首先，容我吐槽一下这篇论文的行文结构 图文匹配程度 真把我搞得晕头转向，好些点全靠我猜测推理作者想干嘛， 背景 我们知道传统的CNN针对的是image，是欧氏空间square grid，那么使用同样square grid的卷积核就能对输入的图片进行特征的提取。在上一篇论文中，使用的理论是频域卷积 Spectral domain ，背后理论有点复杂。 这篇文章则从空域卷积 Spatial domai ...
2020-04-20 01:28 0 1532 推荐指数：
Learning Convolutional Neural Networks for Graphs 2018-01-17 21:41:57 【Introduction】 这篇 paper 是发表在 ICML 2016 的：http://jmlr.org/proceedings ...
DCNN 主要思想： 这是一篇基于空间域的图神经网络，聚合方式通过采样（hop）1~k 阶的邻居并同 self 使用 mean 的方式得到新的 feature-vector 作者将不同的 ...
在这篇论文中，作者提出了一种更加通用的池化框架，以核函数的形式捕捉特征之间的高阶信息。同时也证明了使用无参数化的紧致清晰特征映射，以指定阶形式逼近核函数，例如高斯核函数。本文提出的核函数池化可以和CNN网络联合优化。 Network Structure Overview Kernel ...
Paper Information Title：《Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering》Authors：Michaël Defferrard、Xavier Bresson ...
Defferrard, Michaël, Xavier Bresson, and Pierre Vandergheynst. "Convolutional neural networks on graphs with fast localized spectral filtering. ...
论文： 引入论文中的一句话来说明对比图像patches的重要性，“Comparing patches across images is probably one of the most fundamental tasks in computer vision and image ...
Learning Multi-Domain Convolutional Neural Networks for Visual Tracking CVPR 2016 Project page: http://cvlab.postech.ac.kr/research/mdnet/ Paper ...
Is object localization for free? –Weakly-supervised learning with convolutional neural networks. Maxime Oquab, Leon Bottou, Ivan Laptev, Josef ...
