開源代碼上新!6 份最新「Paper + Code」 | PaperDaily #17

在碎片化閱讀充斥眼球的時代,越來越少的人會去關注每篇論文背後的探索和思考。 在這個欄目里,你會快速 get 每篇精選論文的亮點和痛點,時刻緊跟 AI 前沿成果。 點擊即刻加入社區,查看更多最新論文推薦。

[ 自然語言處理 ]

DuReader: a Chinese Machine Reading Comprehension Dataset from Real-world Applications

@zhangjun 推薦

#Machine Reading Comprehension

大型中文閱讀理解數據集,工作來自百度。

論文鏈接:paperweekly.site/papers

代碼鏈接:github.com/baidu/DuRead

TransNets - Learning to Transform for Recommendation

@ccclyu 推薦

#Transfer Learning

引入了遷移學習的隱含表示層來減少 test dataset 的稀疏性。

論文鏈接:paperweekly.site/papers

代碼鏈接:github.com/rosecatherin

[ 計算機視覺 ]

Co-attending Free-form Regions and Detections with Multi-modal Multiplicative Feature Embedding for Visual Question Answering

@xiaolu 推薦

#Visual Question Answering

視覺問答任務(Viual Question Answering)是最近 2-3 年興起的多模態任務。對於視覺問答任務,演算法需要同時理解圖片內容和語言信息,然後推理出正確的答案。目前常見的方法有多模態特徵融合和以及視覺注意力機制。

已有的注意力機制主要有兩類,一類是基於全圖區域的注意力機制,一類是基於檢測框區域的注意力機制,前者容易關注到物體的一部分,後者會缺少一些檢測框。

本文第一次嘗試將基於全圖區域的與基於檢測框區域的注意力機制融合在一個框架下,充分利用全圖區域和檢測框之間的互補信息;並且提出新的多模態特徵融合方法,將問題特徵、全圖特徵、檢測框特徵進行有效的融合。模型在 VQA 和 COCO-QA 兩個主流數據集上實現了目前最好的結果。

論文鏈接:paperweekly.site/papers

代碼鏈接:github.com/lupantech/du

Image Crowd Counting Using Convolutional Neural Network and Markov Random Field

@cornicione 推薦

#People Counting

文章融合了 MRF 和 deep 網路,提出了一種統計靜態圖片中人數的方法。

論文鏈接:paperweekly.site/papers

代碼鏈接:github.com/hankong/crow

[ 機器學習 ]

Social Attention - Modeling Attention in Human Crowds

@zk5580752 推薦

#Attention Model

本文是一篇基於 Social LSTM 的後續論文,Social LSTM 是李飛飛團隊於 2016 年提出的行人路徑預測方法。本文則在原文基礎上改進了預測方式,不僅僅基於 RNN 模型,還引入了 Attention Model,使得預測更加精準和全面。

論文鏈接:paperweekly.site/papers

代碼鏈接:github.com/vvanirudh/so

Breaking the Softmax Bottleneck: A High-Rank RNN Language Model

@paperweekly 推薦

#RNN

本文嘗試改進了語言模型在預測 next token 時用 softmax 遇到的計算瓶頸。

論文鏈接:paperweekly.site/papers

代碼鏈接:github.com/zihangdai/mo

本文由 AI 學術社區 PaperWeekly 精選推薦,社區目前已覆蓋自然語言處理、計算機視覺、人工智慧、機器學習、數據挖掘和信息檢索等研究方向,點擊即刻加入社區

我是彩蛋

解鎖新姿勢:用微信刷論文!

PaperWeekly小程序上線啦

今日arXiv√猜你喜歡√熱門資源√

隨時緊跟最新最熱論文

解鎖方式

1. 掃描下方小程序碼打開小程序

2. 用PaperWeekly社區賬號進行登陸

3. 登陸後即可解鎖所有功能

關於PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平台。如果你研究或從事 AI 領域,歡迎在公眾號後台點擊「交流群」,小助手將把你帶入 PaperWeekly 的交流群里。

微信公眾號:PaperWeekly

新浪微博:@PaperWeekly


推薦閱讀:

本期最新 9 篇論文,幫你完美解決「讀什麼」的問題 | PaperDaily #19
你說說為什麼SVM泛化能力好呢?
|期刊分享|機器學習|推薦系統挑戰綜述
用Mxnet實現矩陣分解
當機器學習性能不是很好時,你會如何優化?

TAG:RNN | 迁移学习TransferLearning | 推荐系统 |