深度学习（四十四）——多标签学习, 多模态学习
2018-08-26多标签学习
多标签分类问题（也称细粒度分类），通常有两种解决方案，即转换为多个单标签分类问题，或者直接联合研究。前者，可以训练多个分类器，来判断该维度属性的是否，损失函数常使用softmax loss。后者，则直接训练一个多标签的分类器，所使用的标签为0,1,0,0…这样的向量，使用hanmming距离等作为优化目标。
参考：
https://mp.weixin.qq.com/s/sdQ0rWbDDMN_P0B_RiYZmw
分段映射：帮助利用少量样本习得新类别细粒度分类器
https://mp.weixin.qq.com/s/zeN7rjmAnvh_7BbTmScrZw
细粒度分类你懂吗？——fine-gained image classification
https://mp.weixin.qq.com/s/SCsdWLrBDAKzc9NLAK1jxQ
最新综述：多标签学习的新趋势
https://mp.weixin.qq.com/s/LtWMGRBk2sbPDjeC9PmJ7g
弱监督学习下的商品识别：CVPR 2018细粒度识别挑战赛获胜方案简介
https://mp.weixin.qq.com/s/hcoAL1AHm_HtderWU8fSBw
大连理工大学在CVPR18大规模精细粒度物种识别竞赛中获得冠军
https://mp.weixin.qq.com/s/31r9FjuJn9yxrZMnfozkMQ
全卷积注意网络的细粒度识别
https://zhuanlan.zhihu.com/p/24738319
“见微知著”——细粒度图像分析进展综述
https://zhuanlan.zhihu.com/p/42067661
CVPR Look Closer to See Better
https://mp.weixin.qq.com/s/52hm3Cq3TFRnTMfDppivSQ
中山大学等提出HSE：基于层次语义嵌入模型的精细化物体分类
https://zhuanlan.zhihu.com/p/48192930
Object-Part Attention Model for FGVC
https://mp.weixin.qq.com/s/slmod5rW4qRhxGnbNN2J8g
双线性汇合(bilinear pooling)在细粒度图像分析及其他领域的进展综述
https://mp.weixin.qq.com/s/JGQdHS_yqkOMrN_Z3jEb7A
基于深度学习的细粒度图像分类综述
https://mp.weixin.qq.com/s/L-1gkElxsMtT369fgJl86Q
旷视南京研究院魏秀参：细粒度图像分析综述
https://zhuanlan.zhihu.com/p/57086099
细粒度识别之Local Attention Network
https://mp.weixin.qq.com/s/6K4tXPlYLaXhexh6gElP5Q
多标签图像分类综述
https://mp.weixin.qq.com/s/bb3ZsXtiRmPvzQ-lfSXrZQ
基于Pascal VOC2012增强数据的多标签图像分类实战
https://mp.weixin.qq.com/s/2pJt9hlUFhR6mo1ughKkiA
超全深度学习细粒度图像分析：项目、综述、教程一网打尽
https://mp.weixin.qq.com/s/jyIrREnJQv4mW-H9ghO7_A
细粒度图像分类是什么，有什么方法，发展的怎么样
https://mp.weixin.qq.com/s/5Y4sQlt6DvgkAYtncByjzw
基于Pytorch的细粒度图像分类实战
https://mp.weixin.qq.com/s/232DjhM5sqWqPTv7PCaORA
ElementAI提出超复杂多尺度细粒度图像分类Attention模型
https://mp.weixin.qq.com/s/G-4w5jMuN-_zVARPeb0cqA
细粒度实体分类论文综述
https://mp.weixin.qq.com/s/FcSzjphpsWCB-nrtbjs4gg
如何掌握好图像分类算法？
https://mp.weixin.qq.com/s/IeLYy0Pp3HC_UujA0KYn1Q
多标签长尾识别前沿进展
https://mp.weixin.qq.com/s/m3sgoG15dtacGt1_Anrq6Q
使用NTS理解细粒度图像分类
https://mp.weixin.qq.com/s/6fcqXac7ihAeDuwzl_MxPQ
“神奇的”标签增强技术（Label Enhancement）
https://mp.weixin.qq.com/s/uLyllVhO-U5RrT4Q5XpiLA
细粒度多标签分类
https://mp.weixin.qq.com/s/IhPavQZmXIxxUzNSnnFCKg
南理工最新“深度学习细粒度图像分析”综述论文，带你全面了解细粒度图像识别与检索方法
多模态学习
参考
https://github.com/HuaizhengZhang/Awsome-Deep-Learning-for-Video-Analysis
深度学习视频分析/多模态学习资源大列表
https://mp.weixin.qq.com/s/ruRkqBEdyj2Dx0WTO5Jhcw
多模态学习研究进展综述
https://mp.weixin.qq.com/s/g3rwPsusYi7gQopOHvdNrA
多模态学习调研
https://mp.weixin.qq.com/s/xzeNAuuDt_VLHDgvIkc-Mg
多模态情感分析简述
https://mp.weixin.qq.com/s/vpBPkjuCebSWh5qPLYHCkw
上海交大提出多模态框架“EmotionMeter”，更精准地识别人类情绪
https://mp.weixin.qq.com/s/BBg04rDtiqU-XrWortufNA
康奈尔&英伟达提出多模态无监督图像转换新方法
http://mp.weixin.qq.com/s/khOINUyrNV3TFfgNRheH0A
卷积神经网络压缩、多模态的语义分析研究
https://mp.weixin.qq.com/s/ywU4L659iRcmIgmV6RtbXA
DeepMind新研究连接听与看，实现“听声辨位”的多模态学习
https://mp.weixin.qq.com/s/1qhcyTXttgKWlw-Oy556Tw
TPAMI2019最新《多模态机器学习综述》
https://mp.weixin.qq.com/s/BczgUuh2FIvP5MG9xh87wQ
多模态多任务学习新论文
https://zhuanlan.zhihu.com/p/427323610
多模态中预训练的演变史
https://mp.weixin.qq.com/s/ipj8qpYRiYbIeXn2PZb1SQ
5G时代下多模态理解做不到位注定要掉队
https://mp.weixin.qq.com/s/UghgWBN7mE8oJdMUvjAjcQ
何晖光：多模态情绪识别及跨被试迁移学习
https://mp.weixin.qq.com/s/EMWpBP5iB1Qrleo3XNjbuQ
IEEE Fellow何晓东&邓力：多模态智能论文综述：表示学习，信息融合与应用
https://mp.weixin.qq.com/s/Yus55s1utTrjuzsrebJu_w
让机器读懂视频：亿级淘宝视频背后的多模态AI算法揭秘
https://mp.weixin.qq.com/s/4AzF6utrQhhEweRIM6zV3A
文本+视觉，跨模态预训练新进展
https://mp.weixin.qq.com/s/dG7Lr5fdmqJQaYOWgkk8iw
如何构建多模态BERT?这份UNC76页《LXMERT: 从Transformer学习跨模态编码表示》PPT告诉您
https://mp.weixin.qq.com/s/QIJ2c4L7KfjVEhIyKayJ-Q
阿里文娱多模态视频分类算法中的特征改进
https://mp.weixin.qq.com/s/THxlQX2MPXua0_N0Ug0EWA
BERT在多模态领域中的应用
https://mp.weixin.qq.com/s/GxQ27vY5naaAXtp_ZTV0ZA
通用的图像-文本语言表征学习：多模态预训练模型 UNITER
https://mp.weixin.qq.com/s/rjWOkwzX3IE59Kc9P9leAQ
格“物”致知：多模态预训练再次入门
https://mp.weixin.qq.com/s/0CUGispeZS04D6NhGkrucw
多模态深度学习：用深度学习的方式融合各种信息
https://mp.weixin.qq.com/s/Tli19SOum_muBoBaTtXKUQ
多模态中NLP与CV融合的一些方式
https://mp.weixin.qq.com/s/ondgiFryYqB6-sf-v4pLXQ
多模态预训练模型简述
https://mp.weixin.qq.com/s/TFHS5lZYFwcjP_SC1dAckA
多模态信息如何嵌入推荐系统？RecSys2021《多模态推荐系统》教程
Capsule+
https://jhui.github.io/2017/11/14/Matrix-Capsules-with-EM-routing-Capsule-Network/
“Understanding Matrix capsules with EM Routing (Based on Hinton’s Capsule Networks)”
https://zhuanlan.zhihu.com/p/42864711
胶囊网络到底是什么东东？
https://zhuanlan.zhihu.com/p/32106577
酉变换与递归神经网络
https://github.com/freefuiiismyname/capsule-mrc
基于capsule的观点型阅读理解模型
https://mp.weixin.qq.com/s/cskdgsysD7R_FKChAKmlDg
利用Capsule重构过程，Hinton等人实现对抗样本的自动检测
https://mp.weixin.qq.com/s/7fBXMvT4eyZrKhPKQTAIZQ
你听说过胶囊网络吗？
https://www.cnblogs.com/CZiFan/p/9803067.html
CapsNet胶囊网络
https://mp.weixin.qq.com/s/F9SGZPZj6gup_nOVuDel6A
与胶囊网络异曲同工：Bengio等提出四元数循环神经网络
https://mp.weixin.qq.com/s/4o9XHGwx5lYsJ7YfUNHSoQ
百年老图难倒谷歌AI，网友：是鸭是兔？连我都不能确定
https://mp.weixin.qq.com/s/dN1p7nuv6xtnIsSuY73CcA
基于GNN，强于GNN：胶囊图神经网络的PyTorch实现
https://mp.weixin.qq.com/s/lcJcaiMtYXGVOwa_sVsVfA
Hinton老爷子CapsNet再升级，结合无监督，接近当前最佳效果
https://mp.weixin.qq.com/s/A0m3lkIBCTFf5bzTQlYbgQ
基于胶囊网络的计算机视觉应用
https://mp.weixin.qq.com/s/BqsFIUrVEVz5kOFh3W93gQ
胶囊网络升级新版本，推特2000+赞
https://zhuanlan.zhihu.com/p/106330900
解读－Stacked Capsule AutoEncoder－堆叠的胶囊自编码器
https://mp.weixin.qq.com/s/ubi1L1Zlh4yZqCjZnpD58w
Capsule Network深度解读
姿态/行为检测进阶+
https://mp.weixin.qq.com/s/6HsL2B7p-XyvGWAb4SwALA
图灵奖得主Geoffrey Hinton最新研究NASA：一种更好地学习三维模型动作的方法
https://zhuanlan.zhihu.com/p/26460437
Video Analysis相关领域解读之Action Recognition(行为识别)
https://zhuanlan.zhihu.com/p/26603387
Video Analysis相关领域解读之Temporal Action Detection(时序行为检测)
https://zhuanlan.zhihu.com/p/26730181
Video Analysis相关领域介绍之Video Captioning(视频to文字描述)
https://mp.weixin.qq.com/s/-HEYU_El8xysk8atHYx1Mg
基于3D行人姿态和步态预测的神经网络模型
https://zhuanlan.zhihu.com/p/72561165
重新思考人体姿态估计 Rethinking Human Pose Estimation
https://mp.weixin.qq.com/s/8vdTlIe9LV88AVw9kAcVjA
基于空间AdaIN的深度姿态迁移
https://zhuanlan.zhihu.com/p/129279351
X3D Facebook视频理解/行为识别新作
https://zhuanlan.zhihu.com/p/149429010
TAM: 针对动作识别的时序自适应模块
https://mp.weixin.qq.com/s/skCOaKf9kRABTX7hkdjGXA
谷歌极速人脸、手、人体姿态分析Blaze算法家族
https://zhuanlan.zhihu.com/p/69042249
2020 Pose Estimation人体骨骼关键点检测综述笔记
https://zhuanlan.zhihu.com/p/164603050
3D Pose Estimation关键点检测的算法整理（2020）
https://mp.weixin.qq.com/s/AW-L_5acaDzGTObUGjTuuw
用AI“驯服”人类幼崽：这个奶爸找到了硬核带娃的乐趣
https://mp.weixin.qq.com/s/P4FxL2jAXaJYZ0ZTY8xtzg
深度学习人体姿态估计：2014-2020全面调研
https://zhuanlan.zhihu.com/p/414173365
记一次坎坷的算法需求实现：轻量级人体姿态估计模型的修炼之路（附MoveNet复现经验）
https://mp.weixin.qq.com/s/zzFb55Yj9j3x_pxeXRlOaw
在线试玩，在体感游戏中打败泰森，这位小哥破解了任天堂“拳无虚发”（MoveNet）
