Deep Learning Paper Review and Practice

仔細學習論文審查和代碼實踐：深度學習論文評論和實踐

• 這是細緻的深度學習論文評論和代碼實踐的存儲庫。
• 根據最新論文，我們介紹了非常流行的各種深度學習論文。
• 如有疑問，請將其留在此存儲庫的“問題”選項卡中。

圖像識別（圖像識別）

• 使用變壓器的端到端對象檢測（ECCV 2020）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 搜索MobilenetV3（ICCV 2019）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 圖像識別的深度殘留學習（CVPR 2016）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF / MNIST / CIFAR-10 / IMAGENET
• 自適應實例歸一化實時的任意樣式轉移（ICCV 2017）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 使用卷積神經網絡的圖像樣式轉移（CVPR 2016）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 更快的R-CNN：通過區域提案網絡實時對象檢測（NIPS 2015）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習

自然語言處理（自然語言處理）

• 單頭授予RNN：停止思考（2020）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• BERT：對語言承諾的深雙向變壓器的預訓練（NAACL 2019）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 您需要注意的全部（NIPS 2017）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 神經機器翻譯通過共同學習對齊和翻譯（ICLR 2015）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 顯示和講述：神經圖像標題發電機（CVPR 2015）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 使用神經網絡序列學習的順序（NIPS 2014）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習

生成模型和超級分辨率

• 零擊超分辨率的元轉移學習（CVPR 2020）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• Singan：從單個自然圖像中學習生成模型（ICCV 2019）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 一種基於樣式的生成器架構，用於生成對抗網絡（CVPR 2019）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• Stargan：統一生成的網絡用於多域圖像到儀器翻譯（CVPR 2018）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 帶有條件對抗網絡的圖像到圖像翻譯（CVPR 2017）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 通用網（NIPS 2014）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習

建模與優化（建模與優化）

• 圖像分類的技巧袋（CVPR 2019）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF
  • CIFAR-10 / CIFAR-10具有標籤平滑 / CIFAR-10，帶有輸入混合 / CIFAR-10，標籤平滑和輸入混合
• 深度壓縮：帶有修剪，訓練量化和Huffman編碼的深層神經網絡（ICLR 2016年）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 分批歸一化：通過減少國際協變量轉移來加速深層網絡培訓（PMLR 2015）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習

對抗性例子和後門攻擊（敵對的例子和後門攻擊）

• Hopskipjumpattack：基於查詢效率的基於決策的攻擊（標準普爾2020年）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /目標攻擊 /非目標攻擊
• 違反認證的辯護：具有欺騙性魯棒性證書的語義對抗性示例（ICLR 2020）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• Sign-Opt：查詢有效的硬標籤對抗攻擊（ICLR 2020）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF / MNIST / CIFAR-10
• 伯特真的很健壯嗎？自然語言攻擊文本分類和索引的強大基準（AAAI 2020年）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習
• 查詢有效的硬標籤黑盒攻擊：基於優化的方法（ICLR 2019）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF / MNIST / CIFAR-10
• 通過動量增強對抗性攻擊（CVPR 2018 Spotlight）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF / CIFAR-10 / Imagenet
• 毒青蛙！對神經網絡的有針對性的清潔標籤中毒攻擊（NIPS 2018）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF / Resnet / Alexnet
• 基於決策的對抗攻擊：針對黑盒機器學習模型的可靠攻擊（ICLR 2018）
  • 原始紙鏈接 /紙質評論視頻 /摘要PDF /代碼練習

最後論文評論內容

• 解釋和利用對抗性例子（ICLR 2015）
  • 原始紙鏈接 /紙評論視頻
• 旨在評估神經網絡的魯棒性（S＆P 2017）
  • 原始紙鏈接 /紙評論視頻
• 邁向抵抗對抗性攻擊的深度學習模型（ICLR 2018）
  • 原始紙鏈接 /紙評論視頻
• 對抗性示例不是錯誤，而是ARRE功能（NIPS 2019）
  • 原始紙鏈接 /紙評論視頻
• 對具有差異隱私的對抗性示例的認證魯棒性（標準普爾2019）
  • 原始紙鏈接 /紙評論視頻
• 混淆的梯度給出了錯誤的安全感（ICML 2018）
  • 原始紙鏈接 /紙評論視頻
• 用生成模型構建非逆境示例（NIPS 2018）
  • 原始紙鏈接 /紙評論視頻
• 對抗補丁（NIPS 2018）
  • 原始紙鏈接 /紙評論視頻