Paper 研习社本周论文推荐精选 | 第五期

①

#线性回归模型# #计算机图形技术#

基于计算机图形技术的艺术品定价

推荐理由：这篇论文要解决的是艺术品定价的问题。

这是出自北大汇丰商学院的工作，首次尝试了使用计算机图形学技术来进行艺术品的定价。不过这篇论文并没有用到复杂的深度神经网络或其他机器学习模型，而是最常见的线性回归模型，只不过在模型的输入变量中除了尺寸、材料、署名等绘画的基本信息外，还用到了作者自己定义的线条和颜色的方差（用来衡量画作的精致程度，以及被仿造的难度），而加入这些方差确实能够更好地拟合艺术品的成交价格。

看标题会让人以为会是一篇很有趣的论文，因为艺术的抽象和人们对艺术品的欣赏因人而异的特点，使得艺术品定价其实存在很大的不确定性。不过这篇论文只是计算机视觉技术在艺术品定价方面的一个小小的尝试，并没有用到很多很复杂的模型，还有待之后的研究继续探索。

论文链接：https://paper.yanxishe.com/review/682?from=leiphonecolumn

推荐人：琴•福克纳（清华大学信息与通信工程专业，Paper 研习社特约作者）

②

#深度学习#

卷积神经网络研究进展

推荐理由：本论文是对近几年来卷积神经网络CNN发展的综述，卷积神经网络作为深度学习中最为重要的基础模型之一，在众多领域卷积神经网络已经取得了成功，近些年来随着深度学习的发展，卷积神经网络变得越来越深，提出了众多的改进模型，本文就是对其进行总结，不夸张的讲看完这篇论文，卷积神经网络应该是没问题了。

论文链接：https://paper.yanxishe.com/review/814??from=leiphonecolumn

推荐人：Magic（燕山大学计算机机，Paper 研习社特约作者）

③

#监督学习#

在基于技巧的纸牌游戏中改进对监督学习的搜索

推荐理由：1、解决问题：在非完备游戏中的采样，更真实的采样方法

2、创新点：非完备信息Skat的应用，得到了更强的Skat bot；

使用人类玩家数据，采用深度NN对单个卡牌位置预测

3、研究意义：

对Ai在非完备信息领域的探索，以及更细分领域（Trick-base）游戏的解决方案的创新。

论文链接：https://paper.yanxishe.com/review/235?from=leiphonecolumn

推荐人：Simon-xc

④

#弱监督学习#

弱监督学习的简要介绍

推荐理由：在这篇文章中，作者指出虽然目前的机器学习技术取得了巨大的成功，然而由于数据标注成本较高，许多任务很难获得充分的监督信息。因此，弱监督学习被期待能有所作用。

这篇文章回顾了弱监督学习的研究进展，主要集中在三种典型类型上：incomplete supervision，仅给出一部分带标签的训练数据；inexact supervision，训练数据带有粗粒度的标签；inaccurate supervision，给定的标签数据不一定是真实的。

论文链接：https://paper.yanxishe.com/review/680?from=leiphonecolumn

推荐人：feima0969（清华大学数据科学，Paper 研习社特约作者）

⑤

#半监督学习# 

相互指导的半监测皮肤检测网络

推荐理由：提出了一种新的数据驱动皮肤分割方法，该方法可以从单个肖像图像中稳健地计算皮肤区域。

与之前的方法不同，本文使用人体区域作为弱语义指导，考虑到很难获得大量手动标记的皮肤数据。

具体来说，提出了一个双任务网络，通过半监督学习策略联合检测皮肤和身体。该网络由一个共享编码器和两个独立的解码器组成，分别检测皮肤和身体。对于任何解码器，其输出也起到另一个解码器的作用。

论文链接：https://paper.yanxishe.com/review/232?from=leiphonecolumn

推荐人：望北（重庆邮电大学计算机科学与技术专业）

✎✎✎

除了上述的的五篇精选论文推荐，我们还为你精心准备了可以一键下载的论文集：

ICCV 2019 Accepted Paper Full List

下载地址：https://www.yanxishe.com/resourceDetail/1017?from=leiphonecolumn

ICLR 2019 论文合集

下载地址：https://www.yanxishe.com/resourceDetail/1026?from=leiphonecolumn

ACL 历年最佳论文合集

下载地址：https://www.yanxishe.com/resourceDetail/1009?from=leiphonecolumn

ICCV 2019 | 最新公开的51篇 Oral Paper 合集

下载地址：https://www.yanxishe.com/resourceDetail/1010?from=leiphonecolumn

EMNLP 2019 | 10篇论文实现代码合集及下载

下载地址：https://www.yanxishe.com/resourceDetail/1013?from=leiphonecolumn

NeurIPS 2019 GNN 论文合集

下载地址：https://www.yanxishe.com/resourceDetail/1006?from=leiphonecolumn

AAAI （1996-2019）历年最佳论文合集

下载地址：https://www.yanxishe.com/resourceDetail/991?from=leiphonecolumn

快来下载试试吧！

想要阅读更多精彩论文？

点击阅读原文跳转 paper.yanxishe.com