生成对抗网络GAN系列（四）--- LSGAN---最小二乘GAN（Least Squares Generative Adversarial Networks）---
Least Squares Generative Adversarial NetworksXudong Mao, Qing Li, Haoran Xie, Raymond Y.K. Lau, Zhen Wang, Stephen Paul Smolley论文链接：https://arxiv.org/...
Graph Neural Networks(图神经网络)
文章目录Introduction回顾其他的神经网络初识图神经网络为什么要使用图神经网络怎样实现GNNGNN的学习路线图Tasks, Dataset, and BenchmarkSpatial-based GNNNN4GDCNNDGCMoNETGraphSAGEGATGINGraph Signal P...
【论文翻译】Visualizing and Understanding Convolutional Networks
【论文翻译】Visualizing and Understanding Convolutional Networks【原文链接】https://arxiv.org/pdf/1311.2901.pdf【翻译时间】2018.09.05 题目：可视化和理解卷积网络 2. Approach ...
【视频行为识别】TSN(Temporal Segment Networks)---ECCV
TSN(Temporal Segment Networks)论文：Temporal Segment Networks: Towards Good Practices for Deep Action Recognition论文链接：https://arxiv.org/abs/1608.00859代码链...
论文阅读：Learning and Transferring Mid-Level Image Representations using Convolutional Neural Networks
本文主要内容为论文《Learning and Transferring Mid-Level Image Representations using Convolutional Neural Networks》的学习笔记，内容和图片主要参考 该论文 。在这里我主要记录下自己觉得重要的内容以及一些相...
图像风格迁移-Image Style Transfer Using Convolutional Neural Networks
论文：Image Style Transfer Using Convolutional Neural Networks 论文链接图像风格迁移最近两年比较火，看起来也比较有趣，所以这两天闲暇时候看了一些文章了解了下其中的原理，特来分享，如果你也对图像风格迁移感兴趣，不妨来看一看这篇博文。 本篇博文要介...
Towards End-to-end Text Spotting with Convolutional Recurrent Neural Networks阅读笔记
1.摘要论文提出一种统一的网络结构模型，这种模型可以直接通过一次前向计算就可以同时实现对图像中文本定位和识别的任务。这种网络结构可以直接以end-to-end的方式训练，训练的时候只需要输入图像，图像中文本的bbox，以及文本对应的标签信息。这种end-to-end训练的模型，可以学习到更加丰富的特...
Spectral Networks and Deep Locally Connected Networks on Graphs
Spectral Networks and Deep Locally Connected Networks on GraphsCode link:摘要：CNN在图片识别与语音等任务上取得很大的成功，由于其具有局部转变不变性，在本文中，探索一种可能的CNN应用于更多的领域，特别的，我们提出一种基于层次...
姿态识别（1）：DeepPose ： Human Pose Estimation via Deep Neural Networks
这篇文章是使用深度学习网络处理人体关节点定位的第一篇文章，发表于2014，August 20. 作者使用了级联的卷积神经网络来预测人体关节点。1 研究背景人体姿态识别被定义为人体关键点的定位问题，一直以来是计算机视觉领域的重要关注点。这一问题有着一些常见的挑战，比如各式各样的关节姿态，小得难以看见的...
GNN Pooling(十一)：Edge Contraction Pooling for Graph Neural Networks，
本文的作者来自An-Institut Technische Universität München，本文至今好像还未正式发表。本文提出了EdgePool，其能够学习一个局部和稀疏的硬池变换，并自然地考虑到图结构，确保不会完全删除节点。EdgePool优于其他的池化方法，可以很容易地集成到大多数GNN...
深度学习-002 NISP: Pruning Networks using Neuron Importance Score Propagation 神经网络剪枝算法
NISP: Pruning Networks using Neuron Importance Score Propagation利用神经元重要性分数传播对网络进行剪枝这是CVPR2018的一篇文章，在在这里整理一下我的理解思路论文链接：https://arxiv.org/abs/1711.05908...
Domain-Adversarial Training of Neural Networks
本篇是迁移学习专栏介绍的第十八篇论文，发表在JMLR2016上。Abstrac提出了一种新的领域适应表示学习方法，即训练和测试时的数据来自相似但不同的分布。我们的方法直接受到域适应理论的启发，该理论认为，要实现有效的域转移，必须基于不能区分训练(源)域和测试(目标)域的特征进行预测。该方法在神经网络...
SAGAN(Self-Attention Generative Adversarial Networks)论文解读附自己的理解
Self-Attention Generative Adversarial NetworksTensorFlow代码：https://github.com/taki0112/Self-Attention-GAN-TensorflowPytorch代码（作者源码）：https://github.com...
循环神经网络（RNN）之LSTM（Long Short Term Memory networks）
目录RNN为何能记忆以及它面临的问题LSTM的网络结构LSTM的思想LSTM的详细网络结构 步骤1：存什么，丢什么（forget gate layer：忘记门） 步骤2：更新什么信息（输入门） 步骤3：开始更新信息 步骤4:当前时刻的输出你可能会问关于LSTM的问题LSTM的变种(GRU)总结1.R...
论文笔记：Filter Pruning via Geometric Median for Deep Convolutional Neural Networks Acceleration
Filter Pruning via Geometric Median for Deep Convolutional Neural Networks Acceleration论文地址：https://arxiv.org/abs/1811.00250?context=cs卷积神经网络通常通过更深和更宽...
CensNet:Convolution with Edge-Node Switching in Graph Neural Networks 边和节点切换卷积的图神经网络 IJCAI
文章目录1 相关介绍1.1 背景介绍1.2 结合节点和边特征的Embeddings方法1.3 Contributions2 符号定义3 交换节点和边的卷积3.1 传播规则节点层传播规则边层传播规则3.2 和任务相关的损失函数3.3 训练算法4 实验4.1 benchmark data setsTox...
论文笔记：GRAPH ATTENTION NETWORKS(GAT图注意力机制)
前言由于注意力机制在RNN与CNN中都取得了不错的效果，基于此作者在此篇文章提出了图注意力机制。此方法的优点在于可以处理任意大小输入的问题，并且关注最具有影响能力的输入论文地址：https://arxiv.org/abs/1710.10903代码地址：https://github.com/Diego...
论文笔记——Densely Connected Convolutional Networks(DenseNet)
论文下载：https://arxiv.org/pdf/1608.06993.pdf论文代码：https://github.com/liuzhuang13/DenseNet论文摘要：作者提到，卷积网络在靠近输入的层和靠近输出的层之间包含较短的连接(即输入卷积层的特征和卷积层输出的特征进行整合连接)，那...
论文笔记：AAAI Hypergraph Neural Networks
1. 前言论文链接：http://gaoyue.org/paper/HGNN.pdf github：https://github.com/iMoonLab/HGNN在本文中提出了一个用于数据表示学习的超图神经网络(HGNN)框架，它可以在超图结构中编码高阶数据相关性。面对在实践中学习复杂数据表示的挑...
[综述笔记]Graph Neural Networks in Network Neuroscience
论文网址：Graph Neural Networks in Network Neuroscience | IEEE Journals & Magazine | IEEE Xplore 英文是纯手打的！论文原文的summarizing and paraphrasing。可能会出现难以避免的拼...