本篇文章发表在2020年的Pacific-Asia conference on knowledge discovery and data mining会议，是关于图像和文本情感分类。使用的数据集是来自twitter的MVSA-Single和MVSA-Multiple。本文所提出方法的实验效果达到了当时的SOTA。 目录 一、文章动机 二、本篇文章的贡献 三、本文所提出的模型

摘要 基于生成对抗性网络（GAN）的数据扩充用于提高目标检测模型的性能。它包括两个阶段：训练GAN生成器以学习小目标数据集的分布，以及从训练的生成器中采样数据以提高模型性能。在本文中，我们提出了一种流程化的模型，称为鲁棒数据增强GAN（RDAGAN），旨在增强用于目标检测的小型数据集。首先，将干净的图像和包含来自不同域的图像的小数据集输入RDAGAN，然后RDAGAN生成与输入数据集中的图像相似

题目：Fine-grained Cross-modal Alignment Networkfor Text-Video Retrieval 作者：Ning Han Hunan University ninghan@hnu.edu.cn           Jingjing Chen∗   Fudan University  chenjingjing@fudan.edu.cn