attentive 第3页

【论文解读】Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context

文章目录VanillaTransformerLanguageModelsSegment-LevelRecurrencewithStateReuseRelativePositionalEncodingsReference1.Transformer-XL:AttentiveLanguageModelsBeyondaFixed-LengthContext2.Transformer-XL:Unleashi

十里清风·2020-08-24 02:37

Semantic Sentence Matching with Densely-connected Recurrent and Co-attentive Information

文章目录AbstractIntroductionRelatedWorkMethodsExperimentsExperimentalResultsAbstractSentencematchingiswidelyusedinvariousnaturallanguagetaskssuchasnaturallanguageinference,paraphraseidentification,andques

shelley__huang·2020-08-24 01:55

文本匹配论文Semantic Sentence Matching with Densely-connected Recurrent and Co-attentive Information

实验代码在SNLI测试集的准确率为80.04%80.04\%80.04%这篇论文在SNLI数据集上达到的准确率超过90%，仅次于用BERT的模型，而且论文中用的densely-connected的RNN也是为数不多的可以把RNN堆叠很多层还能保证较高的准确率。众所周知，RNN由于梯度消失的问题使得它不能堆叠很多层。下面一起看看模型：语义句子匹配语义句子匹配是NLP领域中很基础也很重要的任务，可以细

xhsun1997·2020-08-24 01:45

Semantic Sentence Matching with Densely-connected Recurrent and Co-attentive Information阅读笔记

文章目录概述模型1.WordRepresentationLayer2.DenselyconnectedRecurrentNetworks3.Densely-connectedCo-attentivenetworks4.Bottleneckcomponent5.InteractionandPredictionLayer实验数据集实现细节实验结果概述目前,句子匹配相关任务attention机制基本成了

Leokb24·2020-08-24 00:03

《Semantic Sentence Matching with Densely-connected Recurrent and Co-attentive Information》DRCN 句子匹配..

模型结构首先是模型图：传统的注意力机制无法保存多层原始的特征，根据DenseNet的启发，作者将循环网络的隐层的输出与最后一层连接。另外加入注意力机制，代替原来的卷积。由于最后的特征维度过大，加入AE降维。WordRepresentationLayer层自然语言的任务首先就是输入层，对每个词的one-hot表示进行embedding，这几个公式很好理解，首先作者将词的embedding分为两部分，

anqiu4023·2020-08-23 23:35

论文笔记——Semantic Sentence Matching with Densely-connected Recurrent and Co-attentive Information(DRCN)

Introduction本文出自韩国NaverCorporation和SeoulNationalUniversity，工作定义在句子匹配任务上。SentenceMatching的关键之处在于如何表示句子语义（目前感觉就是上下文信息和类似POS的特征信息，不能说是语义），如何理解句子之间的语义关系。查看相关工作可以得到，Attention算法在刻画两个句子语义关系和对齐句子成分方面有很好的效果，但是

IndexFziQ·2020-08-23 22:53

Strategic Attentive Writer for Learning Macro-Actions

NeilZhu，IDNot_GOD，UniversityAI创始人&ChiefScientist，致力于推进世界人工智能化进程。制定并实施UAI中长期增长战略和目标，带领团队快速成长为人工智能领域最专业的力量。作为行业领导者，他和UAI一起在2014年创建了TASA（中国最早的人工智能社团）,DLCenter（深度学习知识中心全球价值网络），AIgrowth（行业智库培训）等，为中国的人工智能人才

朱小虎XiaohuZhu·2020-08-23 05:52

2018-03-14

2.怦然心动的单词：tone语气revelation展示brochure小册子charm魔力expose暴露attentive注意的patriotic爱国的renew更新ranger护林员commerce

应数二班田玉峰·2020-08-22 00:44

CANet: Class-Agnostic Segmentation Networks with Iterative Refinement and Attentive...（论文解读十九）

Title：CANet:Class-AgnosticSegmentationNetworkswithIterativeRefinementandAttentiveFew-ShotLearningFrom：CVPR2019Notedata：2019/07/17Abstract：引入一种CANet，一个类不可知的分割网络，可以对新类进行几次分割，只有少量带注释的图像。Code：暂未开源目录1Abstr

Jayden yang·2020-08-12 17:50

YOLOv4-pytorch（attentive YOLOv4）（Mobilenet-YOLOv4）训练PASCAL VOC、COCO和自己的数据集

m0_47187172·2020-08-11 12:44

Action Recognition-Temporal Attentive Alignment for Large-Scale Video Domain Adaptation——ICCV2019

Abstractimage-baseddomainadaptation,domainshiftinvideos,Twolarge-scaleDAdatasets(UCF-HMDB_full,Kinetics-Gameplay)Introductionvideoscansufferfromdomaindiscrepancyalongboththespatialandtemporaldirection

leiitbe23·2020-08-06 12:47

Zero-Shot Video Object Segmentation via Attentive Graph Neural Networks论文解读

前言这是一篇iccv19的oralpaper，直到2020年一月作者才放出来，代码已经开源，用于视频分割。摘要这篇工作提出了一种新颖的注意力图神经网络，用于零样本视频目标分割(vos)。本文提出的AGNN将vos任务转化为在视频图上迭代的信息融合的过程。具体来说，Agnn建立了一张全连接的图，图的节点由视频帧构成，图的边由任意两个帧的关系构成。这种关系用一种可微的注意力机制描述。Agnn能够充分捕

咆哮的阿杰·2020-08-03 03:28

Learning Contextual and Attentive Information for Brain Tumor Segmentation

摘要本文提出了一个单通多任务网络，组合多个不同的CNNs结构，综合它们的分割结果来获取一个更为精确的最终分割结果。Dataset:本文采用的数据集是Brats2018结果本文在Valiation数据集上取得了79.22、90.74、83.58的dice数据处理本文对于数据所进行的处理就是对每张图像分别进行了图像归一化方法：将多分类任务分成三个不同但又相关的子任务来处理类别不平衡问题。1）粗分割：检

喜之郎0317·2020-08-02 15:21

分析显著性目标检测之Attentive Feedback Network for Boundary-Aware Salient Object Detection

这里写目录标题摘要引入网络详解网络模型全局感知模块AttentiveFeedbackModuleBoundary-EnhancedLoss实验结果评价指标参数设置结果比较消融实验总结摘要提出问题：目前的方法采用了特征聚集技术，能够准确地找到突出的目标，但往往不能精确地分割出边界完整的目标，特别是边界狭窄的目标。一般全卷积框架的不完善之处在于存在尺度空间问题，跨行和汇聚操作导致了关键细节(低层次的视

sssupergirl·2020-08-02 12:32

深入探寻《Self-Attentive Sequential Recommendation》ICDM‘18

本文我们主要致力于解决以下几个问题：本文的motivation/contribution是什么？实验细节以及实验效果如何？具体的应用场景？本文存在什么不足？在本文的最后，我将针对以上问题简单谈谈自己的拙见，欢迎大家一起在评论区留言谈论。言归正传，带着上面四个问题，让我们一起探寻《Self-AttentiveSequentialRecommendation》，SASRec背后的秘密！谈谈序列推荐由于

Marcus-Bao·2020-07-27 15:59

A Temporal Attentive Approach for Video-Based Pedestrian Attribute Recognition

论文：http://xxx.itp.ac.cn/abs/1901.05742代码：https://github.com/yuange250/video_pedestrian_attributes_recognition1综述本文是基于视频的方法进行行人属性识别的，所谓的视频方法就是基于同一运动目标的序列输入图像，这在实际的业务场景中是很有必要的。因为，基于单张图像进行行人属性分析的模型高度依赖输入

cdknight_happy·2020-07-15 21:24

An Attentive Survey of Attention Models 论文阅读

摘要：注意力模型应用于各个领域，这个研究提供了系统与完整的注意力模型的发展概述，我们提出来现有注意力模型的分类方法，展示了注意力模型在各个领域相结合的方法，提高了注意力模型的可解释性，最终讨论了一些注意力模型的实际应用；介绍AM模型最早被用于机器翻译领域，并占有一定的影响力，在AI方面对于神经网络框架存在大量的应用，自然语言处理、统计学习、语音与计算机视觉方面；AM的背后的原理是可以被解释的，来源

weixin_44576543·2020-07-12 14:30

论文笔记Self-Attentive Sequential Recommendation

论文信息Wang-ChengKangandJulianMcAuley.2018.Self-AttentiveSequentialRecommendation原文下载：https://arxiv.org/pdf/1808.09781.pdfAbstract顺序动态（Sequentialdynamics）在很多推荐系统中都是一个关键的特征。顺序动态就是基于用户最近的行为去捕捉用户活动的上下文。为了捕捉

artemis Anna·2020-07-12 10:44

Attentive Generative Adversarial Network for Raindrop Removal from A Single Image（2018CVPR翻译）

为了节省一点篇幅，我会删去原文中一些东西，不影响大家理解文章，同时我会保证英文和中文是对应的：AttentiveGenerativeAdversarialNetworkforRaindropRemovalfromASingleImage（2018CVPR）Abstract(摘要):Raindropsadheredtoaglasswindoworcameralenscanseverelyhamper

不服输的小白·2020-07-11 11:33

Attentive Generative Adversarial Network for Raindrop Removal from A Single Image论文理解

概述：在去雨的过程中给网络加上了attention提取，让网络能够更好地学到有雨滴部分的差别。网络结构如下：首先使用attention提取网络来获得包含雨滴的图像的attention图像（值在0-1之间，包含雨滴的地方值较大），attention提取网络中使用通过原图与gt相减并进行二值化处理之后获得的mask与网络得到的attention图来计算loss，以此来优化attention提取网络，l

Jerry_Leo_liu·2020-07-10 22:43

论文阅读：SoPhie: An Attentive GAN for Predicting Paths Compliant to Social and Physical Constraints

苏菲:一个专注于预测符合社会和物理约束的路径的GAN论文链接：https://arxiv.org/pdf/1806.01482.pdf摘要：本文讨论了场景中多个交互代理的路径预测问题，这是许多自动驾驶平台（如自动驾驶汽车和社交机器人）的关键步骤。我们介绍SoPhie;基于生成对抗网络（GAN）的可解释框架，其利用场景的图像来利用两个信息源，场景中所有代理的路径历史以及场景上下文信息。要预测代理的未

hbhhhxs·2020-07-10 17:03

[知识点整理]用于内容感知推荐系统的门控式注意自动编码器(Gated Attentive-Autoencoder for Content-Aware Recommendation)

原文：ChenMa,PengKang,BinWu,QinglongWang,andXueLiu.2019.GatedAttentive-AutoencoderforContent-AwareRecommendation.InTheTwelfthACMInternationalConferenceonWebSearchandDataMining(WSDM’19),February11–15,2019

Type真是太帅了·2020-07-07 23:47

【论文阅读】An Attentive Survey of Attention Models

AttentiveModel的优势：1、适合multipletasks例如MachineTranslation,QuestionAnswering,SentimentAnalysis,Part-of-Speechtagging,ConstituencyParsingandDialogueSystems.2、它们被广泛地用来提高神经网络的可解释性3、有助于克服递归神经网络(RNN)的一些问题，如随着

weiwanshu·2020-07-05 20:36

Attention机制在问答系统中的应用--attentive pooling networks

Attention机制在时序模型中的应用，已经被证明能够提升模型的性能。本文参考《AttentivepoolingNetworks》，该论文以时序模型输出状态设计Attention为基线（QA_LSTM_ATTENTION），提出了一种同时对问题和答案进行特征加权的Attention设计方案。本文实现了论文中基于LSTM网络结构的Attention设计，即AP-BILSTM。传统的Attentio

lirainbow0·2020-07-05 03:38

【一分钟论文】IJCAI2019 | Self-attentive Biafﬁne Dependency Parsing

点击上方，选择星标或置顶，每天给你送干货！阅读大概需要1分钟跟随小博主，每天进步一丢丢最近参加了一次苏州大学HLT实验室的LA（语言分析）组学术讨论班，收获不少。这是一次纯英文讲解和提问的mini讲座（李正华老师说以后要延续下去，为了方便以后出国交流）。我大概凑活听懂了6-70%左右，哎，以后得多下功夫了。论文解读这次分享的论文是：http://hlt.suda.edu.cn/~zhli/pape

zenRRan·2020-07-02 17:33

Bidirectional Attentive Memory Networks for Question Answering over Knowledge Bases

BidirectionalAttentiveMemoryNetworksforQuestionAnsweringoverKnowledgeBasesoriginmotivationmodeltrainandtestexperimentKnowledgeBases)origin2019naaclyuChenRensselaerPolytechnicInstituteLingfeiWuIBMResea

damuge2·2020-07-01 21:50

【论文解读 ArXiv 2019 | HAHE】Hierarchical Attentive Heterogeneous Information Network Embedding

论文链接：https://arxiv.org/abs/1902.01475代码链接：https://github.com/zhoushengisnoob/HAHE来源：ArXiv2019文章目录1摘要2介绍2.1现有方法的不足2.2作者提出2.3贡献3HAHE模型3.1Pathinstanceattentionlayer3.2Metapathattentionlayer3.3损失函数4实验5总结1

byn12345·2020-07-01 19:27

A Semi-supervised Graph Attentive Network for Financial Fraud Detection 个人总结

ASemi-supervisedGraphAttentiveNetworkforFinancialFraudDetection个人总结写在前面：为方便阅读，尽量使用中文总结，对于翻译无把握或专有词汇，在中文后附上原文字段。此外，水平有限，对文章理解有偏差部分恳请大家海涵,指正。顺便，移步去GitHub看看憋＞﹏＜0.原作信息@inproceedings{wang2019semi,title={AS

vincentx3·2020-06-28 23:06

大规模图像检索深度特征：Large-Scale Image Retrieval with Attentive Deep Local Features

在今年CVPR的“RevisitingOxfordandParis_Large-ScaleImageRetrievalBenchmarking”一文中，对比了当前几种比较优异的图像检索算法在landmark中的表现，其中由“Large-ScaleImageRetrievalwithAttentiveDeepLocalFeatures”提出的DELF特征展现出最为突出的检索精度。论文摘要：我们提出了

Shawn0901·2020-06-27 13:00

be logical P1

1attentive说了尤其在熟悉的场景中，我们会因为“以为知道”的原因进行“跳读”，因此忽略了细节。

方知方行·2020-06-27 12:35

DGL & RDKit | 基于Attentive FP可视化训练模型原子权重

DGL具有许多用于化学信息学、药物与生物信息学任务的函数。DGL开发人员提供了用于可视化训练模型原子权重的代码。使用AttentiveFP构建模型后，可以可视化给定分子的原子权重，意味着每个原子对目标值的贡献量。基于AttentiveFP可视化训练模型原子权重环境准备PyTorch：深度学习框架DGL：基于PyTorch的库，支持深度学习以处理图形RDKit：用于构建分子图并从字符串表示形式绘制结

qq2648008726·2020-06-27 03:54

Indifferent, or attentive?

當我坐在星巴克靠窗的一個小圓桌子前拿出手機刷朋友圈，享受咖啡的香醇時，我需要感謝坐我旁邊的小姐及另一位素不相識的女士。坐我旁邊的這位小姐原本有兩個並在一起的桌子，不過當她看到我拿著咖啡四處搜尋位置時，主動提出把她的一張桌子分給我，免去我苦尋座位而不得的煩惱。另一位女士則幫我解決了上網的難題。我拿出手機連接WIFI，登陸網頁后卻被提示需要輸入一個密匙。我頓時傻了眼：這和國內的上網方式不一樣啊？國內的

RLee12·2020-06-26 11:29

图像美学评价+注意力机制（IAQA+ATTENTION）Collaborative and Attentive Learning for Personalized Image Aesthetic...

清华大学在2018IJCAI发表的一篇文章。文章主要提出一个问题，先有的美学评估的方法都是对象不可知的，但是美学这一标准个体间差异很大。因此文章提出一个模型，针对特定用户的偏好，构架美学评价指标。模型所用的数据库是在AVA的基础上搭建的，在https://www.dpchallenge.com/中，每张图片下边可以看到不同用户的id和该用户对图片的评价，针对特定用户的反馈，给图像重新打分，流程如下

牛肉塔克·2020-06-26 04:16

6/17 Deep Face SR with Iterative Collaboration between Attentive Recovery and Landmark Estimation

CVPR2020DeepFaceSRwithIterativeCollaborationbetweenAttentiveRecoveryandLandmarkEstimationAttention恢复与关键点估计之间具有迭代协作的深度人脸超分辨率Abstract现有方法无法充分利用先验知识，因为人脸先验信息（例如关键点componentmap）是由低分辨率或粗略的超分辨图像估计的，这可能是不准确的

NANCYGOODENOUGH·2020-06-25 18:57

DICGAN(CVPR2020，人脸SR)Deep Face Super-Resolution with Iterative Collaboration between Attentive Recov

DeepFaceSuper-ResolutionwithIterativeCollaborationbetweenAttentiveRecoveryandLandmarkEstimation文章地址：https://arxiv.org/pdf/2003.13063.pdf项目地址：https://github.com/Maclory/Deep-Iterative-Collaboration本文与S

叱咤风云666·2020-06-25 00:17

Multi-Task Learning via Co-Attentive Sharing for Pedestrian Attribute Recognition

动机：为了在两个单独的任务网络之间共享特征表示，传统的方法，如Cross-Stitch和Sluice网络学习特征或特征子空间的线性组合。然而，线性组合排除了通道之间复杂的相互依赖关系。此外，空间信息交换的考虑较少。贡献：提出了一种新的共注意共享(co-Sharing,CAS)模块，该模块提取识别通道和空间区域，从而在行人属性识别中实现两个任务网络之间更有效的特征共享。它包括三个分支:协同分支、注意

佑林杉·2020-06-24 08:21

AAAI论文Joint Extraction of Entities and Overlapping Relations Using Position-Attentive Sequence阅读笔记

iceburg-blogs·2020-06-23 05:32

论文阅读：Deep Attentive Tracking via Reciprocative Learning

DeepAttentiveTrackingviaReciprocativeLearning2018-11-1413:30:36Paper:https://arxiv.org/abs/1810.03851Projectpage:https://ybsong00.github.io/nips18_tracking/indexCode:https://github.com/shipubupt/NIPS2

a1424262219·2020-06-22 10:01

Learning Attentive Pairwise Interaction for Fine-Grained Classification论文解读

论文链接：https://arxiv.org/abs/2002.10191分享的这篇文章来自于AAAI2020，文章的整个思路并不难理解。文章的idea来自于我们人类对相似图像的识别。一般来说，我们识别相似的图像，一方面是去找到图像中特殊的区域来进行识别，另一方面是通过比较图像对来有效地得到对比线索。这篇论文就是从后者获得的灵感。文章提出了AttentivePairwiseInteractionN

WangKingJ·2020-06-22 08:46

显著性检测之Attentive Feedback Network for Boundary-Aware Salient Object Detection

AttentiveFeedbackNetworkforBoundary-AwareSalientObjectDetection文章目录AttentiveFeedbackNetworkforBoundary-AwareSalientObjectDetection网络结构主要亮点明确的目标注意力反馈模块全局感知模块损失函数实验细节对比其他方法全局感知模块的配置比较模块消融相关链接原始文档：https:

有为少年·2020-06-22 03:56

review for Neural Attentive Session-based Recommendation

reviewforNeuralAttentiveSession-basedRecommendation简介主要贡献\创新点背景ModeloverviewGlobalEncoderinNARMLocalEncoderinNARMNARMModel实验简介本文作者是JingLi等人，发表于CIKM2017，代码地址主要贡献\创新点具有注意机制的混合编码器，以模拟用户的顺序行为（sequentialbe

DebonairLi·2020-06-21 19:51

（论文阅读笔记）Attentive Aspect Modeling for Review-aware Recommendation

论文：AttentiveAspectModelingforReview-awareRecommendation1.解决问题由于用户与产品互动的稀疏性以及用户使用多种语言的原因，在针对目标用户和产品的评论中提到的常见Aspect的数量通常非常有限，存在Aspect稀疏性。对于不同的产品（即使在同一类别中），用户关注的方面可能有所不同。2.创新点1.对同义和相似的aspect进行交互，解决aspect

DOVIS_song·2020-06-21 19:24

20180308W2复盘日志

世界上存在丑陋的事情，但是我们要相信心灵美的人还是很多的，我们要有一颗善良的心❤2.我在本篇文章中学到的怦然心动的单词:attentive注意的，专心的，注意听的revelation展示，揭露，显露have

17数420孙佳昕·2020-06-21 17:16

DGL & RDKit | 基于Attentive FP的分子性质线性模型

基于分子图的深度学习在化学和药物领域非常热门。2019年8月13日JMC（JournalofMedicinalChemistry）刊登了一篇文章“PushingtheBoundariesofMolecularRepresentationforDrugDiscoverywiththeGraphAttentionMechanism”，介绍了一种基于注意力机制的图神经网络模型（AttentiveFP）。

qq2648008726·2020-06-21 08:48

「论文阅读笔记」Attentive Feedback Network for Boundary-Aware Salient Object Detection

这是一篇来自于大连理工卢湖川实验室的一篇2D目标检测论文，被收录于2019的CVPR。文章标题叫注意力反馈机制用于边界感知的目标检测。其主要的思路同目标检测经典模型DHSnet差不多，都是生成一个粗糙全局特征图，然后在逐步细化输出。不过在这其中，本篇论文强调“自更新”并能在训练过程中不断的调整和优化。问题提出FCN有很好的性能，但是边界模糊，这问题一直得不到很好的解决（从头到位一直在提）。虽然有C

清新大叔丶·2020-06-21 05:09

Neural-Attentive-Session-Based-Recommendation

NeuralAttentiveSession-basedRecommendation作者：JingLi，PengjieRen，ZhuminChen来源：ICKM17代码：https://github.com/Wang-Shuo/Neural-Attentive-Session-Based-Recommendation-PyTorch

酱油啊_·2020-05-08 19:44

CVPR2019|CANet: Class-Agnostic Segmentation Networks with Iterative Refinement and Attentive Few-...

Abstract深层卷积神经网络和大规模标记图像数据集推动了语义分割的最新进展。然而,用于像素分割的数据标记是繁琐且昂贵的。此外,训练的模型只能在一组预定义的类中进行预测。在本文中,我们提出了CANet,这是一个类不可知论的分割网络,它在只有几个带注释的图像的情况下,对新的类执行少量的镜头分割。我们的网络由一个双分支密集比较模块和一个迭代优化模块组成,该模块在支持图像和查询图像之间执行多级特征比较

Woooooooooooooo·2020-04-14 12:56

行人属性识别：HydraPlus-Net: Attentive Deep Features for Pedestrian Analysis

参考文献：https://arxiv.org/abs/1709.09930代码实现：https://github.com/xh-liu/HydraPlus-Net包括理解！HydraPlus-Net:AttentiveDeepFeaturesforPedestrianAnalysis摘要行人分析在智能视频监控中起着至关重要的作用，是以安全为中心的计算机视觉系统的关键组成部分。尽管卷积神经网络在从图

huangyiping_dream·2020-04-14 10:24

20180301w英语复盘日志

nomatterwhoyouare,youcanstilldependonthekindnessofstrangers确实，无论你是谁，你能仍然取决于陌生人的善良2，我在本周文章／音频／视频中学到的怦然心动的单词attentive

17数408王媛·2020-04-12 06:40

推荐频道

attentive