awesome gcn

Repositori ini adalah untuk mengumpulkan sumber daya terkait GCN, GAT (perhatian grafik).

Repositori GitHub:

Melaksanakan:

1. TKIPF/GCN, Implementasi Grafik Jaringan Konvolusional di TensorFlow,

2. TKIPF/KERAS-GCN, Implementasi Keras dari Grafik Jaringan Konvolusional,

3. Ocechain/GCN, Grafik Jaringan Konvolusional,

4. PARARV-/GAT, jaringan perhatian grafik (https://arxiv.org/abs/1710.10903),

5. Diego999/Pygat, Implementasi Pytorch dari Model Jaringan Perhatian Grafik oleh Veličković ET. Al (2017, https://arxiv.org/abs/1710.10903),

6. MP2893/gram, model perhatian berbasis grafik,

7. Danielegrattarola/keras-gat, implementasi Keras dari grafik Networks Attention (GAT) oleh Veličković et al. (2017; https://arxiv.org/abs/1710.10903),

8. Luckick/EAGCN, Implementasi jaringan konvolusional grafik multi-relasional berbasis perhatian,

GCN yang ditingkatkan:

1. lightaime/deep_gcns, repo untuk "Bisakah GCN pergi sedalam CNNS?",

Contoh & Tutorial:

1. dbusbridge/gcn_tutorial, tutorial tentang jaringan saraf convolutional grafik,

Grafik Pengetahuan:

1. TKIPF/Relasional-GCN, Implementasi Jaringan Konvolusi Grafik Relasional Berbasis KERAS

2. 1049451037/GCN-Align, Kode Makalah: Penyelarasan Grafik Pengetahuan Lintas Lintas melalui Grafik Jaringan Konvolusional.

3. Michschli/Relasi Hubungan, Implementasi R-GCN untuk Prediksi Tautan Relasional

4. xiangwang1223/knowledge_graph_attention_network, kgat: jaringan perhatian grafik pengetahuan untuk rekomendasi, kdd2019,

5. Deepakn97/RelationalPrediction, ACL 2019: Belajar Embeddings Berbasis Perhatian untuk Prediksi Hubungan dalam Grafik Pengetahuan,

Ekstraksi relasi:

1. Qipeng/GCN-over-Pruned-Trees, konvolusi grafik atas pohon ketergantungan yang dipangkas meningkatkan ekstraksi hubungan (implementasi Pytorch penulis),

2. Malllabiisc/Reside, EMNLP 2018: Bertempat: Meningkatkan Ekstraksi Saraf Saraf yang Diawasi Jauh Menggunakan Informasi Samping,

3. CARTUS/AGGCN_TACRED, Networks Convolutional Grafik yang Dipandu Perhatian untuk Ekstraksi Relasi (Implementasi Pytorch Penulis untuk Kertas ACL19),

Klasifikasi Teks:

1. Yao8839836/text_gcn, jaringan konvolusional grafik untuk klasifikasi teks. Aaai 2019,

2. Yuanluo/text_gcn_tutorial, tutorial ini (saat ini sedang dikembangkan) didasarkan pada implementasi teks GCN dalam makalah kami: Liang Yao, Chengsheng Mao, Yuan Luo. "Grafik Jaringan Konvolusional untuk Klasifikasi Teks." Dalam Konferensi AAAI ke-33 tentang Kecerdasan Buatan (AAAI-19),

3. PLKMO/BIBLE_TEXT_GCN, jaringan konvolusi grafik berbasis teks,

4. IAMJAGDEESH/DETEKSI PALSU-BERBAGI, Detektor Berita Palsu Berdasarkan Konten dan Pengguna yang Terkait dengan Menggunakan Bert dan Graph Attention Networks (GAT).,

Kata embedding:

3. Malllabiisc/WordGCN, ACL 2019: Menggabungkan informasi sintaksis dan semantik dalam embeddings kata menggunakan jaringan konvolusional grafik,

Ner:

1. ContextScout/GCN_NER, Grafik Jaringan Saraf Konvolusional Bernama Pengenalan Entitas,

QA:

1. berc-uoft/transformer-gcn-qa, arsitektur q/a multi-hop berdasarkan transformator dan gcns,

Resolusi Coreference:

1. IAYCXU/RGCN-dengan-Bert, Grafik Convolutional Networks (GCN) dengan Bert untuk Tugas Resolusi Coreference [Pytorch] [DGL],

Rekomendasi:

1. Peijiesun/Diffnet, kode ini dirilis untuk kertas: Le Wu, Peijie Sun, Yanjie Fu, Richang Hong, Xiting Wang dan Meng Wang. Model difusi pengaruh saraf untuk rekomendasi sosial. Diterima oleh SIGIR2019.

Pengakuan Tindakan Berbasis Kerangka:

1. YYSIJIE/ST-GCN, jaringan konvolusional grafik temporal spasial (ST-GCN) untuk pengenalan tindakan berbasis kerangka di Pytorch

Deteksi Anomali:

1. JX-Zhong-for-Academic-Purpose/GCN-anomali-deteksi, placeholder kode sumber dalam CVPR 2019: Grafik Label Noise Cleaner: Latih Klasifikasi Aksi Plug-and-Play untuk Deteksi Anomali.

2. Kaize0409/gcn_anomalydetection, kode untuk deteksi anomali dalam pada jaringan yang dikaitkan (SDM2019).

Clustering wajah:

1. Zhongdao/gcn_clustering, kode untuk clustering wajah berbasis tautan cvpr'19 melalui GCN,

2. YL-1993/Learn-to-cluster, Belajar untuk mengelompokkan wajah pada grafik afinitas (CVPR 2019),

Pengenalan atribut orang:

2. 2014gaokao/pejalan kaki-atribut-pengakuan-dengan-GCN, GCN untuk pengakuan atribut pejalan kaki dalam skenario pengawasan,

Pencarian Orang:

1. sjtuzq/person_search_gcn, repositori ini meng -host kode untuk makalah kami “grafik konteks pembelajaran untuk pencarian orang”, cvpr2019 oral,

Segmentasi Gambar:

1. Fidler-Lab/Curve-GCN, Kode Pytorch resmi untuk Curve-GCN (CVPR 2019),

Klasifikasi Gambar:

1. ChenzHaomin123/ML_GCN, implementasi Pytorch dari pengenalan gambar multi-label dengan Grafik Convolutional Networks, CVPR 2019,

2. Rusty1s/Based-Image-Image-Classification, Implementasi Jaringan Konvolusional Grafik Planar di TensorFlow,

3. Avirambh/msdnet-GCN, ICLR 2018 Tantangan Reproduksibilitas-Jaringan konvolusional padat multi-skala untuk prediksi yang efisien,

4. Judyye/Zero-Shot-GCN, Pembelajaran Zero-Shot dengan GCN (CVPR 2018),

Generasi Grafik Adegan:

1. NVIDIA/CONTRONDIVELOSSES4VRD, Implementasi untuk kertas CVPR2019 "Kerugian Kontras Grafis untuk Pembuatan Grafik Adegan",

2. Yuweihao/Kern, kode untuk jaringan perutean yang dilapisi pengetahuan untuk pembuatan grafik adegan (CVPR 2019),

3. shijx12/xnm-net, implementasi pytorch dari "penalaran visual yang dapat dijelaskan dan eksplisit atas grafik adegan",

4. JIAYAN97/LINKNET-PYTORCH, PYTORCH Reimplementation of LinkNet untuk pembuatan grafik adegan,

5. Uehwan/3D-scene-graph, generator grafik adegan 3D diimplementasikan di Pytorch.,

6. Kenneth-Wong/Scenegraph_Mem, Kode untuk CVPR 2019: Menjelajahi konteks dan pola visual hubungan untuk pembuatan grafik adegan, Wenbin Wang, Ruiping Wang, Shiguang Shan, Xilin Chen, CVPR 2019,

7. danfeix/scene-graph-tf-release, "pembuatan grafik adegan dengan pesan iteratif lulus" repositori kode http://cs.stanford.edu/~danfei/scene-…,

8. Google/SG2IM, kode untuk "pembuatan gambar dari grafik adegan", Johnson et al, CVPR 2018,

9. Rowanz/Neural-Motifs, Code for Neural Motif: Scene Graph Parsing dengan Global Context (CVPR 2018) https://rowanzellers.com/neuralmotifs,

10. Jwyang/grafik-rcnn.pytorch, kode pytorch untuk kertas ECCV 2018 kami "grafik R-CNN untuk pembuatan grafik adegan" dan makalah lainnya,

11. yikang-li/factorizablenet, factorizable net (multi-gpu versi): kerangka kerja berbasis subgraph yang efisien untuk pembuatan grafik adegan,

Aliran lalu lintas:

1. LEHAIFENG/T-GCN, jaringan konvolusional grafik temporal untuk metode prediksi arus lalu lintas perkotaan

2. Franceszhou/gcntrafficprediction,

3. Davidham3/astgcn, jaringan convolutional grafik spasial-temporal berbasis perhatian untuk peramalan arus lalu lintas (ASTGCN) AAAI 2019,

Prediksi Penyakit:

2. Parisots/Populasi-GCN, Grafik CNNs untuk Grafik Populasi: Klasifikasi Dataset Abide,

Prediksi jalur:

1. Zhenye-Na/GCN-SPP, prediksi jalur terpendek menggunakan jaringan konvolusional grafik,

2. raphaelavalos/attention_tsp_graph_net, implementasi perhatian memecahkan TSP Anda, kira -kira (W. Kool et al.) Dengan perpustakaan grafik DeepMind's Nets,

Cloud titik 3D:

1. maggie0106/grafik-cnn-in-3d-point-cloud-classification, kode untuk grafik-CNN untuk klasifikasi cloud titik 3D (ICASSP 2018),

2. Jiexiong2016/gcnv2_slam, sistem slam real-time dengan fitur yang dalam,

Grafik ke urutan:

1. wngzhiqi/graph2seq-graph-to-sequence-learning-with-actention-neural-networks, repo ini adalah proyek untuk 11785 (pembelajaran mendalam) di CMU. Kami mereproduksi kertas yang disebut "Graph2Seq: Graph to Sequence Learning dengan jaringan saraf berbasis perhatian" (https://arxiv.org/pdf/1804.00823.pdf). Anggota Tim: Zhiqi Wang, Ziyin Huang, Hong Du, Zhenggai Zhang,

2. Syxu828/Graph2Seq-0.1, ini adalah kode untuk kertas "Graph2seq: Grafik untuk Mengurutkan Pembelajaran dengan Jaringan Saraf Berbasis Perhatian",

Prediksi Stabilitas Kimia:

1. Mingcpu/DeepChemstable, DeepChemstable: Prediksi Stabilitas Kimia Menggunakan Jaringan Konvolusi Grafik Berbasis Perhatian,