ZhuSuan: A Library for Bayesian Deep Learning
@paperweekly 推荐
#Bayesian Deep Learning
Reddit 热文,清华大学朱军老师组的工作,贝叶斯学习工具包 ZhuSuan。
论文链接
http://www.paperweekly.site/papers/742
代码链接
https://github.com/thu-ml/zhusuan
OpenNMT: Open-Source Toolkit for Neural Machine Translation
@Ttssxuan 推荐
#NMT
完全基于 sequence-to-sequence 实现,包括诸如:multi-layer RNN, attention, bidirec- tional encoder, word features, input feeding, residual connections, beam search, and several others 等扩展。
论文链接
http://www.paperweekly.site/papers/716
代码链接
https://github.com/opennmt/opennmt
A Compare-Aggregate Model for Matching Text Sequences
@xwzhong 推荐
#QA
该 paper 更像是一篇实验性论文,在“general”框架下对其中某一块使用不同的方法比较、组合。
通过实验得到(subtraction+multiplication+nn)结果比(Euclidean distance or cosine similarity)效果更好。原因可能在于,前一种方式得到的是高维的 matrix,而后一种方式只是二维的向量,表现能力比较弱,高维包含了更细致的信息
论文链接
http://www.paperweekly.site/papers/564
代码链接
https://github.com/shuohangwang/SeqMatchSeq
Adversarial Representation Learning for Domain Adaptation
@corenel 推荐
#Representation Learning
ARDA 将 classifier、encoder 以及 discriminator 三者共同训练,思路不错。
论文链接
http://www.paperweekly.site/papers/692
代码链接
https://github.com/corenel/pytorch-arda
Unsupervised Image-to-Image Translation Networks
@gujiuxiang 推荐
#GAN
The proposed framework can learn the translation function without any corresponding images in two domains.
论文链接
http://www.paperweekly.site/papers/647
代码链接
https://github.com/leehomyc/Img2Img-Translation-Networks
A Discriminatively Learned CNN Embedding for Person Re-identification
@xintong 推荐
#image captioning
在行人识别领域有两类流型的模型(都是基于 CNN),一类是 verification model,一类是 identification model,由于损失函数不同,两类模型各有优缺点。
verification model 以图片对作为输入,经过一个非线性函数(CNN),得到特征后进行相似度判断,这样只利用到了弱的 Re-id 标签。identification model 训练时是以一张图片作为输入,经过一个非线性函数(CNN),得到特征,然后进行多类判断。
在测试阶段,把两张图片经过全连接的网络,得到特征,然后再做相似度判断。identification model 虽然利用了更多的标注信息,但是训练的目标并不直接是行人重识别。
本文的创新之处,是结合两类模型,学习一个更有区分度的行人识别判别器。实验效果表明,本文提出的融合模型,在 Market1501 和 CUHK 数据集都比基础的两类模型有效果提升,并且该模型还可以运用在图片检索领域。
论文链接
http://www.paperweekly.site/papers/824
代码链接
https://github.com/D-X-Y/caffe-reid
本文由 AI 学术社区 PaperWeekly 精选推荐,社区目前已覆盖自然语言处理、计算机视觉、人工智能、机器学习、数据挖掘和信息检索等研究方向,点击「阅读原文」即刻加入社区!
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。