[论文笔记] ：Temporal Graph Networks for Deep Learning on Dynamic Graphs
本篇文章发表在ICLR2020上，对动态图的进行连接预测和结点分类。TGN中，作者除利用传统的图神经网络捕捉非欧式结构生成embedding外，还利用动态图所中时序信息。 T ...
原文：论文笔记《Decoupled Dynamic Filter Networks》
Decoupled Dynamic Filter Networks . . CVPR https: arxiv.org abs . Introduction 卷积缺点在于：内容不变，计算量高 动态filter可以根据内容自适应，但是会提高计算量。depth wise卷积很轻量，但是会降低准确度 提出的DDF可以处理这两个缺点，受attention影响，将depth wise的动态卷积核解耦成空间和 ...
2021-05-11 16:15 0 1394 推荐指数：
相关推荐
论文笔记：Learning Dynamic Memory Networks for Object Tracking
Learning Dynamic Memory Networks for Object Tracking ECCV 2018Updated on 2018-08-05 16:36:30 Paper: arXiv version Code: https://github.com ...
论文笔记《BlockDrop: Dynamic Inference Paths in Residual Networks》
论文笔记《BlockDrop: Dynamic Inference Paths in Residual Networks》 paper：https://openaccess.thecvf.com/content_cvpr_2018/html ...
论文笔记(Filter Pruning via Geometric Median for Deep Convolutional Neural Networks Acceleration)
这是CVPR 2019的一篇oral。 预备知识点：Geometric median 几何中位数 \begin{equation}\underset{y \in \mathbb{R}^{n}}{\ ...
论文笔记之：Graph Attention Networks
Graph Attention Networks 2018-02-06 16:52:49 Abstract： 本文提出一种新颖的 graph attention networks (GATs), 可以处理 graph 结构的数据，利用 masked ...
【论文笔记】Relation Networks for Object Detection
&论文概述 获取地址：https://arxiv.org/abs/1711.11575 代码链接：https://github.com/msracver/Relation-Networks-for-Object-Detection &总结与个人观点 消融实验表明 ...
论文笔记-Squeeze-and-Excitation Networks
作者提出为了增强网络的表达能力，现有的工作显示了加强空间编码的作用。在这篇论文里面，作者重点关注channel上的信息，提出了“Squeeze-and-Excitation"（SE）block，实际上就是显式的让网络关注channel之间的信息 （adaptively recalibrates ...
论文笔记 《Maxout Networks》 && 《Network In Network》
论文笔记 《Maxout Networks》 && 《Network In Network》 发表于 2014-09-22 | 1条评论 出处 maxout：http://arxiv.org/pdf/1302.4389v4.pdfNIN ...