
GNN && GCN
李滚滚
机器学习,深度学习算法
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
论文翻译-A Comprehensive Survey on Graph Neural Networks《图神经网络GNN综述》
文章目录1 简介1.1 GNN简史1.2 GNN的相关研究1.3 GNN vs 网络嵌入1.4 文章的创新型2 定义3 分类和框架3.1 GNNs分类3.2 框架4 图卷积网络4.1 基于光谱的GCN4.1.1 背景4.1.2 基于光谱的GCN方法4.1.3 总结4.2 基于空间的GCN4.2.1 基于循环的空间GCNs4.2.2 基于组合的空间GCNs4.2.3 空间GCNs的其他变体4.3 图...翻译 2019-01-31 23:48:58 · 34348 阅读 · 27 评论 -
Multi-Label Image Recognition with Graph Convolutional Networks【基于图卷积网络的多标签图像识别模型】
文章目录导语介绍方法动机图卷积网络简介用于多标签识别的GCN相关系数矩阵结论转自旷视研究院导语 多标签图像识别(multi-label image recognition)任务的目标是预测一张图像中出现的多个物体标签,其在搜索引擎、推荐系统中应用广泛,长期以来作为计算机视觉和机器学习领域一项基础研究课题备受学界业界关注。由于多个相关物体通常同时出现在一副图像之中,因此提升识别性能的一个理想...转载 2019-05-08 22:41:54 · 11942 阅读 · 30 评论 -
Graph Attention Networks——《论文阅读》
引言图像,通常被理解为矩阵,矩阵的每个元素是像素,像素是(Red,Green,Blue)三个数值组成的向量。换个角度,矩阵也可以理解为图谱(Graph),图谱由点(node)和边(edge)组成。相邻的点之间,有边相连。而矩阵是一种特殊的图谱,特殊性表现在两方面:**矩阵每个点有固定个数的邻点。**从图谱的角度看,图像中的像素,就是图谱中的点。图像中每个像素,也就是图谱中的每个点,周边总共...原创 2018-12-12 21:10:18 · 9782 阅读 · 3 评论 -
非局部均值滤波和用于高光谱分类的新颖度量方式的NLM
文章目录1 均值和非均值局部滤波2 论文【使用新的相似性度量方法做非局部均值滤波】1 均值和非均值局部滤波均值滤波器利用滑窗的方式以滑窗的均值代替中心像素的值,进行滤波。缺点:当方框的半径越大,得到的图像中那些变化较大的地方(边缘)计算后变化就越小,即边缘不明显,即模糊;而且像素之间的相似性并不局限于一个很小的块,像是长边缘,或者结构纹理就可能再很远的地方仍然存在相似性。非局部均值滤...原创 2019-06-25 16:28:01 · 954 阅读 · 0 评论