I'm not perfect, but I keep trying.

1. Adaptive Structural Fingerprints for Graph Attention Networks——图注意力网络的自适应结构化指纹（ADSF）1.1 解决的问题本文是对图注意网络（GAT）的一个扩展。传统的GAT计算注意力权重时只会利用一跳邻居的节点特征，如果利用高阶邻居的节点特征会引起过平滑的问题。因此，本文解决的主要问题是如何在GAT中利用丰富并且高阶的结构化信息。1.2 提出的方法传统的GAT：已知节点iii和它的一跳邻居jjj的特征分别为hih_ihi​和h

论文的翻译可以参考这篇博客CVPR 2019 Linkage Based Face Clustering via Graph Convolution Network论文翻译接下来是我的一些拙见。1.解决的问题该工作要解决的问题是人脸特征分布复杂情况下的人脸聚类任务。受遮挡、光照等因素的影响，人脸特征的分布复杂，会面临两个难题：1）预先假设数据分布的方法不再适用，例如K-Means聚类方法（...

AI算法工程师手册 链接地址

摘要本文中，我们介绍了一个准确且scalable的方法来实现人脸聚类任务。我们的目的在于通过人脸潜在的identities实现人脸聚类。我们将这问题当做是连接预测问题：如果两个人脸是同一个人，则他们之间存在连接。关键思想是我们在一个实例（人脸）周围的特征空间中找到局部上下文，其中包含有关该实例与其邻居之间的连接关系的丰富信息。我们利用图卷积网络（GCN）进行推理并推断子图中各对之间链接的可能性，...