awesome gcn

이 저장소는 GCN, GAT (그래프주의) 관련 리소스를 수집하는 것입니다.

Github 리포지토리 :

구현하다:

1. TKIPF/GCN, Tensorflow에서 그래프 컨볼 루션 네트워크 구현,

2. TKIPF/KERAS-GCN, Keras 그래프 컨볼 루션 네트워크의 구현,

3. OceChain/GCN, 그래프 컨볼 루션 네트워크,

4. petarv-/gat, 그래프주의 네트워크 (https://arxiv.org/abs/1710.10903),

5. Diego999/Pygat, Veličković et.의 그래프주의 네트워크 모델의 Pytorch 구현. AL (2017, https://arxiv.org/abs/1710.10903),

6. MP2893/그램, 그래프 기반주의 모델,

7. Danielegrattarola/Keras-Gat, Keras는 Veličković et al. (2017; https://arxiv.org/abs/1710.10903),

8. Luckick/EAGCN, Edge주의 기반 다중 관계 그래프 컨볼 루션 네트워크 구현,

개선 된 GCN :

1. Lightaime/Deep_GCNS, "GCNS가 CNNS만큼 깊을 수 있습니까?"

예제 및 튜토리얼 :

1. DBUSBRIDGE/GCN_TUTORION, 그래프 컨볼 루션 신경망에 대한 튜토리얼,

지식 그래프 :

1. TKIPF/Relational-GCN, keras 기반 관계형 그래프 컨볼 루션 네트워크 구현

2. 1049451037/gcn-align, 논문의 코드 : 그래프 컨볼 루션 네트워크를 통한 문구 간 지식 그래프 정렬.

3. Michschli/relationprediction, 관계형 링크 예측을위한 r-gcns 구현

4. xiangwang1223/knowledge_graph_attention_network, kgat : 지식 그래프주의 네트워크 추천, KDD2019,

5. Deepakn97/RelationPrediction, ACL 2019 : 지식 그래프의 관계 예측을위한주의 기반 임베드,

관계 추출 :

1. QIPENG/GCN-OVER-PRUNED-TREES, 가지 치기 의존성 트리에 대한 그래프 컨볼 루션 관계 추출 (저자의 Pytorch 구현),

2. Malllabiisc/Reside, EMNLP 2018 : RESIDE : 측면 정보를 사용하여 먼 감독 신경 관계 추출 개선,

3. CARTUS/AGGCN_TACRED, 관계 추출을위한주의 가이드 그래프 컨볼 루션 네트워크 (ACL19 용지에 대한 저자의 Pytorch 구현),

텍스트 분류 :

1. YAO8839836/text_gcn, 텍스트 분류를위한 그래프 컨볼 루션 네트워크. AAAI 2019,

2. Yuanluo/text_gcn_tutorial,이 튜토리얼 (현재 개발 중)은 Liang Yao, Chengsheng Mao, Yuan Luo의 논문에서 텍스트 GCN의 구현을 기반으로합니다. "텍스트 분류를위한 그래프 컨볼 루션 네트워크." 인공 지능에 관한 33 번째 AAAI 회의 (AAAI-19),

3. plkmo/bible_text_gcn, 텍스트 기반 그래프 컨볼 루션 네트워크,

4. IAMJAGDEESH/가짜-뉴스 감지, Bert 및 Graph Interection Networks (GAT)를 사용하여 관련 컨텐츠 및 사용자를 기반으로하는 가짜 뉴스 탐지기.

단어 임베딩 :

3. Malllabiisc/WordGCN, ACL 2019 : 그래프 컨볼 루션 네트워크를 사용하여 단어 임베딩에 구문 및 의미 정보 통합,

NER :

1. ConteXTSCOUT/GCN_NER, 그래프 컨볼 루션 신경 네트워크라는 엔티티 인식,

QA :

1. 변압기 및 GCN을 기반으로 한 멀티 홉 Q/A 아키텍처 인 BERC-UOFT/변압기 GCN-QA,

코퍼레이션 해상도 :

1. IANYCXU/RGCN-WITH-BERT, Corections 해상도 작업을위한 BERT가있는 그래프 컨볼 루션 네트워크 (GCN) [PyTorch] [DGL],

추천:

1. Peijiesun/Diffnet,이 코드는 Le Wu, Peijie Sun, Yanjie Fu, Richang Hong, Xiting Wang 및 Meng Wang을 위해 공개됩니다. 사회 추천을위한 신경 영향 확산 모델. SIGIR2019에 의해 수락.

골격 기반 행동 인식 :

1. Yysijie/ST-GCN, Pytorch에서 골격 기반 동작 인식을위한 공간 시간적 그래프 컨볼 루션 네트워크 (ST-GCN)

이상 탐지 :

1. CVPR 2019의 소스 코드의 자리 표시 자 : 그래프 컨볼 루션 레이블 노이즈 클리너 : JX-Zhong-for-Academic-Prescute/GCN-Anomaly-Detection : 그래프 컨 코드 노이즈 클리너 : 이상 탐지를위한 플러그 앤 플레이 액션 분류기 훈련.

2. Kaize0409/gcn_anomalydetection, 기인 네트워크에 대한 깊은 이상 탐지를위한 코드 (SDM2019).

얼굴 클러스터링 :

1. Zhongdao/GCN_Clustering, CVPR의 코드 199 용지 연결 기반 얼굴 클러스터링 GCN,

2. YL-1993/Learn-to-Cluster, 친화력 그래프 (CVPR 2019)에서 클러스터 얼굴을 배우는 학습,

개인 속성 인식 :

2. 감시 시나리오에서 보행자 속성 인식을위한 GCN, GCN, GCN, GCN, GCN, GCN, GCN, GCN, GCN, GCN, GCN, GCN.

사람 검색 :

1. sjtuzq/person_search_gcn,이 리포지토리는“개인 검색을위한 컨텍스트 그래프”, CVPR2019 Oral, 논문의 코드를 호스팅합니다.

이미지 분할 :

1. Fidler-Lab/Curve-GCN, Curve-GCN 용 공식 Pytorch 코드 (CVPR 2019),

이미지 분류 :

1. Chenzhaomin123/ML_GCN, 그래프 컨볼 루션 네트워크를 사용한 다층 이미지 인식의 Pytorch 구현, CVPR 2019,

2. Rusty1s/그래프 기반 이미지 분류, 텐서 플로에서 평면 그래프 컨볼 루션 네트워크 구현,

3. Avirambh/MSDNet-GCN, ICLR 2018 재현성 도전-효율적인 예측을위한 다중 규모의 조밀 한 컨볼 루션 네트워크,

4. Judyye/Zero-Shot-GCN, GCN을 통한 제로 샷 학습 (CVPR 2018),

장면 그래프 생성 :

1. NVIDIA/COSTRASTIVENSES4VRD, CVPR2019 용지 구현 "장면 그래프 생성을위한 그래픽 대비 손실",

2. Yuweihao/Kern, 장면 그래프 생성을위한 지식이 강화 된 라우팅 네트워크 코드 (CVPR 2019),

3. Shijx12/xnm-net, "장면 그래프에 대한 설명 가능하고 명백한 시각적 추론"의 pytorch 구현,

4. JIAYAN97/LINKNET-PYTORCH, 장면 그래프 생성을위한 LinkNet의 PyTorch 재 구현,

5. uehwan/3d- 스코틀리 그래프, 3D 장면 그래프 생성기 Pytorch.,

6. Kenneth-Wong/Scenegraph_Mem, CVPR 2019 코드 : 장면 그래프 생성, Wenbin Wang, Ruiping Wang, Shiguang Shan, Xilin Chen, CVPR 2019의 상황과 시각적 패턴 탐색.

7. Danfeix/Scene-Graph-TF-Release, "반복 메시지 전달"코드 저장소 http://cs.stanford.edu/~danfei/scene-…

8. Google/SG2IM, "장면 그래프에서 이미지 생성"코드, Johnson et al, CVPR 2018,

9. Rowanz/Neural-Motifs, 신경 모티프 코드 : 전 세계 컨텍스트와의 장면 그래프 (CVPR 2018) https://rowanzellers.com/neuralmotifs,

10. Jwyang/Graph-rcnn.pytorch, ECCV 2018 용지 "장면 그래프 생성을위한 그래프 r-cnn"및 기타 논문을위한 Pytorch 코드, 기타 논문,

11. Yikang-Li/Factorizablenet, Factorizable Net (Multi-GPU 버전) : 장면 그래프 생성을위한 효율적인 서브 그래프 기반 프레임 워크,

교통 흐름 :

1. Lehaifeng/T-GCN, 도시 교통 흐름 예측 방법을위한 시간 그래프 컨볼 루션 네트워크

2. Franceszhou/gcntrafficprediction,

3. DavidHam3/ASTGCN, 트래픽 흐름 예측을위한주의 기반 공간-시간 그래프 컨볼 루션 네트워크 (ASTGCN) AAAI 2019,

질병 예측 :

2. Parisots/Population-GCN, 인구 그래프를위한 그래프 CNNS : Abide 데이터 세트의 분류,

경로 예측 :

1. Zhenye-NA/GCN-SPP, 그래프 컨볼 루션 네트워크를 사용한 가장 짧은 경로 예측,

2. Raphaelavalos/Arective_tsp_graph_net,주의 구현은 DeepMind의 그래프 네트 라이브러리를 사용하여 대략 TSP (W. Kool et al.)를 해결합니다.

3D 포인트 클라우드 :

1. Maggie0106/Graph-CNN-in-3D-Cloud Classification, 3D 포인트 클라우드 분류를위한 그래프 CNN 코드 (ICASSP 2018),

2. jiexiong2016/gcnv2_slam, 깊은 기능이있는 실시간 슬램 시스템,

순서대로 그래프 :

1. Wngzhiqi/Graph2Seq-Graph-to-Sequence-Learning-with-intention 기반 신경-네트워크 인이 repo는 CMU에서 11785 (딥 러닝)의 프로젝트입니다. 우리는 "Graph2Seq :주의 기반 신경망을 가진 서열 학습에 대한 그래프"(https://arxiv.org/pdf/1804.00823.pdf)라는 논문을 재현하고 있습니다. 팀원 : Zhiqi Wang, Ziyin Huang, Hong du, Zhengkai Zhang,

2. syxu828/Graph2Seq-0.1, 이것은 종이 코드 "Graph2Seq :주의 기반 신경망을 가진 시퀀스 학습",

화학적 안정성 예측 :

1. mingcpu/deepchemstable, deepchemstable :주의 기반 그래프 컨볼 루션 네트워크를 사용한 화학적 안정성 예측,