下面就让我们来深入了解一下什么是图卷积网络，以及它在行为识别领域的最新工作进展吧！
2019-06-10 14:07
为了避免上述问题，来自中科院自动化所、北京中医药大学的研究者们提出一个执行图像语义分割任务的图模型 Graph-FCN，该模型由全卷积网络（FCN）进行初始化。
2020-05-13 15:21
深度学习一直都是被几大经典模型给统治着，如CNN、RNN等等，它们无论再CV还是NLP领域都取得了优异的效果，那这个GCN是怎么跑出来的？是因为我们发现了很多CNN、RNN无法解决或者效果不好的问题——图结构的数据。
2020-04-17 10:14
有关这个领域的研究才刚刚起步。在过去的几个月中，该领域已经获得了振奋人心的发展，但是迄今为止，我们可能只是抓住了这些模型的表象。而神经网络如何在图论上针对特定类型的问题进行研究，如在定向图或关系图上进行学习，以及如何使用学习的图嵌入来完成下一步的任务等问题，还有待进一步探索。本文涉及的内容绝非详尽无遗的，而我希望在不久的将来会有更多有趣的应用和扩展。
2017-12-14 20:08
（例如稀疏性），所以一些关键的语义信息（如物体形状）不能被很好的捕捉到。本文提出了一种基于层级图网络（HGNet）的 图卷积 （GConv），可以直接将点云作为输入来预测 3D 的边界框。形状注意图卷积
2021-06-21 12:15
由于大多数现有的点云对象检测方法不能充分适应点云的特征（例如稀疏性），所以一些关键的语义信息（如物体形状）不能被很好的捕捉到。本文提出了一种基于层级图网络（HGNet）的图卷积（GConv），可以直接将点云作为输入来预测 3D 的边界框。
2020-12-24 15:25
机电系统中的故障检测对其可维护性和安全性至关重要。然而，系统监测变量往往具有复杂的联系，很难表征它们的关系并提取有效的特征。本文开发了一种基于因果路径的层次图卷积注意力网络（HGCAN），以提高复杂
2024-11-12 09:52
最新研究提出，图神经网络仅对特征向量进行低通滤波，不具有非线性流形学习特性。论文提出了一种基于图形信号处理的理论框架，用于分析图神经网络。
2019-06-05 09:21
命名实体识别（NER）是信息抽取的一项基本任务，它的目的是识别文本片段中的实体及类型，如人名（PER），地名（LOC）和组织名（ORG）。命名实体识别在许多下游任务都有着广泛的应用，如实体链接和关系抽取。
2022-09-28 11:41
这篇文章提出的图卷积模型并没有从头去做图像分割，而是在粗分割结果的基础上进行改善。
2020-10-13 17:34
