目前行为识别发展迅速，许多基于深度网络自动学习特征的行为识别算法被提出。深度学习方法需要大量数据来训练，对电脑存储、运算能力要求较高。在回顾了当下流行的基于深度网络的行为识别方法的基础上，着重综述了基于手动提取特征的传统行为识别方法。传统行为识别方法通常遵循对视频提取特征并进行建模和预测分类的流程，并将识别流程细分为以下几个步骤进行综述：特征采样、特征描述符选取、特征预/后处理、描述符聚类、向量编码。同时，还对评价算法性能的基准数据集进行了归纳总结。
2021-10-12 16:31:22
958KB
1
论文Graph neural representational learning of RNA secondary structures for predicting RNA-protein interactions中实验所用数据集，想要复现论文的同学可以进行下载
2021-08-27 18:07:08
124.59MB
1
自定义要素创建网络数据集的最小生成方式，教程不一定准确，仅供学习参考自定义要素创建网络数据集的最小生成方式，教程不一定准确，仅供学习参考
2021-08-18 09:44:00
1.94MB
1
网络表示学习,ppi-class_map.json,ppi-feats.npy,ppi-G.json,ppi-walks,txt,ppi-id_map.json
2021-08-08 19:07:07
25.78MB
1
Gowalla196,591个节点和950,327个边组成。在2009年2月至2010年10月期间，收集了这些用户的6,442,890个签到位置。Brightkite由58,228个节点和214,078个边组成，在2008年4月至2010年10月期间，共收集了这些用户的4,491,143个签到信息。
2021-07-02 16:36:48
144.79MB
1