AAAI 2021
YOLObile:面向移动设备的「实时目标检测」算法(AAAI2021)
1. 前言 目标检测之YOLO算法：YOLOv1,YOLOv2,YOLOv3,TinyYOLO,YOLOv4,YOLOv5,YOLObile,YOLOF详解： [文章: 目标检测之YOLO算法：YOLOv1,YOLOv2,YOLOv3,TinyYOLO，YOLOv4,YOLOv5,YOLObile,YOLOF,YOLOX详解] 论文作者来自于美国东北大学、匹兹堡大学和William & Mary。YOLObile 框架通过「压缩 - 编译」协同设计在手机端实现了高准确率实时目标检测。该框架使用一种新提出的名为「block-punched」的权重剪枝方案，对模型进行有效的压缩。在…
AAAI 2021 Best Paper: 通过强化学习校准，减轻语言模型中的政治偏见
学术农工
原文：Mitigating Political Bias in Language Models Through Reinforced Calibration 文章地址： https://www.cs.dartmouth.edu/~rbliu/aaai_copy.pdf Main Contribution：描述了衡量GPT-2生成任务种政治偏见的指标，并提出了一个基于强化学习(RL)的框架来减轻生成文本中的政治偏见，该框架 不需要访问训练数据或者重新训练模型。MotivationGPT-2名声在外，被称为NLP界的“核武器”。虽然刷榜无数，但是存在的问题也逐渐浮现了出来。由于使用了大量的预训练数…
AAAI 2021 | 时间序列论文一览
时间序列学术速报AAAI 2021| 时间序列相关论文一览 NeurIPS 2020 | 时间序列相关论文一览 ICML 2020 | 时间序列相关论文一览 KDD 2020 | 时间序列相关论文一览 会议概况AAAI的英文全称是 the Association for the Advance of Artificial Intelligence，中文意思是美国人工智能协会。 美国人工智能协会（American Association for Artificial Intelligence）是人工智能领域的主要学术组织之一。该协会主办的年会（AAAI, The National …
【倒金字塔优化】Pyramidal Feature Shrinking for Salient Object Detection
快快乐乐，没有脑袋
主要思路和创新点作者利用特征网络不同阶段的特征差异性，提出倒金字塔结构用于选择选取这些不同特征间的优质部分，与以往多层网络的单纯融合相比更有助于模型的训练。 [图片] 最开始的特征提取骨架选用了 ResNet-50，之后从小模块逐渐讲起。 首先是倒金字塔结构里的 A，为相邻融合模块（AFM: Adjacent Fusion Module），具体结构在右下角。两个不同大小的特征图通过其中一个上采样后两者相乘，再分别加到两个特征图上进行 3*3 的卷积和…
AAAI2021 | image caption | Dual-Level Collaborative Transformer
程序猿，计算机硕士在读，公众号：三维重建学习笔记
[图片] 论文链接： https://arxiv.org/pdf/2101.06462.pdf 代码链接： https://github.com/luo3300612/image-captioning-DLCT 原文链接： 洛英：「AAAI2021」Image Captioning 图像描述生成，性能SoTA！ Abstract and introduction目标检测网络提取的区域特征在图像标注的发展中发挥了重要作用，然而它们仍然因缺乏上下文信息和细粒度细节而受到批判。因此，本文提出了一种新的Dual-Level Collaborative Transformer (DLCT)网络，实现了这两种特性的互补优势。 具体地说，在DLCT中，这两个…
【论文阅读】Learning a Few-Shot Embedding Model with Contrastive Learning
算法工程师，公众号：每日AI
来自AAAI 2021的一篇小样本图像分类的文章。仅供交流学习使用，侵删~ 作者：Chen Liu, Li Zhang, Chengming Xu, Siqian Yang, Yanwei Fu, Jilin Li, Chengjie Wang 代码： corwinliu9669/Learning-a-Few-shot-Embedding-Model-with-Contrastive-Learning: This repo contains codes for Learning a Few-shot Embedding Model with Contrastive Learning(AAAI2021) (github.com) 论文： https://www.aaai.org/AAAI21Papers/AAAI-2249.LiuC.pdf 核心方法思路 对于人来…
活动报名 | AAAI 2021 网易伏羲实验室视觉计算组专场, 好玩的工作分享+在线交流!
公众号:将门创投(thejiangmen) [图片] 第35届人工智能学术顶会 AAAI 2021已于年初线上举行，在这个春意盎然的三月，我们邀请到了将门的老朋友、网易伏羲实验室视觉计算组团队来分享他们在本次AAAI上的工作。他们带来的四篇paper都是“好玩儿”的！自动创建游戏角色单图人脸重演人体图像生成游戏住宅规划 这个神仙团队就是—— 伏羲实验室视觉计算组通过计算机视觉和计算机图形学相关的人工智能技术在游戏中的研究与应用，全面释放创作者…
【物体对特征关系 - 图像段落转换】Object Relation Attention for Image Paragraph Captioning
快快乐乐，没有脑袋
主要思路和创新点本文主要针对图像段落转换问题，通过将相关物体成对输入网络提取彼此特征，更好地提高模型对图像各关系特征的学习能力。 首先，模型采用 Faster R-CNN 提取图片中的检测物体，并针对所有有重叠部分的物体形成物体对。将所有物体对的特征通道连接，不但限于（v1-v2），也包括（v2-v1），以此更好的提取两者间的主被动关系，在整体架构中即： [图片] 之后，作者提出了两个网络，分别是关系注意网络和关系编码网络。关系注…
讲讲自己AAAI的工作
Improving Model Robustness by Adaptively Correcting Perturbation Levels with Active Queries . (AAAI, 2021)写了那么多别人文章的博客，终于有机会给大伙介绍自己的工作了！这篇文章是我和 陶略 (研究对抗鲁棒性的大佬)一起合作的工作，文章是有关模型鲁棒性 (Model Robustness) 以及主动学习 (Active Learning) 相关的，目前被AAAI2021接收，暂时还没被放出来。主动学习 (Active Learning)主动学习主要是解决在半监督场景下…
你真的理解 Transformer 吗？AAAI21最佳论文Runners Up解读！
公众号：机器学习社区，关注我，一起成长
作者：一元，来自： AAAI21最佳论文Runners Up！Transformer的归因探索！ 欢迎关注 @机器学习社区 ，专注机器学习、人工智能、深度学习领域前沿技术 问题背景在之前大家对于 Transformer 的理解都是，Transformer 的成功得益于强大 Multi-head 自注意机制，从输入中学习 token 之间的依赖关系以及编码上下文信息。我们都很难解释输入特性如何相互作用以实现预测的。 Attention 计算得到的分数也并不能完美的解释这些交互作用，本…
【频率图辅助 - 人脸伪造监测】Local Relation Learning for Face Forgery Detection
快快乐乐，没有脑袋
主要思路和创新点本文主要提出将图像原图及频率图同时输入，在网络里彼此获取特征信息，最后通过特征层间相似信息作为真假之外的辅助损失函数。 首先，作者使用离散余弦转换（DCT: Discrete Cosine Transform）将原图转换为频率分布： [图片] 其次，作者通过过滤分布图中的低频信息以方法高频信息的微妙变换： [图片] 最后，再将其转回成 RGB 图像： [图片] [图片] 之后作者提出对 RGB 和频率图特征的注意力交互模块： [图片] 首先将两个图片合并之后输入卷积层得到…
AAAI 2021 | 利用双流卷积增强的Transformer进行WiFi-based人体动作识别
公众号：将门创投 (thejiangmen) 作者：新南威尔士大学博后研究员 李冰本文介绍一篇 AAAI 2021论文：Two-Stream Convolution Augmented Transformer for Human Activity Recognition。在该项工作中， 新南威尔士大学和新加坡A*STAR研究院的研究者提出，利用Transformer强大的特征建模能力，可以通过商用WiFi设备以“被动式”的方式识别人体动作，并且该方法可以达到SOTA的准确率 (>98.7%)。此外，由于可以被并行计算，其时间效率…
【多角度弱监督】Structure-Consistent Weakly Supervised Salient Object Detection
快快乐乐，没有脑袋
主要思路和创新点 [图片] 本文主要是针对在显著目标检测问题中，没有完整的标注图，而仅仅是涂画物体和背景部分一小部分的半监督问题。 整体结构采用编码 - 解码器结构，从中提取多个不同特征图。整体网络沿用了（Chen et al. 2020）的方法，我写过这篇文章的笔记，可参考： [文章: 【多特征整合框架】Global Context-Aware Progressive Aggregation Network for Salient Object Detection] 在每层解码器中，作者提出了整合模块…
AAAI2021小样本学习论文汇总
算法工程师，公众号：每日AI
最近AAAI2021论文放出来了一部分，我根据paper list进行了整理和学习，主要是一些可以找到pdf的论文，排名不分先后，分享给大家~ 仅供学习交流使用，侵删。转载请注明出处~1 Tailoring Embedding Function to Heterogeneous Few-Shot Tasks by Global and Local Feature Adaptors作者：Su Lu, Han-Jia Ye, De-Chuan Zhan Abstract: Few-Shot Learning (FSL) is essential for visual recognition. Many methods tackle this chal…
Talk | AAAI'21 BP一作周号益: 长序列预测向左, 计算复杂度向右——稀疏注意力模型
公众号：将门创投 (thejiangmen)本文为 TechBeat人工智能社区第289期线上Talk，这次我“门”邀请到的是 北京航空航天大学计算机学院在读博士生—周号益来到TechBeat人工智能社区分享！他与大家分享的主题是: “长序列预测向左, 计算复杂度向右——稀疏注意力模型”，主要针对AAAI 2021 Best Paper Award《Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting》做出详细介绍。点击【这里 】，立即…