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

Break the Ceiling:Stronger Multi-scale Deep GCNs Whats the problem?现存的图神经网络没有充分利用多尺度信息和深层架构。1.如果基于GCN架构增加层数，提取的特征最多保留图结构的固定信息，并且丢失节点特征中的所有信息。2.ReLU是一个阴谋家。代码链接How to solve them?作者证明了任何具有明确定义的解析...

a.k.a.曲老师的期末大作业观察了一下老师的给的训练集，一共有五类：交通灯d，指示标志s，指路标志l，禁令标志z，警告标志j。训练集里的交通灯太小了，最小的只有3个像素，之前读的一些论文都提到YOLO的缺点就是检测小目标物体，于是我决定选择Faster RCNN ????第一步 训练自己的数据集整体流程没啥好说，完全参照大佬的教程：使用faster-rcnn.pytorch训练自己数据集（完整...

图像配准本次实验中的图像配准是将两张图片进行匹配，叠加，最终变成一副图。也就是将下面两张图变成1张图： 变成：(两个黄色的边框代表不同的图片)图像流程这个流程我也不知道对不对，反正瞎几把乱搞读取两幅图像分别对两张图提取SIFT特征匹配两张图的特征点筛选出可以用来配准的特征点根据选出的点建立两张图像的映射关系，进行匹配读取图像&提取SIFT特征import...

1.问题描述图像表示的难点在于它的高维度。二维的p×q的灰度图像就有一个维度为1×pq的特征，所以一张100×100的图像就有一个10000维的特征。这个数据对于任何计算来说都是庞大的，但是否所有维度的信息都是有用的？其实，我们只要找到存储着大量信息的部分就行。Principal Components Analysis (PCA) 由karl等人提出，它将一组可能相关的变量变成较小的一组不相关...