真棒图神经网络：图神经网络的论文清单

文字识别工具箱 1.项目介绍 该项目是基于pytorch深度学习框架，以统一的改写方式实现了以下6篇经典的文字识别论文，论文的清单如下。该项目会持续进行更新，欢迎大家提出问题以及对代码进行贡献。 模型 文章标题 发表年份 模型方法划分 神经网络 《基于端到端的可训练神经网络基于图像的序列识别及其在场景文本识别中的应用》 2017年 CNN + BiLSTM + CTC 神经网络 《 OCR门控递归卷积神经网络》 2017年 门控循环抽提层+ BiSTM + CTC 扇子 《关注：在自然图像中实现准确的文本识别》 2017年 聚焦网络+ 1D关注 SAR 《显示，参加和阅读：用于不规则文本识别的简单而强大的基准》 2019年 ResNet + 2D注意 担 《文本识别的去耦注意力网络》 2020年 FCN +卷积对齐模块 卫星 《论具有二维自我注意的任意形状的文本的识别》 2

CwsPosNerEntityRecognition 中英文Cws Pos Ner实体识别工具，使用CNN双向lstm和crf模型，并带有char嵌入。基于字向量的CNN池化双向BiLSTM与CRF模型的网络，可能一体化的完成中文和英文分词，词性标注，实体识别。主要包括原始文本数据，数据转换，训练脚本，预训练模型，可用于序列标注研究。注意：唯一需要实现的逻辑是将用户数据转化为序列模型。分词准确率约为93％，词性标注准确率约为90％，实体标注（在本样本上）约为85％。 提示 中文分词，词性标注，实体识别，在使用上述模型时，本质是就是标注问题！！！如果您第一次使用相关的模型，只需加上self.c

注意-GRU-3M 论文“具有自适应Attention-GRU模型的品牌级排名系统[C]”的代码。 （接受IJCAI 2018） 运行命令：python train.py --buckets“ ./data/” --checkpointDir ./log/ --exp debug --m1 1 --m2 0 --m3 1 参数：“ buckets”是输入数据的文件夹，“ checkpointDir”是输出数据的折叠，“ debug”仅是文件夹名称（不重要），“ m1 m2 m3”表示激活了哪个修改。 运行上述命令一段时间后，在目录根目录下运行：tensorboard --logdir =“ ./ log /”，然后可以通过网站链接查看性能。 虚拟环境：virtualenv -p python2 env 源环境/ bin /激活 在Linux上安装TensorFlow： pip安装-

GAN生成对抗网络 基于Tensorflow 实现去噪 以及图片生成 可自己修改图片数据集 以及迭代次数等 内附命令行 小白可上手

BERT-BiLSTM-CRF-NER Tensorflow solution of NER task Using BiLSTM-CRF model with Google BERT Fine-tuning 使用谷歌的BERT模型在BLSTM-CRF模型上进行预训练用于中文命名实体识别的Tensorflow代码' 中文文档请查看 如果对您有帮助，麻烦点个star,谢谢~~ Welcome to star this repository! The Chinese training data($PATH/NERdata/) come from: The CoNLL-2003 data($PATH/NERdata/ori/) come from: The evaluation codes come from: Try to implement NER work based on google'

cvpr2019_金字塔特征注意网络以进行显着性检测 赵婷和吴相干撰写的CVPR 2019论文“用于显着性检测的金字塔特征注意网络”的源代码。 （ ） 下载显着性地图 为了方便起见，我们提供了本文中使用的基准数据集的显着性图。 Google： 百度：提取：9yt5 设置 安装依赖项： Tensorflow (-gpu) Keras numpy opencv-python matplotlib 用法： train: python train.py --train_file=train_pair.txt --model_weights=model/vgg16_no_top.h5 test: jupyter notebook run dome.ipynb 结果 如果您认为这项工作有帮助，请引用 @inproceedings{zhao2019pyrami

Salient Object Detection with Pyramid Attention and Salient Edges-附件资源

演员 pytorch Performer的简单实现。 模型 表演者使用随机特征图来近似内核。内核期望取代Transformer的“点积自关注”。 Softmax内核 kernel_transformation=softmax_kernel_transformation. 鲁鲁内核 kernel_transformation=relu_kernel_transformation 测试与范例 语言模型 动力总成 预训练屏蔽语言模型。 预训练文件： /example/train_mlm.py 。 配置文件： /example/config.json 用法 ①准备要训练的数据集和词汇②检查config.json中的配置③运行/example/train_mlm.py 精读 去做 表演者绩效测试 编写测试示例 适用于语言模型 评估语言模型 参考

描述 根据论文，我有Keras的开放源代码XinLi,LidongBing,WaiLam and BeiShi. A Dual-Stage Attention-Based Recurrent Neural Network for Time Series Prediction layer_definition 这部分包括编写自己的图层。 双重注意 这部分包括数据的预处理，模型的构建和模型的训练。 数据 从（ ）下载