图神经网络论文解读第15页

FAST-RCNN论文解读

关于R-CNN请见enginelong的博客文章目录SPPnet与R-CNNR-CNN缺点SPPnet改进SPPnet缺点FAST-RCNNFAST-RCNN模型架构ROI池化层FAST-RCNN训练过程预训练模型初始化FAST-RCNN主干网微调网络FAST-RCNN几个细节多任务损失函数Mini-batch采样RoI池化层的反向传播SGD超参数尺度不变性FAST-RCNN检测使用SVD加速全连

enginelong·2023-08-16 10:42

KDD 2023 | 美团技术团队精选论文解读

本文精选了美团技术团队被KDD2023收录的7篇论文进行解读，论文覆盖了Feed流推荐、多模态数据、实例分割、用户意图预测等多个方向。这些论文也是美团技术团队与国内多所高校、科研机构合作的成果。希望给从事相关研究工作的同学带来一些启发或者帮助。ACMSIGKDD（国际数据挖掘与知识发现大会，简称KDD）于1995年首次举办，自此成为数据挖掘领域的重要国际会议之一，也是研究数据挖掘和知识发现这一领域

·2023-08-15 16:34

微信记录---推荐系统---23/8/14 小总结

Wzideng·2023-08-15 03:56

李宏毅机器学习|图神经网络Graph Nerual Networks(GNN)|学习笔记

文章目录前言1Introduction2Roadmap3Spatial-basedGNNNN4G(NeuralNetworksforGraph)DCNN(Diffusion-ConvolutionNeuralNetwork)MoNET(MixtureModelNetworks)GAT(GraphAttentionNetworks)GIN(GraphIsomorphismNetwork)总结前言最近

亨少德小迷弟·2023-08-14 01:49

深度学习（36）—— 图神经网络GNN（1）

深度学习（36）——图神经网络GNN（1）这个系列的所有代码我都会放在git上，欢迎造访文章目录深度学习（36）——图神经网络GNN（1）1.基础知识2.使用场景3.图卷积神经网络GCN（1）基本思想4

柚子味的羊·2023-08-13 17:31

深度学习（37）—— 图神经网络GNN（2）

深度学习（37）——图神经网络GNN（2）这一期主要是一些简单示例，针对不同的情况，使用的数据都是torch_geometric的内置数据集文章目录深度学习（37）——图神经网络GNN（2）1.一个graph

柚子味的羊·2023-08-13 07:50

CNN经典网络模型之GoogleNet论文解读

目录1.GoogleNet1.1Inception模块1.1.11x1卷积1.2辅助分类器结构1.3GoogleNet网络结构图1.GoogleNetGoogleNet，也被称为Inception-v1，是由Google团队在2014年提出的一种深度卷积神经网络架构，专门用于图像分类和特征提取任务。它在ILSVRC（ImageNetLargeScaleVisualRecognitionChalle

山河亦问安·2023-08-12 20:46

CS224W-图神经网络笔记6.1：Message Passing and Node Classification - 节点分类方法简介

CS224W-图神经网络笔记6.1：MessagePassingandNodeClassification-节点分类方法简介本文总结之日CS224WWinter2021只更新到了第四节，所以下文会参考2021

Epiphron·2023-08-12 13:44

RepVGG（一）论文解析

RepVGG（一）论文解析论文解读RepVGG（一）论文解析前言一、REPVGG是什么？

江小皮不皮·2023-08-12 08:27

CS224W-图神经网络笔记4.3：Community Structure in Networks - 网络中重叠社区的挖掘——BigCLAM 算法

CS224W-图神经网络笔记4.3：CommunityStructureinNetworks-网络中重叠社区的挖掘——BigCLAM算法本文总结之日CS224WWinter2021只更新到了第四节，所以下文会参考

Epiphron·2023-08-12 07:42

Learning Texture Transformer Network for Image Super-Resolution论文解读-参考图像超分重建

最近阅读了一篇参考图像超分重建的论文，这是微软研究院在CVPR2020的一篇论文，主要讨论了借助参考图像完成超分重建的任务。通过学习参考图像的纹理特征，从而恢复低分辨率图像的纹理信息，实现图像超分重建的任务。Intruction图像超分重建的目的是从低分辨率图像恢复高分辨率图像所对应的自然以及真实的纹理。近年来，图像超分在众多领域有所应用。相关研究通常两个方面进行，包括单图超分重建（SISR）、基

the步履不停shy·2023-08-11 14:04

王敏捷 - 深度学习框架这十年！

敏捷学长也指出了在深度学习新时代，随着可微分编程、图神经网络等新领域的出现以

jiandanjinxin·2023-08-11 00:45

图神经网络自监督学习工具箱 - PGCL（一）

2021】【SunYat-senUniversity/SeaAILab/TencentJarvisLab,】PrototypicalGraphContrastiveLearning核心要点文章旨在解决现有图神经网络依赖标注数据

processor4d·2023-08-10 20:38

Wav2vec2 论文阅读看到的一些问题

Wav2vec2论文阅读看到的一些问题这里只是简单的思考一下论文的一些问题，不是论文解读。Q1.为什么wav2vec依旧需要Transformer来做推理，而不直接使用VQ生成的内容？

门被核桃夹了还能补脑嘛·2023-08-10 18:53

GNN论文周报|来自慕尼黑工业大学、密歇根大学、香港科技大学等机构前沿论文研究...

以下内容来源于AMiner科技图神经网络（GNN）是一类专门针对图结构数据的神经网络模型，在社交网络分析、知识图谱等领域中取得了不错的效果。

AITIME论道·2023-08-10 08:49

论文解读｜使用深度卷积网络的图像超分辨率

原创|文BFT机器人论文标题：ImageSuper-ResolutionUsingDeepConvolutionalNetworks网址：https://arxiv.org/abs/1501.00092代码：https://github.com/Edwardlzy/SRCNN01摘要提出了一种单幅图像超分辨率（SR）的深度学习方法。该方法通过深度卷积神经网络（CNN）学习低分辨率图像到高分辨率图像

BFT白芙堂·2023-08-09 17:04

论文解读｜从点到零件：基于零件感知和零件聚合网络的点云三维物体检测

原创|文BFT机器人01背景3D物体检测是指从3D场景中检测出物体的位置、大小和类别等信息。在自动驾驶、机器人导航、虚拟现实等领域中，3D物体检测是一个非常重要的任务。然而，由于点云数据的稀疏和噪声，以及物体的多样性和复杂性，3D物体检测是一个具有挑战性的任务。因此，本文提出了一种新的基于点云的3D物体检测框架，即Part-AwareandPart-AggregationNetwork(Part-

BFT白芙堂·2023-08-09 17:03

《论文阅读》DiaASQ：基于会话方面的情感四重分析的基准 ACL2023

你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？小白如何从零读懂论文？和我一起来探索吧！今天为大

365JHWZGo·2023-08-09 08:35

《论文阅读》通过生成会话模型的迁移学习会话中的情感识别

你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？小白如何从零读懂论文？和我一起来探索吧！

365JHWZGo·2023-08-09 08:04

CS224W-图神经网络笔记2.2：Properties of Networks and Random Graph Models -网络模型（Graph Model）

本文总结之日CS224WWinter2021只更新到了第四节，所以下文会参考2021年课程的PPT并结合2019年秋季课程进行总结以求内容完整课程主页：CS224W:MachineLearningwithGraphs视频链接：【斯坦福】CS224W：图机器学习(中英字幕|2019秋)1引言学完前面两节之后，我们已经可以通过一些指标对网络，进行定量的分析。为什么在这里要插入一个网络模型？或者说，我们

Epiphron·2023-08-09 08:18

【图神经网络-RGCN】关系图神经网络dgl版本实现

参考文献【1】是数学上的解读参考文献【2】是升级版本，有空来填坑参考文献[1]【深度学习】R-GCN的dgl官方代码解读（entityclassification）[2]dgl官方解读[3]异构图神经网络入门笔记

一穷二白到年薪百万·2023-08-09 01:29

【图神经网络】邻居采样算法

在大规模图上遇到节点爆炸问题，可以参考下面的文献参考文献[1]dgl.sampling.sample_neighbors[2]graphSAGE-pytorch/src/dataCenter.py[3]PyG教程(3)：邻居采样[4]shaDow-GNN[5]KnowledgeGraphAlignmentNetworkwithGatedMulti-hopNeighborhoodAggregatio

一穷二白到年薪百万·2023-08-09 01:56

论文解读|2020TPAMI|Deep High-Resolution Representation Learning for Visual Recognition

用于视觉识别的深度高分辨率表征学习github：https://github.com/HRNet论文地址：https://arxiv.org/pdf/1908.07919摘要高分辨率表示对于位置敏感的视觉问题是必不可少的，例如人体姿态估计、语义分割和对象检测。现有的最先进的框架首先将输入图像编码为通过子网的低分辨率表示，该子网通过串联连接高到低分辨率卷积(例如，ResNet、VGGNet)而形成，

Akita·wang·2023-08-07 15:39

论文阅读|基于图神经网络的配电网故障定位方法

以装设有微型同步相量测量装置的小电流接地配电网为研究对象，以图神经网络技术为载体提升故障特征与配电网拓扑之间的融合深度，通过拓扑-数据的结合构建基于图神经

xiao黄·2023-08-07 12:00

MIT 6.824 -- MapReduce -- 01

(容错性)一致性MapReduceMap函数和Reduce函数疑问课程b站视频地址:MIT6.824DistributedSystemsSpring2020分布式系统推荐伴读读物:极客时间–大数据经典论文解读

Binary Oracle·2023-08-07 10:06

BEVDet 论文解读

BEVDet:High-PerformanceMulti-Camera3DObjectDetectioninBird-Eye-View作者单位PhiGentRobotics目的2D的视觉感知在过去的几年里有了急速的发展，涌现出一些优秀的范式工作，这些工作有较高的性能，可扩展性，以及多任务的兼容性（比如MaskR-CNN）。但是在自动驾驶感知领域，最新的一些benchmarks还是有很多不同的范式。

SugerOO·2023-08-07 03:22

Diffusion mdoel: Denoising Diffusion Probabilistic Models论文解读及实现(二)

训练及推理步骤如下训练：①准备真实图片样本数据②根据递推公式直接加噪到第t步，得到第t步数据xt，并记录真实加噪噪声noise③根据第t步数据xt和t，喂给神经网络得到预测的噪声predict_noise④真实噪声noise和预测噪声predict_noise进行损失函数计算采样：①随机生成第噪声数据，作为第t步的数据xt②根据公式q(x_{t-1}|x_t,x_0)，得到x{t-1}步数据③直到

晚点吧·2023-08-06 09:09

Diffusion mdoel: Denoising Diffusion Probabilistic Models论文解读及实现(一)

论文地址：https://arxiv.org/pdf/2006.11239.pdf1正向加噪推导**核心公式1**xt=αˉt∗x0+1−αˉtztx_t=\sqrt{\bar\alpha_t}*x_{0}+\sqrt{1-\bar\alpha_t}z_txt=αˉt∗x0+1−αˉtzt证明如下：αt=1−βtβ越来越大，则α越来越小\alpha_t=1-\beta_t\quad\beta越来越

晚点吧·2023-08-06 09:08

DALLE2论文解读及实现(一)

DALLE2:HierarchicalText-ConditionalImageGenerationwithCLIPLatentspaper:https://cdn.openai.com/papers/dall-e-2.pdfgithub:https://github.com/lucidrains/DALLE2-pytorchDALLE2概览：-CLIP模型：用于生成textembeddingzt

晚点吧·2023-08-06 09:08

GNN4EDA综述｜电子设计自动化与图神经网络理论及应用

本文为「AComprehensiveSurveyonElectronicDesignAutomationandGraphNeuralNetworks:TheoryandApplications」阅读笔记，补充了部分应用（如linkprediction用于reverseengineering）。部分词汇（术语？）由于我背景知识&英语水平有限，保留英语原文，防止跑偏。pdf摘要遵从摩尔定律，芯片设计的

电车上那个cll呀·2023-08-05 11:56

论文解读｜2020 CVPR：PointASNL：基于自适应采样的非局部神经网络点云鲁棒处理

原创|文BFT机器人01背景点云是由大量的点组成的三维数据集，通常由激光雷达或摄像机等传感器采集。点云数据处理是计算机视觉和机器学习领域的重要研究方向，应用广泛，例如自动驾驶、机器人导航、三维建模等。然而，点云数据通常存在噪声、异常值和不规则采样等问题，这些问题会影响点云数据的质量和准确性。图1PointASNL的应用02创新点本论文的创新点主要有三个方面：1）提出了一种端到端的模型PointAS

BFT白芙堂·2023-08-02 12:50

论文解读｜进一步融合：体积融合中6D姿态估计的多对象推理

原创|文BFT机器人01背景机器人等智能设备需要从它们的车载视觉系统中获得高效的基于物体的场景表示，以解释接触、物理和遮挡。已识别的精确对象模型将与未识别结构的非参数重建一起发挥重要作用。本文提出了一个系统用于估计实时的接触和遮挡的精确姿态。从单个RGBD视图中提出三维对象姿态建议，在摄像机移动时从多个视图中积累姿态估计和非参数占用信息，并执行联合优化，以估计接触中的多个对象的一致的、不相交的姿态

BFT白芙堂·2023-08-02 12:19

论文解读Neural Body: Implicit Neural Representations with Structured Latent Codes for Novel View Synthes

基于结构化潜代码的隐式神经表示新视图合成NeuralBody:ImplicitNeuralRepresentationswithStructuredLatentCodesforNovelViewSynthes论文地址：论文https://arxiv.org/pdf/2012.15838.pdf项目地址：Githubhttps://github.com/zju3dv/neuralbody图1：从稀疏

出门吃三碗饭·2023-08-01 23:35

图注意力网络论文详解和PyTorch实现

图神经网络(gnn)是一类功能强大的神经网络，它对图结构数据进行操作。它们通过从节点的局部邻域聚合信息来学习节点表示(嵌入)。这个概念在图表示学习文献中被称为“消息传递”。

deephub·2023-07-31 17:39

图神经网络自监督学习工具箱 - MERIT（二）

NanjingUniversityofScienceandTechnology】Multi-ScaleContrastiveSiameseNetworksforSelf-SupervisedGraphRepresentationLearning核心要点文章旨在解决现有图神经网络方法严重依赖标注样本的问题

processor4d·2023-07-31 15:53

Arxiv网络科学论文摘要14篇(2019-02-21)

ComplexLY·2023-07-31 08:18

图神经网络（GNN）入门学习笔记（直观且简单）

文章目录图的定义和表示可以使用图数据结构的问题将图结构用于机器学习的挑战最基本的图神经网络概述汇聚操作基于信息传递的改进图神经网络全局向量信息的利用本篇文章参考发表于Distill上的图神经网络入门博客

北岛寒沫·2023-07-31 06:57

【图神经网络】个人综述分享

Zongshun Wang的博客·2023-07-31 06:08

ONE-PEACE论文解读

文章目录1.摘要2.引言3.算法3.1结构模态自适应器3.2模态融合编码器3.3任务4.实验4.1视觉任务4.2音频任务4.3视觉语言任务4.4消融实验4.5zero-shot检索5.结论论文：《ONE-PEACE:EXPLORINGONEGENERALREPRESENTATIONMODELTOWARDUNLIMITEDMODALITIES》github：https://github.com/OF

‘Atlas’·2023-07-30 23:24

AnimateDiff论文解读-基于Stable Diffusion文生图模型生成动画

文章目录1.摘要2.引言3.算法3.1Preliminaries3.2.PersonalizedAnimation3.3MotionModelingModule4.实验5.限制6.结论论文：《AnimateDiff:AnimateYourPersonalizedText-to-ImageDiffusionModelswithoutSpecificTuning》github:https://gith

‘Atlas’·2023-07-30 23:23

《论文阅读》Cluster-Level Contrastive Learning for Emotion Recognition in Conversations

你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？小白如何从零读懂论文？和我一起来探索吧！今天为大家带来的是《Cluster-LevelContrastiveLe

365JHWZGo·2023-07-30 23:45

论文解读：Contrastive Learning Reduces Hallucination in Conversations

论文解读：ContrastiveLearningReducesHallucinationinConversationsGithub：https://github.com/sunnweiwei/MixCL

华师数据学院·王嘉宁·2023-07-30 23:43

VoxPoser：使用大语言模型(GPT-4)来对机器人操作的可组合三维值图【论文解读】

这是最近斯坦福的李飞飞团队的一篇论文:VoxPoser:Composable3DValueMapsforRoboticManipulationwithLanguageModels主要是通过大语言模型LLM和视觉语言模型VLM结合，来对机器人做各种日常操作，我们可以先来看下实际效果：大语言模型加视觉模型的通用机器人可以看到在不同的实际场景中都可以很好的进行日常操作，而且具备对机器人不需要进行训练的优

寅恪光潜·2023-07-30 16:59

二十章：基于弱监督语义分割的亲和注意力图神经网络

为此，我们提出了亲和力注意力图神经网络（A2GNN）。按照先前的做法，我们首先生成伪语义感知的种子，然后基于我们新提出的亲和力卷积神经网络（CNN）将其形成语义图。

Joney Feng·2023-07-29 21:44

《Relational inductive biases, deep learning, and graph networks》论文解读（转载）

mark一下，感谢作者分享！（后续还会补充）研究背景机器学习界有三个主要学派，符号主义（Symbolicism）、连接主义（Connectionism）、行为主义（Actionism）。符号主义的起源，注重研究知识表达和逻辑推理。经过几十年的研究，目前这一学派的主要成果，一个是贝叶斯因果网络，另一个是知识图谱。贝叶斯因果网络的旗手是JudeaPearl教授，2011年的图灵奖获得者。但是据说201

法相·2023-07-29 17:45

多视图图神经网络

给定多视图：G=G=G=训练一个神经网络注意力机制：![在这里插入图片描述](https://img-blog.csdnimg.cn/95fbafc349704338883c4de2012266a2.pngc采用多头注意力：加入正则化约束：结点对视图的注意力：融合：

欧阳AI锋·2023-07-29 11:21

HyperGCN: 超图神经网络

基于超图的半监督学习超图上的卷积：超图上的拉普拉斯：对于每一条超边eee，可以弹出一对顶点(ie,je)=argmaxi,j∈e∣Si−Sj∣(i_{e},j_{e})=argmax_{i,j\ine}|S_{i}-S_{j}|(ie,je)=argmaxi,j∈e∣Si−Sj∣然后正则化Laplacian计算为：L=(I−D−12ASD−12)S\mathbb{L}=(I-D^{-\frac{1

欧阳AI锋·2023-07-29 11:20

图神经网络处理heterophily图

对于图神经网络，会有如下的卷积操作：我们注意到，