百科问答小站 logo
百科问答小站 font logo



graph convolutional network有什么比较好的应用task? 第1页

  

user avatar    网友的相关建议: 
      

ECCV 2018 Yao Ting 的一篇 paper,《Exploring Visual Relationship for Image Captioning》,用的 GCN。自己之前也想过这个,但人家已经做出来了。


user avatar   zhan-xiao-hang 网友的相关建议: 
      

GCN还可以用来做人脸聚类。注:这是我们CVPR 2019的一篇工作的介绍,对GCN的应用有一些新的理解,在此抛砖引玉,希望对大家的思路能有所启发。

人脸聚类其实可以理解成一个graph中的cluster detection问题。之前写的文章对人脸聚类做了些总结和分析。聚类的一个重要途径是借助graph,例如spectral clustering, hierarchical clustering之类。然而对于deep learning时代的大规模聚类,无标注数据通常来源于开放的场景(in-the-wild),数据内部的结构比较复杂,传统的方法难以处理这种复杂结构的数据。我们知道,GCN是很适合用来学习graph的结构特征的,那有没有办法让网络自动去学习一个正确的cluster应该具有什么样的结构呢?

一种类比:Graph与Image, Node与Pixel

假设我们有大量无标注的人脸数据,先用一个训练好的人脸识别网络提取特征,构建成一个affinity graph,如下图所示。我们的目标是从这个由人脸特征作为节点,人脸之间相似度作为边的graph中找到所有的cluster,让每个cluster都尽量代表一个人(identity)。

而Graph与image是有很多相似性的,graph中的node可以类比为image中的pixel。其实Image也可以理解为一种regular的graph,即每个节点与周围四个节点连接。我们知道,在image中找一个物体,其实就是在做目标检测这个任务。那么类似地,在graph中找一个cluster,是不是也可以利用类似的思路呢?

一种cluster的检测和分割框架:有监督的人脸聚类

我们CVPR 2019被接收为oral的工作实现了用检测和分割的思路来从affinity graph中学习如何找clusters。

图像中物体的检测和分割的代表作是Mask R-CNN,它主要包括region proposal, detection, NMS, segmentation四步。那么类似地,在我们这个框架中,给定无标注人脸数据的affinity graph(通常是KNN graph),我们先从中产生大量的proposal(sub-graph),然后使用一个GCN来筛选出高质量的proposal(detection),再利用另一个GCN来去掉其中的noise(segmentation),最后对这些proposal进行去重和合并,得到最终结果。我们的方法的聚类结果在多个数据集上均超越了传统聚类算法,也超越了我们此前在ECCV 2018展示的人脸聚类算法CDP[1],例如在MS-Celeb-1M上:

把聚类结果分配标签之后加入到有标签数据中,用来训练人脸识别网络,对人脸识别性能的提升:

当然,由于graph的特殊性,很多技术细节是无法照搬Mask R-CNN的,因此我们都相应地提出了新的解决方案,例如如何在graph中生成有意义的proposal,如何解决训练过程中proposal质量太好而overfitting和质量太差不收敛的问题,以及如何更高效地做去重和合并。这些细节请参考我们的

论文:personal.ie.cuhk.edu.hk

代码:github.com/yl-1993/lear


Reference:

[1] Xiaohang Zhan, Ziwei Liu, Junjie Yan, Dahua Lin, and Chen Change Loy. Consensus-driven propagation in massive unlabeled data for face recognition. In ECCV, 2018.

[2] Lei Yang, Xiaohang Zhan, Dapeng Chen, Junjie Yan, Chen Change Loy and Dahua Lin. Learning to cluster faces on an affinity graph. In CVPR, 2019.


user avatar   superbrother-58 网友的相关建议: 
      

从大学到现在,我使用Java已经将近20年,日常也带实习生,还在公司内部做training,所以可以分享下我的经验,希望对你有用。

因为是在工作中培训,就必然有两个约束:实用、时间紧,因此就不能像大学那样,把所有的知识点都面面俱到的讲到。而只能挑基础的,实用的,难理解的讲。至于其他边边角角的知识,就一笔带过。一则没有时间,二则不常用,再则既使讲了,学生印象也不深刻。总之一句话:“好钢用在刀刃上”。

下面,就根据我的实践,具体谈下学习过程:

1.基础知识

我学习java的时候,先是通读了《Java编程思想》,然后是《Java核心技术》。当时这两本书还不像现在这么厚,而刚才我把案头的《Java核心技术》第9版翻了翻,上下两册已经1700多页了,可想而知,如果要把它通读一遍,且不说把所有的代码都调通,就是当小说读,估计也需要些时间。

但我现在教学依然首推《Java核心技术》,主要是体系完整,实例多,可操作性强。但对初学者,我一般是只讲前6章,也就是下面的内容:

  1. Java程序设计概述
  2. Java程序设计环境
  3. Java的基础程序设计结构
  4. 对象与类
  5. 继承
  6. 接口与内部类

就《Java核心技术》第9版来说,也就是到250页为止,加把劲,1个月拿下完全没问题。

因为你是自学,所以建议你一定要把其中的代码都调通,课后的作业尽量去做。除此之外,还有两点特别重要:

#.学习笔记

因为你是自学,不像在企业中学了就能够实践,印象自然特别深刻。而自学因为没有实践的及时反馈,所以记笔记就显得特别重要。因为记笔记就像写作一样,是整理思路的绝佳方法。同时学习笔记也是你以后开发,面试的绝好资料。

学习编程,人跟人是不一样的,别人觉得难理解的东西,对你却不一定;而你觉得难理解的东西,别人可能又会觉得特简单。而学习笔记就是自己专有的“难点手册”,有点像高考时的“错题本”,以后无论是在面试前,还是在日常工作中,随时都可以翻出来看看,自是获益匪浅。

#.分门别类保存demo

学习笔记是很好的文字资料,但编程界有句话说的特别好,所谓“no code, no text”,意思就是说:千言万语都没有一段代码来的实在。

以我的经验,在你在学习的过程中,就某个知识点,无论当时理解的多透彻,调试的多棒,只要时间一长,等到了实用的时候,肯定会碰到各种各样的问题,一些看似简单的东西,此时死活就是调不通,正所谓人到事中迷。这个时候,如果你手头恰有运行良好的demo,打开参考一下(甚至直接拷贝过来),问题自然迎刃而解。而且因为这些demo都是你亲手调试出来,印象自然特别深刻,一碰到问题,在脑子中自会立刻涌现。

所以说,在学习的过程,一定要善待你调通的demo,千万不要用完了就扔,等后来碰到困难,想要用时却找不到,追愧莫及。正确的做法就是把所有调通的demo,分门别类的保存起来,到时候查起来自是得心应手。

人都说“书到用时方恨少”,其实代码也是这样,所谓“demo用时方恨少”。

2.Spring

目前在Java EE开发中,Spring已经成为和Java核心库一样的基础设施,所以说如果想成为一个合格的Java程序员,Spring肯定绕不开。另一方面,如果掌握了Spring体系,Java基本上就算入门了,就有能力进行一些实用级的开发了。

但Spring本身也是日渐复杂,衍生项目越来越多,但最最核心的概念依旧是IOC和AOP,掌握了这两个概念,再把Spring MVC学会,再学习其他的衍生项目就会平滑很多。

同时,因为Spring本身就应用了许多优雅的设计理念,所以学习Spring的过程,也是加强Java基础知识学习的过程。因此等你掌握了Spring,原来很多你理解不透彻的Java特性,此时就会恍然大悟,包括接口、抽象类等。

我学习Spring,读的第一本书是《Spring实战》,坦率的说,书很一般,但市面上比它好的书,我却没有遇到过。还有一本《Spring源码深度解析》也不错,对Spring的设计理念讲的尤其透彻,虽然整本书读起来有些艰涩,但前几章却生动有趣,也是整本书的精华。所以建议你在学习Spring之前,先把该书的前几章通读一下,然后再回过头来学习《Spring实战》会顺利很多。

以我经验,要学透Spring,终极的方法还是阅读源码(我当时就是这么干的),待把Spring的核心源码通读了,人就真的自由了(所谓无真相不自由),不仅是对Spring,而是对整个Java体系。以后再遇到其他框架,大概一眼就能看出其中的脉络,所谓到了“看山不是山”的境界。但这都是后话,可以作为以后你努力的方向。

和学习Java基础知识一样,学习Spring也一定要记笔记,一定要分门别类保存demo。

老实说,Spring对初学者不算简单,因此最好能有个好老师带一下,不用太长时间,2个课时即可,然后就是在你遇到大的困难时,能及时的点拨下。

以我的经验,要初步掌握Spring,大概需要1到1个半月的时间。

3.其他知识

Spring是Java编程的基础设施,但真要进入到实际项目的开发,还有些东西绕不过,包括 MySql,Mybatis,Redis,Servlet等,但如果你经过Spring的洗礼,这些东西相对就简单多了,以我的经验,1个月的时间足够了。

4.实践

学习Java,光学不练肯定是不行的。但因为是自学,所以就没有实际的产品让你练手,但也没有关系,谁大学还没有做过毕业设计呢?以我的经验,大家最爱的“学生管理系统”依旧是个很好的练手系统。

别看“学生管理系统”逻辑简单,但麻雀虽小五脏俱全,其中数据库设计、Mybatis,Spring、SpringMVC,Servlet、Tomcat一个都不缺,绝对的练手好伴侣。

还有,虽然你的学习重点在Java,因为要做一个完整的demo,前端的配合肯定少不了。因此就免少不了要学一些简单的JS、HTML知识,但因为前端本就是个很大的topic,所以一定要控制好边界,千万不要顾此失彼。就“学生管理系统”来说,在前端上,只要实现一个包含table、textbox、button,能发送REST请求到server,能实现学生的“增删改查”的简单页面即可。

作为一个练手项目,目标就是把Java的主要技能点串起来,所以自不求尽善尽美(也不可能),所以1个月时间足够了。

.最后

按照上面的过程,4个月的时间刚刚好。当然Java的体系是很庞大的,还有很多更高级的技能需要掌握,但不要着急,这些完全可以放到以后工作中边用别学。

学习编程就是一个由混沌到有序的过程,所以你在学习过程中,如果一时碰到理解不了的知识点,大可不必沮丧,更不要气馁,这都是正常的不能再正常的事情了,不过是“人同此心,心同此理”的暂时而已。

在日常的教学中,我常把下面这句话送给学员们,今天也把它送给你:

道路是曲折的,前途是光明的!”

祝你好运!

--- 上面是原答案 ---

我把上面的内容作了下整理,画了学习路线图,内容也有些升级,供参考。

因为有朋友,通过留言或私信方式问我:Java中有哪些知识已经过时,不需要再学习了

回答的多了,就感觉这是一个普遍的问题,因此统一整理了下,作为这篇文章的补充,希望对你有用。




  

相关话题

  自动化的控制与检测领域中,有没有像机器学习、图像处理领域一样经典巧妙的算法? 
  编写基于机器学习的程序,有哪些编写和调试的经验和窍门? 
  自己学习深度学习时,有哪些途径寻找数据集? 
  cygwin和mingw选哪个? 
  魔鬼如何在最短时间内抓住天使? 
  梯度下降法的神经网络容易收敛到局部最优,为什么应用广泛? 
  自监督学习(Self-supervised Learning)有什么比较新的思路? 
  如何评价Yann LeCun 说的「要研究机器学习,本科应尽量多学物理和数学课」? 
  如何看待Geoffrey Hinton的言论,深度学习要另起炉灶,彻底抛弃反向传播? 
  从应用的角度来看,深度学习怎样快速入门? 

前一个讨论
去俄罗斯留学自己起的俄语名叫Павла 可是为什么有的同学叫我Павлик呢?
下一个讨论
有多少个数学家叫 Kolmogorov ?





© 2024-11-21 - tinynew.org. All Rights Reserved.
© 2024-11-21 - tinynew.org. 保留所有权利