Deep Learning Paper Review and Practice

仔细学习论文审查和代码实践：深度学习论文评论和实践

• 这是细致的深度学习论文评论和代码实践的存储库。
• 根据最新论文，我们介绍了非常流行的各种深度学习论文。
• 如有疑问，请将其留在此存储库的“问题”选项卡中。

图像识别（图像识别）

• 使用变压器的端到端对象检测（ECCV 2020）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 搜索MobilenetV3（ICCV 2019）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 图像识别的深度残留学习（CVPR 2016）
  • 原始纸链接 /纸质评论视频 /摘要PDF / MNIST / CIFAR-10 / IMAGENET
• 自适应实例归一化实时的任意样式转移（ICCV 2017）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 使用卷积神经网络的图像样式转移（CVPR 2016）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 更快的R-CNN：通过区域提案网络实时对象检测（NIPS 2015）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习

自然语言处理（自然语言处理）

• 单头授予RNN：停止思考（2020）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• BERT：对语言承诺的深双向变压器的预训练（NAACL 2019）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 您需要注意的全部（NIPS 2017）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 神经机器翻译通过共同学习对齐和翻译（ICLR 2015）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 显示和讲述：神经图像标题发电机（CVPR 2015）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 使用神经网络序列学习的顺序（NIPS 2014）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习

生成模型和超级分辨率

• 零击超分辨率的元转移学习（CVPR 2020）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• Singan：从单个自然图像中学习生成模型（ICCV 2019）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 一种基于样式的生成器架构，用于生成对抗网络（CVPR 2019）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• Stargan：统一生成的网络用于多域图像到仪器翻译（CVPR 2018）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 带有条件对抗网络的图像到图像翻译（CVPR 2017）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 通用网（NIPS 2014）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习

建模与优化（建模与优化）

• 图像分类的技巧袋（CVPR 2019）
  • 原始纸链接 /纸质评论视频 /摘要PDF
  • CIFAR-10 / CIFAR-10具有标签平滑 / CIFAR-10，带有输入混合 / CIFAR-10，标签平滑和输入混合
• 深度压缩：带有修剪，训练量化和Huffman编码的深层神经网络（ICLR 2016年）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 分批归一化：通过减少国际协变量转移来加速深层网络培训（PMLR 2015）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习

对抗性例子和后门攻击（敌对的例子和后门攻击）

• Hopskipjumpattack：基于查询效率的基于决策的攻击（标准普尔2020年）
  • 原始纸链接 /纸质评论视频 /摘要PDF /目标攻击 /非目标攻击
• 违反认证的辩护：具有欺骗性鲁棒性证书的语义对抗性示例（ICLR 2020）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• Sign-Opt：查询有效的硬标签对抗攻击（ICLR 2020）
  • 原始纸链接 /纸质评论视频 /摘要PDF / MNIST / CIFAR-10
• 伯特真的很健壮吗？自然语言攻击文本分类和索引的强大基准（AAAI 2020年）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习
• 查询有效的硬标签黑盒攻击：基于优化的方法（ICLR 2019）
  • 原始纸链接 /纸质评论视频 /摘要PDF / MNIST / CIFAR-10
• 通过动量增强对抗性攻击（CVPR 2018 Spotlight）
  • 原始纸链接 /纸质评论视频 /摘要PDF / CIFAR-10 / Imagenet
• 毒青蛙！对神经网络的有针对性的清洁标签中毒攻击（NIPS 2018）
  • 原始纸链接 /纸质评论视频 /摘要PDF / Resnet / Alexnet
• 基于决策的对抗攻击：针对黑盒机器学习模型的可靠攻击（ICLR 2018）
  • 原始纸链接 /纸质评论视频 /摘要PDF /代码练习

最后论文评论内容

• 解释和利用对抗性例子（ICLR 2015）
  • 原始纸链接 /纸评论视频
• 旨在评估神经网络的鲁棒性（S＆P 2017）
  • 原始纸链接 /纸评论视频
• 迈向抵抗对抗性攻击的深度学习模型（ICLR 2018）
  • 原始纸链接 /纸评论视频
• 对抗性示例不是错误，而是ARRE功能（NIPS 2019）
  • 原始纸链接 /纸评论视频
• 对具有差异隐私的对抗性示例的认证鲁棒性（标准普尔2019）
  • 原始纸链接 /纸评论视频
• 混淆的梯度给出了错误的安全感（ICML 2018）
  • 原始纸链接 /纸评论视频
• 用生成模型构建非逆境示例（NIPS 2018）
  • 原始纸链接 /纸评论视频
• 对抗补丁（NIPS 2018）
  • 原始纸链接 /纸评论视频