这 8 份「Paper + Code」，你一定用得上

这 8 份「Paper + Code」，你一定用得上 | PaperDaily #08

2017-10-29 657

**
[ 自然语言处理 ]**

SLING: A framework for frame semantic parsing
@paperweekly 推荐

一个非常快的 semantic parsing 工具，工作来自 Google。
论文链接
http://www.paperweekly.site/papers/957
代码链接
https://github.com/google/sling

Optimal Hyperparameters for Deep LSTM-Networks for Sequence Labeling Tasks
@wangmuy 推荐

通过超过 50000 次实验，综合评价序列标注任务（POS，Chunking，NER，Entities，Events）中的超参数作用。将比较有名的序列标注都实现了一遍，并大量实验求证超参数的作用。
论文链接
http://www.paperweekly.site/papers/962
代码链接
https://github.com/UKPLab/emnlp2017-bilstm-cnn-crf

Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering
@jamiechoi 推荐

目前 coco leaderboard 第二名，来自微软的论文。提出了自下而上（bottom-up）和自上而下的 attention (top-down) 机制。其中 bottom-up 是利用 Faster R-CNN 提出图像区域，每个区域都具有相关联的特征向量，而 top-down 的机制确定特征的权重。
论文链接
http://www.paperweekly.site/papers/754
代码链接
https://github.com/peteanderson80/bottom-up-attention

[ 计算机视觉 ]

Progressive Growing of GANs for Improved Quality, Stability, and Variation
@Gapeng 推荐

NVIDIA 新作，更稳定的 GAN 训练，以及更高分辨率的图像生成，1024*1024 超高分辨率的 CelebA 图像生成。
论文链接
http://www.paperweekly.site/papers/1008
代码链接
https://github.com/tkarras/progressive_growing_of_gans

Learning to Compose Domain-Specific Transformations for Data Augmentation
@corenel 推荐

提出了一种不需要特定领域知识的数据扩增的方法，能够生成大量标记样本，并且不损失类别信息。按文中所说，确实能够提升一定的分类模型的精度。
论文链接
http://www.paperweekly.site/papers/919
代码链接
https://github.com/HazyResearch/tanda

Class-specific Poisson denoising by patch-based importance sampling
@falconwj 推荐

将图像降噪问题与高级视觉问题联系在一起，有针对性的对不同图像内容进行不同程度的降噪。解决了现有手法（BM3d）在 texture 图像降噪上的过处理问题。
论文链接
http://www.paperweekly.site/papers/999
代码链接
https://github.com/Ding-Liu/DeepDenoising

[ 机器学习 ]

Reinforcement Learning for Bandit Neural Machine Translation with Simulated Human Feedback
@paperweekly 推荐

EMNLP 2017 论文，通过增强学习的方法来做 NMT，提出了一种 actor-critic 与 encoder-decoder 结合的框架。
论文链接
http://www.paperweekly.site/papers/951
代码链接
https://github.com/khanhptnk/bandit-nmt

Gated Orthogonal Recurrent Units: On Learning to Forget
@datou 推荐

文章是在 GRU 的基础上做了两个修改，一是将参数矩阵 U 变为正交矩阵，而是将 tanh 改为论文提的 modelRELU，对于某些实验有较明显的提高。
论文链接
http://www.paperweekly.site/papers/1002
代码链接
https://github.com/jingli9111/GORU-tensorflow

原文发布时间为：2017-10-30
本文作者：你更懂AI的
本文来自云栖社区合作伙伴“PaperWeekly，了解相关信息可以关注“PaperWeekly”微信公众号

微信关注我们

原文链接：https://yq.aliyun.com/articles/228579

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

机器视觉技术背后的行业趋势

机器视觉是唯一能够通过非接触的方式识别物体、观测物体的技术，在各个领域都具有难以替代的独特作用。同时，机器视觉这个领域包含了大量的细分技术领域，对于新技术的探索和研究也从未停止脚步。 3D机器视觉系统.jpg 在智能生活领域，机器视觉的主要作用是为机器提供物体识别的功能；在智能制造领域，机器视觉广泛应用于物体的检测、测量、识别（识别条形码、二维码）、工业机器人的定位。其中，智能生活领域识别物体的难点主要在于识别目标的覆盖范围的扩大，包括识别成功率的提高，以及样本库的训练；而智能制造领域中，工业机器人的定位是所有功能中相对较难的一种，由于对于作业精度和作业速度的需求，该功能的难点主要在于标定（图像坐标系与外部坐标系的映射）精确度与标定速度的提升，定位过程中的精确度与速度的提升等。为了赋予机器人眼识别物体的功能，机器视觉一般需要经历图像获取、预处理、特征提取、分析理解、图形匹配的过程，最终得到对于图像信息的解释和描述。其中，预处理是将图像进行变换、增强、去噪、均衡、复原等处理；特征提取是从图像信息中提取能够构成目标形象的关键特征，如几何特征（角点、不变量）、颜色特征（灰度、突变）、Gab...

2017-10-30

508

中文伪原创工具需要考虑的问题我开始思考，目前已有的中文伪原创工具，效果差在哪些地方呢？我想到以下几个：一、分词问题。中文和英文不同，无论是搜索引擎的蜘蛛，还是其他自然语言处理的语料分析，都是需要分词的。如果不先进行分词的预处理就开始“伪原创”，肯定是不靠谱。举个例子：“天真”和“纯洁”是近义词。在不分词的情况下，“我有一个天真的表妹”仍然可以伪原创为“我有个纯洁的妹妹”，但“今天真热”处理为“今纯洁热”就是严重不靠谱。二、顺序执行引发的单一化。无论是网上流行的中文伪原创词库，还是现成的中文伪原创工具，我都试过了，他们的词库格式如下：普通的算法是按照顺序依次替换，那么，如图所示，“凡间”的同义词原本有“尘寰”“尘间”“尘世”三个，但它永远不会被替换成后两个词。最最理想的状态是能够根据语境，替换为合适的词。例如“天真”的同义词有“无邪 ”“纯真 ”“纯洁 ”“纯朴”等等，并非每个词在所有语境下都能够完全替换。当然，结合语境是高级自然语言处理的范畴，简单得伪原创能达到次理想状态就算OK：遇到多个同义词的情况，随机替换其中的一个。三、词库打架的问题我下载了网上流传的大部分词...

2017-10-30

507

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。