「本周論文精選」是 Paper 研習(xí)社推出的全新欄目，展現(xiàn)社友們在研習(xí)論文的過程中，推薦自己所閱讀到的優(yōu)秀論文，幫助大家一起學(xué)習(xí)、討論每個領(lǐng)域最新、最精彩的學(xué)術(shù)論文。 

①

#卷積神經(jīng)網(wǎng)絡(luò)#

【中科院】重新審視卷積神經(jīng)網(wǎng)絡(luò)的通道數(shù)

推薦理由：此前已有EfficientNet[1]等工作使用神經(jīng)架構(gòu)搜索(NAS)方法對卷積神經(jīng)網(wǎng)絡(luò)(CNN)的整體規(guī)模（深度，寬度，分辨率）進(jìn)行探究。這次，作者專門針對CNN中卷積層的通道數(shù)開刀，用基于進(jìn)化算法的NAS算法探究控制網(wǎng)絡(luò)參數(shù)量不變的情況下如何更好地分配網(wǎng)絡(luò)各層的通道數(shù)。作者的實驗結(jié)果表明，使用本文的NAS算法搜索改進(jìn)后的分類網(wǎng)絡(luò)在CIFAR-10和CIFAR-100數(shù)據(jù)集上可分別達(dá)到約0.5%和2.33%的準(zhǔn)確率提升。

論文鏈接：https://arxiv.org/abs/1909.01861

代碼鏈接：https://github.com/Search-Width/Search-the-Number-of-Channels

推薦人：林肯二百一十三（西安交通大學(xué)軟件工程）

②

#計算機(jī)視覺#

從照片到現(xiàn)實，使用單張照片生成逼真人臉

本文是上海科技大學(xué)的一個工作，可以通過單張照片就生成一個較為逼真的三維人臉圖像，這和最近火熱的「ZAO」有相似之處，這也是一個比較好玩的一個項目，有興趣的可以看下他們的方法，并且下載他們開放的源碼試一試。

論文鏈接：https://arxiv.org/abs/1904.08479

代碼鏈接：https://github.com/apchenstu/Facial_Details_Synthesis

推薦人：秋夕（南華大學(xué)物聯(lián)網(wǎng)工程，推薦于ICCV頂會交流小組，ICCV 2019頂會贊助計劃參與者）

③

#目標(biāo)檢測#

精確目標(biāo)檢測的不確定邊界框回歸

推薦理由：大規(guī)模的目標(biāo)檢測數(shù)據(jù)集(例如MS-COCO)在進(jìn)行Ground Truth框標(biāo)注時仍然存在歧義。這篇論文提出了新的邊界框回歸損失針對目標(biāo)框的移動以及位置方差進(jìn)行學(xué)習(xí)，這種方法在幾乎不增加計算量的基礎(chǔ)上提高不同結(jié)構(gòu)定位的準(zhǔn)確性。另一個關(guān)鍵點事，由于學(xué)習(xí)了bounding box的分布，可以將其應(yīng)用在NMS階段合并相鄰目標(biāo)框，進(jìn)一步提升定位的準(zhǔn)確性。代碼可在github.com/yihui-he/KL-Loss找到。

論文鏈接：https://arxiv.org/abs/1809.08545

代碼鏈接：https://github.com/yihui-he/KL-Loss

推薦人：BBuf（西南科技大學(xué)電子信息工程）

④

#小樣本學(xué)習(xí)#

自定義和組合神經(jīng)網(wǎng)絡(luò)進(jìn)行小樣本學(xué)習(xí)

這篇論文是天津大學(xué)和新加坡國立合作的一篇 用meta-learning 做 few-shot learning 的文章, 算是meta-learning的文章中寫的比較接地氣的,比較好看懂的文章, 看了這篇文章基本就可以知道 few-shot learning 以及meta-learning 是做什么的. 主要還是學(xué)習(xí)一種更好更快的adaption, transfer的算法。

論文鏈接：https://arxiv.org/abs/1904.08479

推薦人：志浩（中國石油大學(xué)(華東) 機(jī)械工程，推薦于ICCV頂會交流小組，ICCV 2019頂會贊助計劃參與者）

⑤

#深度學(xué)習(xí)##網(wǎng)絡(luò)優(yōu)化# #網(wǎng)絡(luò)訓(xùn)練# 

從動態(tài)系統(tǒng)和最優(yōu)控制角度統(tǒng)一深度學(xué)習(xí)基礎(chǔ)理論

統(tǒng)一深度學(xué)習(xí)基礎(chǔ)理論的一個新嘗試（笑）。這篇論文的作者們把深度神經(jīng)網(wǎng)絡(luò)看作一個時間離散的非線性動態(tài)系統(tǒng)，運用動態(tài)系統(tǒng)和最優(yōu)控制學(xué)科的視角，通過均值場理論分析信息是如何在不同的層之間傳播的。此外，他們還嘗試用隨機(jī)輸入動態(tài)響應(yīng)來解釋網(wǎng)絡(luò)的收斂和泛化屬性。

作者們聲稱他們的框架和監(jiān)督學(xué)習(xí)高度相符，也可以輕松地拓展到貝葉斯學(xué)習(xí)、對抗性訓(xùn)練、某些形式的元學(xué)習(xí)等等。他們相信動態(tài)系統(tǒng)和最優(yōu)控制學(xué)科的理論和思路對深度學(xué)習(xí)理論的發(fā)展能夠起到很大幫助。

論文鏈接：https://arxiv.org/abs/1908.10920

推薦人：楊曉凡（論文研習(xí)社首席論文推薦官）

???

除了上述的的五篇精選論文推薦，我們還為你精心準(zhǔn)備了可以一鍵下載的論文集：

ICCV 1998-2017 年最佳論文合集NeurIPS 2019 GNN 論文合集

下載地址：https://www.yanxishe.com/resourceDetail/1002

NeurIPS 2019 GNN 論文合集

下載地址：https://www.yanxishe.com/resourceDetail/1006?from=leiphonecolumn

深度學(xué)習(xí)中記憶結(jié)構(gòu)的設(shè)計和使用論文集

下載地址：https://www.yanxishe.com/resourceDetail/1005?from=leiphonecolumn

AAAI （1996-2019）歷年最佳論文合集

下載地址：https://www.yanxishe.com/resourceDetail/991?from=leiphonecolumn

快來下載試試吧！

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。