xie_qiuqiu的博客

对图做数据增广，取出一部分（随机断掉一些边，类似图像里的crop） 每个view学习自己的顶点表示和图表示 利用一个view的点表示和另一个view的图表示，学习分类器，同时学习一个score具体地：augmentations我们可以考虑两类图的增广：（1）对初始节点特征进行的特征空间增广，如掩蔽或添加高斯噪声；（2）对图结构进行的结构空间增广和腐蚀，通过添加或删除连通性、子采样和，或者使用最短距离或扩散矩阵生成全局视图。前一种可能有问题，因为不是所有测试集都给了特征，而且我们试了这样没什么好

背景：异质边预测（社交网络，学术网络，推荐网络等）的难点在于节点对齐，以往异质边预测的方法是先融合用户相关的各种节点得到融合特征，再根据融合向量来判断边是否连接。问题：以上方法忽略了局部类型信息对节点对齐的影响解决方案：提出TALP，它从局部和全局角度同时模拟了类型信息和信息融合对用户节点对齐的影响。TALP利用两层图注意力结构，同时提取特征和对齐类型。以往的方案：缺点是忽略了局部信息，特别是两个融合点的局部信息类别不一样时。如以上左边的a1和右边的a1。同样的信息比如paper在两边发

总结：小改进，对于一个节点的两个邻居，若这两邻居包含相似和冗余的信息时，GNN模型的表现就会变差，本篇paper设置了规则对这些相似和冗余的信息节点进行了聚合。根据迭代聚合，可以得到不同尺度的graphs，这些graphs包含着互补信息，有助于提升任务性能。问题：一个点的表示主要来自于他的邻居，如果邻居的特征和本身很相似，那么会学不到有用的。所以需要更远的邻居。解决方法：通过节点聚类方法（h-hop子图再去除冗余信息）对图做收缩。得到不同尺度的图，并学到对应的节点特征，再通过不同层次的节点特征预测节

摘要：本文提出了一种新的多视点属性图卷积网络（MAGCN）聚类模型。MAGCN设计了两个路径编码器，用于映射嵌入特征的图形和学习视图一致性信息。具体地说，第一种方法开发了多视图属性图注意网络，以减少噪声/冗余，并学习多视图图数据的嵌入特征。第二种方法开发了一致性嵌入编码器来捕获不同视图之间的几何关系和概率分布的一致性，自适应地为多视图属性找到一致的聚类嵌入空间。在三个基准图数据库上的实验表明，与现有的几种算法相比，该方法是有效的。以往多时间图聚类有以下缺点：1） 它们不能为邻域中的不同节点分配指定不

问题：多视角聚类之前的方法不够通用主要内容：考虑到不同视图之间的信息互补性，创新性地提出了基于扩散模型的跨视图相似图融合算法。首先，根据各个视图生成独立的相似图矩阵，再通过挖掘不同视图之间的互补性，构造视图加权的迭代扩散模型，经过迭代更新每个视图的相似图矩阵。迭代过程中，考虑不同视图对应的相似图之间的关联。利用每个视图修正之后的相似图矩阵融合得到最终多视图共有的相似图矩阵，再利用谱聚类方法得到聚类结果，显著提升了多视图聚类算法的性能，并且该算法步骤中只涉及相似图的更新融合，计算复杂度也较低。与以

简介：R-FCN(Region-based Fully Convolutional Networks)，是一个准确和高效的基于区域的对象检测框架。 与先前的基于区域的检测器（诸如Fast/Faster R-CNN）在每个区域子网络几百次的高成本计算相反，R-FCN的基于区域的检测器是利用深度完全卷积网络，几乎所有计算在整个图像上共享。 R-FCN可以采用强大的完全卷积图像网络结构，例如ResNet...

1. Introduction在faster rcnn后面加一个预测物体mask的分支平行于bbox regression的分支。可以在此基础上加其他任务比如姿态估计本来有物体检测object detection和物体分割senabtic segmentation，现在结合起来是instance segmantation，既每个个体都能mask分开（原来是一个类一个颜色）.结合的faster rc...

在yolo上做改进,精度和SSD 持平但是速度快三倍

摘要：1. yolov2:改进自yolo，现在效果和faster rcnn/ssd类似，但是速度很快（67fps时可以达到76.8on voc datasets）。2. 我们在yolov2基础上把detection和classification融合到一起后得到了yolo9000,其数据集是coco和imagenet（只有分类标注）的合体（共200类，只有44个类里面有检测框标注,最后那44类19，...

摘要:之前都把检测当做分类问题,一般先弄一个预选框然后分类,然后对未知精调;现在我们把他当做回归问题,45fps,检出率低但是误捡也不会高.好处:1.快,因为回归和分类一起而且回归很快.2.误捡少,因为随时有全局信息,视野是整张图3.学习到很好的抽象表示,所以相对来讲,学真实图片,测素描或艺术图片的任务yolo会表现的相对好.介绍:分成S*S格,每个格子预测B个框(x, y, w, h,and c...