![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自学用
文章平均质量分 79
Mitsui745
这个作者很懒,什么都没留下…
展开
-
论文Is Space-Time Attention All You Need for Video Understanding?阅读笔记
写在前面:要从Transformer在NLP领域的一举成名说起,这种简单只使用注意力机制(attention)的结构在机器翻译等等方向都取得了不错的效果。顾名思义,这篇文章的方法基于Transformer提出了一种用于视频理解的框架,是Google提出的用于图像的Transformer-ViT(VisionTransformer)的扩展,将该方法命为TimeSformer(Time-Space Transformer)。对于基本的Transformer不再赘述,对...原创 2021-12-09 17:06:17 · 1125 阅读 · 0 评论 -
图神经网络常用算法之deepwalk
通过知乎【论文笔记】DeepWalk 以及 一种网络嵌入的方法叫DeepWalk,它的输入是一张图或者网络,输出为网络中顶点的向量表示。DeepWalk通过截断随机游走(truncated random walk)学习出一个网络的社会表示,在网络标注顶点很少的情况也能得到比较好的效果。并且该方法还具有可扩展的优点,能够适应网络的变化。随机游走(random walk),就是在网络上不断重复地随机选择游走路径,最终形成一条贯穿网络的路径。从某个特定的端点开始,游走的每一步都从与当前节...原创 2021-12-02 20:47:53 · 874 阅读 · 0 评论 -
GNN综述:论文A Comprehensive Survey on Graph Neural Networks
目录一、什么是图神经网络二、图神经网络的种类1、图卷积网络(Graph Convolution Networks,GCN)2、图注意力网络(Graph Attention Networks)3、Graph Autoencoders4、Graph Generative Networks5、Graph Spatial-Temporal Networks三、图神经网络的应用一、什么是图神经网络 传统的深度学习方法被应用在提取欧氏空间数据的特征方面取得了巨大的成功...原创 2021-11-26 19:05:07 · 1969 阅读 · 0 评论 -
循环GCN相关
粗读几篇循环GCN有关论文,简单进行总结1.Understanding Human Gaze Communication by Spatio-Temporal Graph Reasoning提出了一个时空图神经网络来明确表示社交场景中不同的注视互动,并通过信息传递来推断原子水平的注视通信。我们进一步提出了一种具有编码解码器结构的事件网络来预测事件级的注视通信。对输入视频执行空间推理,通过消息传播更新节点标识。在c中,粗的箭头表示权重较高,具有视线的交互。通过输入的社交视频(a).原创 2021-11-05 19:24:04 · 228 阅读 · 0 评论 -
[论文阅读]Spatial Temporal Graph Convolutional Networks for Skeleton-Based ActionRecognition
目录一.概括二.传统GCN与本文ST-GCN之间的区别 三.实现ST-GCN的细节一.概括传统的a骨骼建模方法通常依靠手工制作部分或遍历规则,从而导致表达能力有限和泛化困难.过往方法能力的限制在于不能精确的提取关节之间的空间关系,而这些空间关系对于理解人类活动是重要的。本文旨在开发一种有原则的、有效的动态骨骼建模方法,并将其用于动作识别。提出了一种新的 ST-GCN,即时空图卷积网络模型,用于解决基于人体骨架关键点的人类动作识别问题。通过自动从数据中自动学习空间和时间...原创 2021-10-29 16:41:05 · 1627 阅读 · 0 评论 -
GAN 、LSTM与GRU
在阅读论文Multi-Level Sequence GAN for Group Activity Recognition时候,发现其使用的是LSTM+GAN,特此,对GAN与LSTM进行了解。生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的原创 2021-10-21 20:59:59 · 2320 阅读 · 0 评论 -
wg-read
1群体行为识别1.1交互/图for 行为识别1.1.2个体+分层【A---- 分层,人人交互,LSTM】Xiangbo Shu 2018 Xiangbo Shu, Jinhui Tang, Guo-Jun Qi, Wei Liu, Jian Yang:Hierarchical Long Short-Term Concurrent Memory for Human Interaction Recognition. CoRR abs/1811.00270 (2018)在这项工作..原创 2021-10-15 20:21:02 · 130 阅读 · 0 评论 -
GCN演变及改进整理
目录一.演变1.Spectral CNN2.Chebyshev谱CNN(ChebNet)3.CayleyNet4.一阶ChebNet(1stChebNet)-GCN二.GCN的改进1.邻接矩阵的探索Adaptive Graph Convolution Network (AGCN)Dual Graph Convolutional Network(DGCN)2. 空间域的GCNs(ConvGNNs)Neural Network for Graphs (NN4G..原创 2021-09-25 09:50:45 · 4392 阅读 · 1 评论 -
整理经典网络并计算其flops等
利用tensorboard显示模型示意图使用到的函数add_graph中的参数add_graph(model, input_to_model=None, verbose=False, **kwargs)参数 model (torch.nn.Module): 待可视化的网络模型 input_to_model (torch.Tensor or list of torch.Tensor, optional): 待输入神经网络的变量或一组变量verbose表示详细信息,verbos...原创 2021-09-06 20:20:36 · 539 阅读 · 0 评论 -
*args与**kwargs
args 是 arguments 的缩写,表示位置参数;kwargs 是 keyword arguments 的缩写,表示关键字参数。这其实就是 Python 中可变参数的两种形式,并且 *args 必须放在 **kwargs 的前面,因为位置参数在关键字参数的前面。*args的用法*args就是就是传递一个可变参数列表给函数实参,这个参数列表的数目未知,甚至长度可以为0。下面这段代码演示了如何使用argsdef test_args(first, *args): print('Re原创 2021-09-06 08:57:38 · 103 阅读 · 0 评论