EurekAlert!

D2-GCN: a graph convolutional network with dynamic disentanglement for node classification

Classic Graph Convolutional Networks (GCNs) often learn node representation holistically, which would ignore the distinct impacts from different neighbors when aggregating their features to update a ...
生物通

KA-GCN：开启 3D 面部分析新征程，突破数据局限的图卷积网络

在 3D 面部分析中，图神经网络（GNNs）应用面临数据不完整、噪声及数据稀缺等问题。研究人员提出 Kernel-Attentive Graph Convolutional Network（KA-GCN）。实验表明，该模型在多数据集任务上优于现有模型，为 3D 面部分析及相关领域提供新方法。 在科技飞速发展的当下 ...
生物通

RA-GCN：基于残差注意力机制的图卷积网络，用于多标签模式图像检索

多标签图案图像检索中，本文提出RA-GCN模型，结合注意力机制与图卷积网络，通过AMD-GCN模块捕捉多标签语义关联，并引入MRA分支增强细粒度特征提取。实验表明该模型在MS-COCO、NUS-WIDE及自建Pattern2数据集上达到SOTA性能，有效解决复杂语义理解和细粒度特征捕捉 ...