尝试用chatGPT做综述。备注：chatGPT的知识只到2021年。所以2022年以后的论文无法包含。初次prompt我的研究方向是深度学习相关的目标检测，你可以告诉我目标检测的发展脉络吗？将论文分类梳理同时给出经典的论文。当谈到目标检测的发展脉络时，以下是一些重要的里程碑和经典论文：R-CNN系列：R-CNN(RegionswithConvolutionalNeuralNetworks)[Girshicketal.,2014]FastR-CNN[Girshick,2015]FasterR-CNN[Renetal.,2015]MaskR-CNN[Heetal.,2017]单阶段检测器：YOL
前言之前发过几篇有关VSG的文章，大部分是对高水平论文的解读，主要讲了讲储能技术和多机并联的稳定性分析，其实还有一个重要方向还没有谈到，那就是转动惯量和阻尼系数的自调节，后面再来说这个吧，之前自己做过一些基于神经网络算法的转动惯量自调节实验，得到了良好的效果，后面我会把这个项目开源出来，大家可以在自己的VSG模型上尝试。在研究的中期，我想读一篇综述。读综述的目的一般有二，一是作为初学者或外行人，跟随专业人士的眼光来了解一个行业、一项技术的发展情况。二是作为研究人员，来反省自己的方向是否跟随主流，是否有潜力，同时思考一些更深层次的问题，比如技术内在问题怎么结合，怎么找到创新点。今天来分析综述的目
前言之前发过几篇有关VSG的文章，大部分是对高水平论文的解读，主要讲了讲储能技术和多机并联的稳定性分析，其实还有一个重要方向还没有谈到，那就是转动惯量和阻尼系数的自调节，后面再来说这个吧，之前自己做过一些基于神经网络算法的转动惯量自调节实验，得到了良好的效果，后面我会把这个项目开源出来，大家可以在自己的VSG模型上尝试。在研究的中期，我想读一篇综述。读综述的目的一般有二，一是作为初学者或外行人，跟随专业人士的眼光来了解一个行业、一项技术的发展情况。二是作为研究人员，来反省自己的方向是否跟随主流，是否有潜力，同时思考一些更深层次的问题，比如技术内在问题怎么结合，怎么找到创新点。今天来分析综述的目
科研论文写作可以参考b站的专栏，会持续更新科研论文写作相关内容。
宽频带全向高增益天线综述研究背景和意义。在现代无线通信技快速发展的今天，人们对于未知宇宙世界认知的扩展和生活水平质量的提高都要求电磁技术有更快的发展。天线可以将空气中的电磁波和导体馈线上的电流进行转换，在现代无线通讯系统中起着至关重要的作用。并且随着天线制作工艺的提升，新材料的研究和设计技术的创新和发展，也要求天线的性能能够得到进更大的提升。于此同时，现代无线通讯系统和雷达系统中，会需要天线在各种复杂的地形环境和恶劣天气下工作，这对于采用以前技术的天线来说是一种很大的考验，会严重影响通信质量，所以需要电磁技术和天线设计技术的创新来适应时代的需要。近些年来，天线的设计技术和方案有了很大的创新和提
近来，多模态大语言模型（MultimodalLargeLanguageModel，MLLM）受到广泛关注，成为一个新兴的研究热点。MLLM通常以大语言模型（LargeLanguageModel，LLM）为基础，融入其它非文本的模态信息，完成各种多模态任务。图片相比于常规的多模态模型，MLLM涌现出一些令人惊叹的新能力，例如基于图片进行诗文创作和OCR-Free的数学推理等。这些强大的能力显示MLLM有望成为实现通用人工智能的一种途径。为此，来自中科大、腾讯等机构的研究人员深入探讨了MLLM的研究进展并发表了该领域的首篇综述《ASurveyonMultimodalLargeLanguageMod
大型语言模型（LLM）已经很强了，但还可以更强。通过结合知识图谱，LLM有望解决缺乏事实知识、幻觉和可解释性等诸多问题；而反过来LLM也能助益知识图谱，让其具备强大的文本和语言理解能力。而如果能将两者充分融合，我们也许还能得到更加全能的人工智能。今天我们将介绍一篇综述LLM与知识图谱联合相关研究的论文，其中既包含用知识图谱增强LLM的研究进展，也有用LLM增强知识图谱的研究成果，还有LLM与知识图谱协同的最近成果。文中概括性的框架展示非常方便读者参考。图片论文：https://arxiv.org/abs/2306.08302v1BERT、RoBERTA和T5等在大规模语料库上预训练的大型语言模
SAM（SegmentAnything）作为一个视觉的分割基础模型，在短短的3个月时间吸引了很多研究者的关注和跟进。如果你想系统地了解SAM背后的技术，并跟上内卷的步伐，并能做出属于自己的SAM模型，那么接下这篇Transformer-Based的SegmentationSurvey是不容错过！近期，南洋理工大学和上海人工智能实验室几位研究人员写了一篇关于 Transformer-Based的Segmentation的综述，系统地回顾了近些年来基于Transformer 的分割与检测模型，调研的最新模型截止至今年6月！同时，综述还包括了相关领域的最新论文以及大量的实验分析与对比，并披露了多个具
SG（SceneGraph，场景图）能够很好地帮助人们对视频场景的理解，SGG（SceneGraphGeneration ）这一研究方向让我有必要去对这一领域进行全面的了解，先写一部分，后面补全，挑重要的翻译了下，仅用作个人学习记录。参考论文：2104.01111.pdf(arxiv.org)https://arxiv.org/pdf/2104.01111.pdf摘要场景图是对场景的结构化表示，可以清晰地表达场景中的对象、属性和对象之间的关系。随着计算机视觉技术的不断发展，人们不再满足于简单地检测和识别图像中的物体;相反，人们期待对视觉场景有更高层次的理解和推理。例如，给定一张图像，我们不仅要
本文会不定期更新1、引言在模式识别领域，指纹识别是少有的、依赖传统技术就能够取得很高识别率的子领域。早在1970年代，当时的自动指纹识别技术就已经能帮助警方破案了。可能因为传统技术太成功了，深度学习在指纹识别领域的应用起步较晚。不过随着深度学习的蓬勃发展，研究者逐渐基于各种深度学习技术实现了指纹识别的各个模块，取得了越来越好的性能。2019年，Springer出版社联系HandbookofFingerprintRecognition前两版（2004第一版，2009第二版）的作者写第三版的时候，Maltoni教授曾经有点犹豫。他觉得，如果是10年前人脸识别的专著，现在肯定需要重写了，因为过去10
