0
| 本文作者： AI研習(xí)社 | 2020-02-18 15:43 |
基于雙向圖卷積神經(jīng)網(wǎng)絡(luò)的社交媒體上謠言檢測(cè)
用于連續(xù)手語(yǔ)識(shí)別的時(shí)空多線索網(wǎng)絡(luò)
基于屬性特定嵌入網(wǎng)絡(luò)的細(xì)粒度服裝相似性學(xué)習(xí)
混合圖神經(jīng)網(wǎng)絡(luò)在人群計(jì)數(shù)中的應(yīng)用
使用衛(wèi)星圖像中的目標(biāo)檢測(cè)生成可解釋的貧困地圖
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(shí)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(duì)于社交媒體上的虛假新聞和謠言逐漸關(guān)注的起來(lái). 一些虛假的新聞/謠言在經(jīng)過(guò)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?yán)酶鞣N深度模型來(lái)提升檢測(cè)效果.本文設(shè)計(jì)另一種雙向圖卷積神經(jīng)網(wǎng)絡(luò)來(lái)同時(shí)從上到下+從下到上的進(jìn)行謠言檢測(cè).實(shí)驗(yàn)結(jié)果也驗(yàn)證了本文算法的有效性。
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(shí)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(yǔ)識(shí)別的問(wèn)題。
以往的深度學(xué)習(xí)模型在連續(xù)手語(yǔ)識(shí)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(shì)。這篇論文將多線索學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)相結(jié)合，提出了一個(gè)名為STMC的時(shí)空多線索網(wǎng)絡(luò)來(lái)解決這個(gè)問(wèn)題。STMC網(wǎng)絡(luò)由空間多線索（SMC）模塊和時(shí)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(gè)獨(dú)立的姿勢(shì)估計(jì)模塊來(lái)分解不同線索的視覺特征，TMC模塊沿兩個(gè)平行路徑對(duì)時(shí)間相關(guān)性進(jìn)行建模。這篇論文還提出了一個(gè)聯(lián)合優(yōu)化策略來(lái)實(shí)現(xiàn)STMC的端到端學(xué)習(xí)。在三個(gè)大型CSLR基準(zhǔn)上的實(shí)驗(yàn)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)。
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(shí)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(xì)粒度服飾相似度度量的問(wèn)題
細(xì)粒度服飾相似度度量可以用于服飾相關(guān)的應(yīng)用，例如服飾版權(quán)保護(hù)。這篇論文提出了名為ASEN的特定屬性嵌入網(wǎng)絡(luò)，來(lái)端到端聯(lián)合學(xué)習(xí)多個(gè)指定屬性嵌入，因此在相關(guān)空間能度量細(xì)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(xí)得的屬性特定嵌入信息能更好地表示細(xì)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。
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(shí)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(jì)數(shù)問(wèn)題。
這篇論文提出了一個(gè)新的混合圖神經(jīng)網(wǎng)絡(luò)（HyGnn）模型，通過(guò)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(gè)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(diǎn)，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(jì)數(shù)和本地化之間的合作搭建橋梁。通過(guò)消息傳遞，HyGnn可以提取節(jié)點(diǎn)之間的豐富關(guān)系以獲得更強(qiáng)大的表示特征，從而獲得可靠而準(zhǔn)確的結(jié)果。HyGnn在ShanghaiTech Part A、ShanghaiTech Part B、UCF_CC_50和UCF_QNRF這四個(gè)具有挑戰(zhàn)性的數(shù)據(jù)集上表現(xiàn)出色，超過(guò)了目前的最新方法。
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(shí)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(lái)預(yù)測(cè)貧窮地區(qū)的問(wèn)題。
之前的研究中無(wú)法生成對(duì)政策制定者可解釋的特征，限制了其應(yīng)用。這篇論文提出了一個(gè)可解釋的計(jì)算框架，通過(guò)在高分辨率衛(wèi)星圖像上進(jìn)行目標(biāo)檢測(cè)，以準(zhǔn)確預(yù)測(cè)區(qū)域級(jí)別的貧窮度。這個(gè)框架使用識(shí)別目標(biāo)的加權(quán)計(jì)數(shù)作為特征，在預(yù)測(cè)烏干達(dá)的村級(jí)貧困程度時(shí)，模型比現(xiàn)有的基準(zhǔn)方法提高了31％，并且有更好的解釋性。
為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊，希望以論文作為聚合 AI 學(xué)生青年的「興趣點(diǎn)」，通過(guò)論文整理推薦、點(diǎn)評(píng)解讀、代碼復(fù)現(xiàn)。致力成為國(guó)內(nèi)外前沿研究成果學(xué)習(xí)討論和發(fā)表的聚集地，也讓優(yōu)秀科研得到更為廣泛的傳播和認(rèn)可。
我們希望熱愛學(xué)術(shù)的你，可以加入我們的論文作者團(tuán)隊(duì)。
加入論文作者團(tuán)隊(duì)你可以獲得
1.署著你名字的文章，將你打造成最耀眼的學(xué)術(shù)明星
2.豐厚的稿酬
3.AI 名企內(nèi)推、大會(huì)門票福利、獨(dú)家周邊紀(jì)念品等等等。
加入論文作者團(tuán)隊(duì)你需要：
1.將你喜歡的論文推薦給廣大的研習(xí)社社友
2.撰寫論文解讀
如果你已經(jīng)準(zhǔn)備好加入 AI 研習(xí)社的論文兼職作者團(tuán)隊(duì)，可以添加運(yùn)營(yíng)小姐姐的微信，備注“論文兼職作者”
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
相關(guān)文章：
今日 Paper | 旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)；人體移動(dòng)軌跡；行人再識(shí)別；基準(zhǔn)成像系統(tǒng)等
今日 Paper | 從純圖像重建世界；層次遞歸網(wǎng)絡(luò)序列；注意力神經(jīng)網(wǎng)絡(luò)；命名實(shí)體識(shí)別等
今日 Paper | 梯度剪切；命名實(shí)體識(shí)別；自然語(yǔ)言處理；免強(qiáng)度函數(shù)學(xué)習(xí)等
今日 Paper | 小樣本學(xué)習(xí)；機(jī)器學(xué)習(xí)；單幅圖像去霧 ；零樣本目標(biāo)檢測(cè)等
今日 Paper | 可視問(wèn)答模型；神經(jīng)風(fēng)格差異轉(zhuǎn)移；圖像壓縮系統(tǒng) ；K-SVD圖像去噪等
今日 Paper | 依賴性解析器；DNNs對(duì)圖像損壞；高效人臉特征學(xué)習(xí) ；虛擬試穿統(tǒng)一框架等
今日 Paper | 模態(tài)平衡模型；組合語(yǔ)義分析；高表達(dá)性SQL查詢；多人姿態(tài)估計(jì)模型等
今日 Paper | 多人姿勢(shì)估計(jì)；對(duì)話框語(yǔ)義分析；無(wú)監(jiān)督語(yǔ)義分析；自然語(yǔ)言處理工具包等
今日 Paper | 多人線性模型；身體捕捉；會(huì)話問(wèn)答；自然語(yǔ)言解析；神經(jīng)語(yǔ)義
今日 Paper | 手部和物體重建；三維人體姿態(tài)估計(jì)；圖像到圖像變換等
今日 Paper | 動(dòng)態(tài)手勢(shì)識(shí)別；領(lǐng)域獨(dú)立無(wú)監(jiān)督學(xué)習(xí)；基于BERT的在線金融文本情感分析等
今日 Paper | 新聞推薦系統(tǒng)；多路編碼；知識(shí)增強(qiáng)型預(yù)訓(xùn)練模型等
今日 Paper | 小樣本學(xué)習(xí)；視覺情感分類；神經(jīng)架構(gòu)搜索；自然圖像摳像等
今日 Paper | 蚊子叫聲數(shù)據(jù)集；提高語(yǔ)音識(shí)別準(zhǔn)確率；對(duì)偶注意力推薦系統(tǒng)等
今日 Paper | 人臉數(shù)據(jù)隱私；神經(jīng)符號(hào)推理；深度學(xué)習(xí)聊天機(jī)器人等
今日 Paper | 虛擬試穿網(wǎng)絡(luò)；人群計(jì)數(shù)基準(zhǔn)；聯(lián)邦元學(xué)習(xí)；目標(biāo)檢測(cè)等
今日 Paper | 人體圖像生成和衣服虛擬試穿；魯棒深度學(xué)習(xí)；圖像風(fēng)格遷移等
今日 Paper | 隨機(jī)微分方程；流式自動(dòng)語(yǔ)音識(shí)別；圖像分類等
今日 Paper | 高維感官空間機(jī)器人；主動(dòng)人體姿態(tài)估計(jì)；深度視頻超分辨率；行人重識(shí)別等
今日 Paper | 3D手勢(shì)估計(jì)；自學(xué)習(xí)機(jī)器人；魯棒語(yǔ)義分割；卷積神經(jīng)網(wǎng)絡(luò)；混合高斯過(guò)程等
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。
