[論文筆記] ：Temporal Graph Networks for Deep Learning on Dynamic Graphs
本篇文章發表在ICLR2020上，對動態圖的進行連接預測和結點分類。TGN中，作者除利用傳統的圖神經網絡捕捉非歐式結構生成embedding外，還利用動態圖所中時序信息。 T ...
原文：論文筆記《Decoupled Dynamic Filter Networks》
Decoupled Dynamic Filter Networks . . CVPR https: arxiv.org abs . Introduction 卷積缺點在於：內容不變，計算量高 動態filter可以根據內容自適應，但是會提高計算量。depth wise卷積很輕量，但是會降低准確度 提出的DDF可以處理這兩個缺點，受attention影響，將depth wise的動態卷積核解耦成空間和 ...
2021-05-11 16:15 0 1394 推薦指數：
相關推薦
論文筆記：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 ...
論文筆記《BlockDrop: Dynamic Inference Paths in Residual Networks》
論文筆記《BlockDrop: Dynamic Inference Paths in Residual Networks》 paper：https://openaccess.thecvf.com/content_cvpr_2018/html ...
論文筆記(Filter Pruning via Geometric Median for Deep Convolutional Neural Networks Acceleration)
這是CVPR 2019的一篇oral。 預備知識點：Geometric median 幾何中位數 \begin{equation}\underset{y \in \mathbb{R}^{n}}{\ ...
論文筆記之：Graph Attention Networks
Graph Attention Networks 2018-02-06 16:52:49 Abstract： 本文提出一種新穎的 graph attention networks (GATs), 可以處理 graph 結構的數據，利用 masked ...
【論文筆記】Relation Networks for Object Detection
&論文概述 獲取地址：https://arxiv.org/abs/1711.11575 代碼鏈接：https://github.com/msracver/Relation-Networks-for-Object-Detection &總結與個人觀點 消融實驗表明 ...
論文筆記-Squeeze-and-Excitation Networks
作者提出為了增強網絡的表達能力，現有的工作顯示了加強空間編碼的作用。在這篇論文里面，作者重點關注channel上的信息，提出了“Squeeze-and-Excitation"（SE）block，實際上就是顯式的讓網絡關注channel之間的信息 （adaptively recalibrates ...
論文筆記 《Maxout Networks》 && 《Network In Network》
論文筆記 《Maxout Networks》 && 《Network In Network》 發表於 2014-09-22 | 1條評論 出處 maxout：http://arxiv.org/pdf/1302.4389v4.pdfNIN ...