「Paper＋Code」加量豪華套餐

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。

這是 PaperDaily 的第 4 篇文章

[ 自然語言處理 ]

ZhuSuan: A Library for Bayesian Deep Learning

@paperweekly 推薦

#Bayesian Deep Learning

Reddit 熱文，清華大學朱軍老師組的工作，貝葉斯學習工具包 ZhuSuan。

論文鏈接

http://www.paperweekly.site/papers/742

代碼鏈接

https://github.com/thu-ml/zhusuan

OpenNMT: Open-Source Toolkit for Neural Machine Translation

@Ttssxuan 推薦

#NMT

完全基於 sequence-to-sequence 實現，包括諸如：multi-layer RNN, attention, bidirec- tional encoder, word features, input feeding, residual connections, beam search, and several others 等擴展。

論文鏈接

http://www.paperweekly.site/papers/716

代碼鏈接

https://github.com/opennmt/opennmt

A Compare-Aggregate Model for Matching Text Sequences

@xwzhong 推薦

#QA

該 paper 更像是一篇實驗性論文，在「general」框架下對其中某一塊使用不同的方法比較、組合。

通過實驗得到（subtraction+multiplication+nn）結果比（Euclidean distance or cosine similarity）效果更好。原因可能在於，前一種方式得到的是高維的 matrix，而後一種方式只是二維的向量，表現能力比較弱，高維包含了更細緻的信息

論文鏈接

http://www.paperweekly.site/papers/564

代碼鏈接

https://github.com/shuohangwang/SeqMatchSeq

[ 計算機視覺 ]

Adversarial Representation Learning for Domain Adaptation

@corenel 推薦

#Representation Learning

ARDA 將 classifier、encoder 以及 discriminator 三者共同訓練，思路不錯。

論文鏈接

http://www.paperweekly.site/papers/692

代碼鏈接

https://github.com/corenel/pytorch-arda

Unsupervised Image-to-Image Translation Networks

@gujiuxiang 推薦

#GAN

The proposed framework can learn the translation function without any corresponding images in two domains.

論文鏈接

http://www.paperweekly.site/papers/647

代碼鏈接

https://github.com/leehomyc/Img2Img-Translation-Networks

A Discriminatively Learned CNN Embedding for Person Re-identification

@xintong 推薦

#image captioning

在行人識別領域有兩類流型的模型（都是基於 CNN），一類是 verification model，一類是 identification model，由於損失函數不同，兩類模型各有優缺點。

verification model 以圖片對作為輸入，經過一個非線性函數（CNN），得到特徵後進行相似度判斷，這樣只利用到了弱的 Re-id 標籤。identification model 訓練時是以一張圖片作為輸入，經過一個非線性函數（CNN），得到特徵，然後進行多類判斷。

在測試階段，把兩張圖片經過全連接的網路，得到特徵，然後再做相似度判斷。identification model 雖然利用了更多的標註信息，但是訓練的目標並不直接是行人重識別。

本文的創新之處，是結合兩類模型，學習一個更有區分度的行人識別判別器。實驗效果表明，本文提出的融合模型，在 Market1501 和 CUHK 數據集都比基礎的兩類模型有效果提升，並且該模型還可以運用在圖片檢索領域。

論文鏈接

http://www.paperweekly.site/papers/824

代碼鏈接

https://github.com/D-X-Y/caffe-reid

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！