ICLR 2021Alexey Dosovitskiy, Lucas Beyer, Alexander Kolesnikov, Dirk Weissenborn, Xiaohua Zhai, Thomas Unterthiner, Mostafa Dehghani, Matthias Minderer, Georg Heigold, Sylvain Gelly, Jakob Uszkoreit,

NeurIPS 2019Prajit Ramachandran, Niki Parmar, Ashish Vaswani, Irwan Bello, Anselm Levskaya, Jonathon Shlens一、简介受限于感受域的大小设定，卷积很难获取长距离的像素关系，而在序列模型中，已经能很好地用attention来解决这个问题。将内容交互的模块（注意力机制）作为视觉模型的主要单元。为此，

1 简介本实验实现RGB灯的颜色渐变，从红慢慢过渡到绿，再慢慢过渡到蓝，再慢慢过渡到红。其原理是通过查表的方法给三个通道不同的pwm，从而改变颜色。2 硬件使用野火指南者开发板。2.1 RGBRGB灯由红蓝绿三个小灯构成，使用PWM控制是可以混合成256种不同的颜色。STM32的三个引脚需要选择具有定时器输出通道功能，而不是任意的GPIO口。本次实验使用PB5、PB0及PB1引脚，分别是定时器TI

1 ErrorC:\Users\win10\Desktop\BP-Network>pip install numpyWARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ProxyError('Cannot conn

2020IJCAI2019 Computer Vision and Pattern RecognitionBing Cao, Nannan Wang, Xinbo Gao, Jie Li, Zhifeng Li一、简介提出了一种深度神经网络方法，即基于多边缘的去相关学习(MMDL)，用于在超球空间中提取跨域人脸图像的去相关表示。该框架可分为两个部分:异质表示网络和去相关表示学习。首先，我们使用大规

2021Computer Vision and Pattern RecognitionRushuang Xu, MyeongAh Cho, Sangyoun Lee一、简介许多研究集中在提取领域不变特征，如面部部分关系信息。然而，当姿态变化发生时，面部组件位置改变，并且提取不同的部分关系。我们提出了一个部件关系注意模块，该模块裁剪通过语义遮罩获得的面部部件，并使用这些代表性特征中的每一个来执行关系

一、简介本次实验的任务是汉字识别。使用pytorch深度学习框架和HWDB手写汉字数据集进行实验。二、开发环境目前主流的神经网络框架有Tensorflow，Pytorch，MXNET，Keras等。本次实验使用Pytroch深度学习框架。PyTorch看作加入了GPU支持的numpy，并且它是一个拥有自动求导功能的强大的深度神经网络。三、HWDB数据集3.1 简介HWDB是一个手写汉字数据集，该数