本文来自ECCV 2018 选为Oral的论文《Learning-based Video Motion Magnification》，代码已开源，作者信息：
“ 本文的内容包括图卷积的基础知识以及相关辅助理解的知识点，相信同学们看完后一定能平滑上手理解GCN！”
不知道大家有没有这样的感觉，本人一直觉得社交网络这个东西是一个很有意思的玩意儿，起初觉得它有意思也可能是由于这个可爱的名词-Social Network，也可能是被五颜六色的社交网络示意图所吸引，总之并没有什么高大上的名词...
开篇的这张图代表ILSVRC历年的Top-5错误率，我会按照以上经典网络出现的时间顺序对他们进行介绍，同时穿插一些其他的经典CNN网络。
这是卷积神经网络学习路线的第五篇文章，主要为大家介绍一下卷积神经网络的参数设置，调参技巧以及被广泛应用在了哪些领域，希望可以帮助到大家。...
论文 1：Distribution-Independent PAC Learning of Halfspaces with Massart Noise
在神经网络世界中，对图像数据进行建模需要特殊的方法。其中最著名的是卷积神经网络(CNN或ConvNet)或称为卷积自编码器。并非所有的读者都了解图像数据，那么我先简要介绍图像数据(如果你对这方面已经很清楚了，可以跳过)。...
【导语】目前，深度卷积（Depthwise convolution）在追求高性能的卷积网络中的应用变得越来越流行，但很多研究忽略了其内核大小的影响。在本文中，作者系统地研究了不同内核大小的影响，并发现将多种内核大小的优势结合在一起可...
深度残差收缩网络（Deep Residual Shrinkage Network）是深度残差网络（Deep Residual Network, ResNet）的一种改进，发表在IEEE Transactions on Industrial Informatics上，面向的是样本含有噪声的情况。...
