今日 Paper | 社交媒體謠言檢測；連續(xù)手語識別；細粒度服裝相似性學習；混合圖神經(jīng)網(wǎng)絡(luò)等

本文作者： AI研習社

2020-02-18 15:43

導語：為了更好地服務(wù)廣大 AI 青年，AI 研習社正式推出全新「論文」版塊

今日 Paper | 社交媒體謠言檢測；連續(xù)手語識別；細粒度服裝相似性學習；混合圖神經(jīng)網(wǎng)絡(luò)等

基于雙向圖卷積神經(jīng)網(wǎng)絡(luò)的社交媒體上謠言檢測
用于連續(xù)手語識別的時空多線索網(wǎng)絡(luò)
基于屬性特定嵌入網(wǎng)絡(luò)的細粒度服裝相似性學習
混合圖神經(jīng)網(wǎng)絡(luò)在人群計數(shù)中的應用
使用衛(wèi)星圖像中的目標檢測生成可解釋的貧困地圖

基于雙向圖卷積神經(jīng)網(wǎng)絡(luò)的社交媒體上謠言檢測

論文名稱：Rumor Detection>作者：Bian Tian /Xiao Xi /Xu Tingyang /Zhao Peilin /Huang Wenbing /Rong Yu /Huang Junzhou

發(fā)表時間：2020/1/17

論文鏈接：https://paper.yanxishe.com/review/9323?from=leiphonecolumn_paperreview0218

推薦原因

近些年,人們對于社交媒體上的虛假新聞和謠言逐漸關(guān)注的起來. 一些虛假的新聞/謠言在經(jīng)過社交媒體的放大后將產(chǎn)生比較大的影響,甚至造成公眾恐慌. 一些工作嘗試利用各種深度模型來提升檢測效果.本文設(shè)計另一種雙向圖卷積神經(jīng)網(wǎng)絡(luò)來同時從上到下+從下到上的進行謠言檢測.實驗結(jié)果也驗證了本文算法的有效性。

用于連續(xù)手語識別的時空多線索網(wǎng)絡(luò)

論文名稱：Spatial-Temporal Multi-Cue Network for Continuous Sign Language Recognition

作者：Zhou Hao /Zhou Wengang /Zhou Yun /Li Houqiang

發(fā)表時間：2020/2/8

論文鏈接：https://paper.yanxishe.com/review/11180?from=leiphonecolumn_paperreview0218

推薦原因

這篇論文要解決的是連續(xù)手語識別的問題。

以往的深度學習模型在連續(xù)手語識別任務(wù)中只關(guān)注了最具區(qū)分性的特征，而忽略了其他視覺線索，例如手型、面部表情和身體姿勢。這篇論文將多線索學習和神經(jīng)網(wǎng)絡(luò)相結(jié)合，提出了一個名為STMC的時空多線索網(wǎng)絡(luò)來解決這個問題。STMC網(wǎng)絡(luò)由空間多線索（SMC）模塊和時間多線索（TMC）模塊組成，其中SMC模塊用于空間表示，并借助一個獨立的姿勢估計模塊來分解不同線索的視覺特征，TMC模塊沿兩個平行路徑對時間相關(guān)性進行建模。這篇論文還提出了一個聯(lián)合優(yōu)化策略來實現(xiàn)STMC的端到端學習。在三個大型CSLR基準上的實驗結(jié)果表明這篇論文所提出的方法取得了最好的性能表現(xiàn)。

基于屬性特定嵌入網(wǎng)絡(luò)的細粒度服裝相似性學習

論文名稱：Fine-Grained Fashion Similarity Learning by Attribute-Specific Embedding Network

作者：Ma Zhe /Dong Jianfeng /Zhang Yao /Long Zhongzi /He Yuan /Xue Hui /Ji Shouling

發(fā)表時間：2020/2/7

論文鏈接：https://paper.yanxishe.com/review/10992?from=leiphonecolumn_paperreview0218

推薦原因

這篇論文要解決的是細粒度服飾相似度度量的問題

細粒度服飾相似度度量可以用于服飾相關(guān)的應用，例如服飾版權(quán)保護。這篇論文提出了名為ASEN的特定屬性嵌入網(wǎng)絡(luò)，來端到端聯(lián)合學習多個指定屬性嵌入，因此在相關(guān)空間能度量細粒度相似度。在使用基于屬性的空間注意力與基于屬性的通道注意力模塊后，ASEN能定位到相關(guān)區(qū)域，并在特定屬性的指引下捕獲必要的模式，因此使得習得的屬性特定嵌入信息能更好地表示細粒度相似度。這篇論文被AAAI 2020接收，作者也放出了數(shù)據(jù)和代碼。

混合圖神經(jīng)網(wǎng)絡(luò)在人群計數(shù)中的應用

論文名稱：Hybrid Graph Neural Networks for Crowd Counting

作者：Luo Ao /Yang Fan /Li Xin /Nie Dong /Jiao Zhicheng /Zhou Shangchen /Cheng Hong

發(fā)表時間：2020/1/31

論文鏈接：https://paper.yanxishe.com/review/10871?from=leiphonecolumn_paperreview0218

推薦原因

這篇論文考慮的是人群計數(shù)問題。

這篇論文提出了一個新的混合圖神經(jīng)網(wǎng)絡(luò)（HyGnn）模型，通過將人群密度的多尺度特征及其輔助任務(wù)交織在一起。HyGnn集成了一個混合圖，以將不同比例的特定于任務(wù)的特征圖表示為節(jié)點，以及兩種類型的關(guān)系作為邊。這兩種關(guān)系分別為：1、多尺度關(guān)系，用于捕獲跨尺度的特征依賴關(guān)系；2、互利關(guān)系，為計數(shù)和本地化之間的合作搭建橋梁。通過消息傳遞，HyGnn可以提取節(jié)點之間的豐富關(guān)系以獲得更強大的表示特征，從而獲得可靠而準確的結(jié)果。HyGnn在ShanghaiTech Part A、ShanghaiTech Part B、UCF_CC_50和UCF_QNRF這四個具有挑戰(zhàn)性的數(shù)據(jù)集上表現(xiàn)出色，超過了目前的最新方法。

使用衛(wèi)星圖像中的目標檢測生成可解釋的貧困地圖

論文名稱：Generating Interpretable Poverty Maps using Object Detection in Satellite Images

作者：Ayush Kumar /Uzkent Burak /Burke Marshall /Lobell David /Ermon Stefano

發(fā)表時間：2020/2/5

論文鏈接：https://paper.yanxishe.com/review/10870?from=leiphonecolumn_paperreview0218

推薦原因

這篇論文考慮的是使用衛(wèi)星圖像來預測貧窮地區(qū)的問題。

之前的研究中無法生成對政策制定者可解釋的特征，限制了其應用。這篇論文提出了一個可解釋的計算框架，通過在高分辨率衛(wèi)星圖像上進行目標檢測，以準確預測區(qū)域級別的貧窮度。這個框架使用識別目標的加權(quán)計數(shù)作為特征，在預測烏干達的村級貧困程度時，模型比現(xiàn)有的基準方法提高了31％，并且有更好的解釋性。