今日 Paper | 空間注意力網(wǎng)絡(luò)；深度信念網(wǎng)絡(luò)；GhostNet；位置預(yù)測(cè)等

本文作者： AI研習(xí)社

2020-03-30 16:06

導(dǎo)語(yǔ)：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。

VSGNet：基于圖卷積的人體物體交互檢測(cè)的空間注意力網(wǎng)絡(luò)

論文名稱：VSGNet: Spatial Attention Network for Detecting Human Object Interactions Using Graph Convolutions

作者：Ulutan Oytun /Iftekhar A S M /Manjunath B. S.

發(fā)表時(shí)間：2020/3/11

論文鏈接：https://paper.yanxishe.com/review/14230?from=leiphonecolumn_paperreview0330

推薦原因

本文已被CVPR2020接收。全面的視覺(jué)理解邀請(qǐng)檢測(cè)框架能夠在分析單個(gè)對(duì)象時(shí)能夠有效學(xué)習(xí)和利用對(duì)象之間額交互，這是人體物體交互 (Human-Object Interaction, HOI) 檢測(cè)任務(wù)的主要目標(biāo)。本文提出了可視空間圖網(wǎng)絡(luò) (Visual-Spatial-Graph Network, VSGNet) ，其從人體-物體數(shù)據(jù)對(duì)中提取視覺(jué)特征，使用空間配置來(lái)完善特征，并通過(guò)圖卷積建立對(duì)象之間的結(jié)構(gòu)連接。作者在V-COCO和HICO-DET兩個(gè)數(shù)據(jù)集上徹底地評(píng)價(jià)了VSGNet，實(shí)驗(yàn)結(jié)果表明，VSGNet在V-COCO中的性能比目前最優(yōu)方法高出8％或4 mAP，在HICO-DET中有16％或3 mAP的提升。

今日 Paper | 空間注意力網(wǎng)絡(luò)；深度信念網(wǎng)絡(luò)；GhostNet；位置預(yù)測(cè)等

用單個(gè)深度學(xué)習(xí)模型代替移動(dòng)相機(jī)ISP

論文名稱：Replacing Mobile Camera ISP with a Single Deep Learning Model

作者：Andrey Ignatov

發(fā)表時(shí)間：2020/2/13

論文鏈接：https://paper.yanxishe.com/review/14228?from=leiphonecolumn_paperreview0330

推薦原因

本文研究意義

本文是一篇關(guān)于解決在各種復(fù)雜環(huán)境下移動(dòng)端拍攝圖像遇到問(wèn)題的文章。作者從移動(dòng)端拍攝圖像時(shí)通常遇到的噪聲、霧化、夜景等角度引出目前面臨的問(wèn)題，并且從軟硬件的角度闡述了目前存在弊端的客觀原因，在此背景下提出了一種用于解決上述問(wèn)題的新算法——PyNET。對(duì)于這種算法，作者從他的網(wǎng)絡(luò)框架、模型損失函數(shù)、模型適配環(huán)境等方面進(jìn)行了說(shuō)明，最后通過(guò)實(shí)驗(yàn)驗(yàn)證，證實(shí)了該算法可以有效地解決上述移動(dòng)端拍攝圖像時(shí)遇到的各種問(wèn)題。

基于深度信念網(wǎng)絡(luò)來(lái)識(shí)別阿爾茲海默癥的蛋白質(zhì)組危險(xiǎn)標(biāo)志物

論文名稱：A deep belief network-based method to identify proteomic risk markers for Alzheimer disease

作者：Ning An /Liuqi Jin /Huitong Ding /Jiaoyun Yang /Jing Yuan

發(fā)表時(shí)間：2020/3/11

論文鏈接：https://paper.yanxishe.com/review/14222?from=leiphonecolumn_paperreview0330

推薦原因

1 核心問(wèn)題

盡管大量研究已正式確定載脂蛋白E（APOE）是阿爾茨海默氏病的主要遺傳風(fēng)險(xiǎn)標(biāo)志物，但越來(lái)越多的證據(jù)支持可能存在其他危險(xiǎn)標(biāo)記的觀點(diǎn)。然而，傳統(tǒng)針對(duì)阿爾茲海默癥的分析方法并不能充分利用其蘊(yùn)含的豐富的蛋白質(zhì)表達(dá)信息，尤其是對(duì)于特征之間的連接關(guān)系上。本文針對(duì)的是使用深度信念神經(jīng)網(wǎng)絡(luò)識(shí)別阿爾茲海默癥蛋白組危險(xiǎn)標(biāo)記的核心問(wèn)題。

2 創(chuàng)新點(diǎn)

該論文提出了一個(gè)識(shí)別阿爾茲海默癥的治病因素的新型特征選擇方法，并應(yīng)用在蛋白質(zhì)組數(shù)據(jù)和臨床數(shù)據(jù)上。此方法將網(wǎng)絡(luò)節(jié)點(diǎn)的權(quán)重設(shè)置為信號(hào)蛋白表達(dá)值的重要度排序序號(hào)。

3 研究意義

1）此方法幫助選擇一個(gè)最優(yōu)子蛋白序列，并實(shí)現(xiàn)了90%的準(zhǔn)確度，此結(jié)果超越了針對(duì)阿爾茲海默癥診斷的傳統(tǒng)方法2）在識(shí)別蛋白組危險(xiǎn)標(biāo)記和加強(qiáng)新陳代謝危險(xiǎn)因子和阿爾茲海默癥之間聯(lián)系的同時(shí)，本文同時(shí)還指出脂聯(lián)素連接的途徑可能是藥物治療的靶點(diǎn)。

分層時(shí)空LSTM在位置預(yù)測(cè)中的應(yīng)用

論文名稱：HST-LSTM: A Hierarchical Spatial-Temporal Long-Short Term Memory Network for Location Prediction

作者：Dejiang Kong

發(fā)表時(shí)間：2018/12/5

論文鏈接：https://paper.yanxishe.com/review/13552?from=leiphonecolumn_paperreview0330

推薦原因

針對(duì)目前學(xué)術(shù)界研究的位置軌跡定位問(wèn)題，本文提出了一種新穎的時(shí)空LSTM模型進(jìn)行研究。與以往的研究方法相比，作者采用ST-LSTM模型，將時(shí)空因素引入門控機(jī)制從而緩解數(shù)據(jù)的稀疏性問(wèn)題。除此之外，作者采用分層架構(gòu)結(jié)合利用上下文歷史訪問(wèn)信息來(lái)提高位置預(yù)測(cè)的準(zhǔn)確性。通過(guò)實(shí)驗(yàn)驗(yàn)證，證明了該方法的有效性。

GhostNet：廉價(jià)運(yùn)營(yíng)帶來(lái)的更多功能

論文名稱：GhostNet: More Features from Cheap Operations

作者：Kai Han1

發(fā)表時(shí)間：2020/1/15

論文鏈接：https://paper.yanxishe.com/review/13546?from=leiphonecolumn_paperreview0330

推薦原因

本文提出了一種新穎的Ghost模塊，通過(guò)廉價(jià)的操作就可以生成更多的功能圖，這些功能圖可用于構(gòu)建有效的神經(jīng)體系結(jié)構(gòu)。其中，本文提出的Ghost模塊，它是將原始的卷積神經(jīng)網(wǎng)絡(luò)（CNN）中的卷積層分為兩部分，通過(guò)使用較少的過(guò)濾器生成了新的固有特征圖。然后，通過(guò)一定數(shù)量的廉價(jià)轉(zhuǎn)化操作，進(jìn)一步應(yīng)用于有效生成幻影特征圖。最后作者在數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)表明，該方法將原始模型在保持可比性能的同時(shí)轉(zhuǎn)換為緊湊型的即插即用模塊，除此之外，新模塊構(gòu)建的GhostNet在結(jié)構(gòu)率和準(zhǔn)確性方面均優(yōu)于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)。