“Paper + Code”加量豪华套餐 | PaperDaily #04
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后的探索和思考。
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。
點擊本文底部的「閱讀原文」即刻加入社區，查看更多最新論文推薦。
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。
OpenNMT: Open-Source Toolkit for Neural Machine Translation@Ttssxuan 推薦
#NMT
完全基于 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。
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。原因可能在于，前一種方式得到的是高維的 matrix，而后一種方式只是二維的向量，表現能力比較弱，高維包含了更細致的信息
[ 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。
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.
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（都是基于 CNN），一類是 verification model，一類是 identification model，由于損失函數不同，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），得到特征后進行相似度判斷，這樣只利用到了弱的 Re-id 標簽。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），得到特征，然后進行多類判斷。
在測試階段，把兩張圖片經過全連接的網絡，得到特征，然后再做相似度判斷。identification model 雖然利用了更多的標注信息，但是訓練的目標并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，并且該模型還可以運用在圖片檢索領域。
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、人工智能、機器學習、數據挖掘和信息檢索等研究方向，點擊「閱讀原文」即刻加入社區！
關于PaperWeekly
PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。
總結
以上是生活随笔為你收集整理的“Paper + Code”加量豪华套餐 | PaperDaily #04的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： A flight (to Boston)
- 下一篇： 报名 | 东南大学周张泉：基于知识图谱的