세분화 네트워크 (2018) : [논문] [참고]
• 이미지 수준 감독과 함께 픽셀 수준의 시맨틱 친화력 학습 (2018) : [논문] [참고]
• 대적 지우기를 가진 물체 지역 채굴 (2018) : [종이] [참고]
• 확장 된 컨볼 루션 재 방문 : 약하고 반 감독 된 세분화를위한 간단한 접근 (2018) : [논문] [참고]
• 어디에서 볼지 알려주세요 : Guided Interection Interference Network (2018) : [논문] [참고]
• 생성 적대성 네트워크 (2017)를 사용한 반 감독 시맨틱 세분화 : [논문] [참고]
• 반 감독 시맨틱 세분화를위한 분리 된 심층 신경망 (2015) : [논문] [참고]
• 시맨틱 이미지 세분화를위한 DCNN의 약한 및 반 감독 학습 (2015) : [논문] [참고]

정보 검색

• VSE ++ : 단단한 네거티브를 사용한 시각적 세부적인 임베드 개선 (2018) : [논문] [참고]

그래프 신경망

• 연관 임베딩 (2017)에 의한 그래프 픽셀 : [논문] [참고]
• 연관 임베딩 : 조인트 탐지 및 그룹화 용 엔드 투 엔드 학습 (2017) : [논문] [참고]
• 물체, 관계 및 물리학에 대한 학습을위한 상호 작용 네트워크 (2016) : [논문] [참고]
• 딥 워크 : 사회적 표현의 온라인 학습 (2014) : [논문] [참고]
• 그래프 신경망 모델 (2009) : [논문] [참고]

정규화

• 매니 폴드 믹스 업 : 숨겨진 상태를 보간하여 더 나은 표현 (2018) : [논문] [참고]

딥 러닝 방법 및 모델

• Autoaugment (2018) : [논문] [참고]
• 쌓인 모래 시어머니 (2017) : [종이] [참고]

문서 분석 및 세분화

• DHSEGMAR : 문서 세분화를위한 일반적인 심도있는 접근법 (2018) : [논문] [참고]
• 멀티 모달 완전 컨볼 루션 신경망을 사용하여 문서에서 시맨틱 구조를 추출하는 법 (2017) : [논문] [참고]
• 조건부 랜덤 필드를 사용한 과거 필기 문서 이미지의 페이지 분할 (2016) : [논문] [참고]
• 역사적 문서의 텍스트 라인 탐지에 관한 ICDAR 2015 경쟁 (2015) : [논문] [참고]
• 완전 컨볼 루션 네트워크 (2017)를 사용한 필기 텍스트 라인 세분화 : [논문] [참고]
• 큰 어휘 필기 텍스트 인식을위한 깊은 신경망 (2015) : [논문] [참고]
• Convolutional Autoencoders를 사용한 과거 문서 이미지의 페이지 세분화 (2015) : [논문] [참고]