HD-CNN: HIERARCHICAL DEEP CONVOLUTIONAL NEURAL NETWORK FOR IMAGE CLASSIFICATION(泛读)

最新推荐文章于 2022-08-25 16:24:09 发布
最新推荐文章于 2022-08-25 16:24:09 发布
阅读量4.5k 收藏 9
点赞数 1
分类专栏： Something_Interesting Machine_Learning 文献阅读 Deep_Learning DL文献阅读与感悟 文章标签： Recognition cnn DeepLeaning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sheng_ai/article/details/43313971
版权
本文档详述了一篇关于HD-CNN（Hierarchical Deep Convolutional Neural Network）在图像分类中的应用，讨论了其创新点，并分享了实验结果和作者的洞见。
摘要由CSDN通过智能技术生成

一.文献名字和作者

   HD-CNN: HIERARCHICAL DEEP CONVOLUTIONAL NEURAL NETWORK FOR IMAGE CLASSIFICATION, 2014
   

二.阅读时间

    2015年1月30日



三.文献的贡献点

    本文主要基于在分类问题中，并不是所有类别的区分程度都是相同的的观点，对于分类器而言，有些类别是比较难以区分的。基于上面的原理，作者提出了一种先进行粗分类，然后再进行细分类的方法，网络的架构如下：
最低0.47元/天 解锁文章
shengno1
关注
专栏目录
HS-ResNet: Hierarchical-Split Block on Convolutional Neural Network
qq_40107571的博客
10-31 654
HS-ResNet: Hierarchical-Split Block on Convolutional Neural Network
HSM-Net: Hierarchical Deep Stereo Matching on High-resolution Images
weixin_42821501的博客
05-14 1256
paper code Abstract 应用端到端的框架，从粗到细的层次上递增地搜索对应关系。由于高分辨率立体数据集相对较少，我们引入了一个包含高分辨率立体对的数据集，用于训练和评估。 Motivation 1.立体匹配中的误差随深度的增加呈二次曲线增加，提供更高的分辨率可以带来更好的预估。 但是高分辨率带来运行时间和内存开销的增加过大。 2.对于缩小比例的图像可以得到更快的运行速度，但是预测的结果模糊且对远场的视差估计不准确。 3.目前的SOTA算法在高分辨率数据集上表现不佳，主要原因是架构的不足和高分
【层级多标签文本分类】HFT-CNN: Learning Hierarchical Category Structure for Multi-label Short Text Categorizati
wuli_乖
08-25 855
类别层次结构(HS)，该方法利用类别之间的层次关系来解决数据稀疏问题。HS层次越低，分类性能越差。因为较低的类别是细粒度的，每个类别的训练数据量比较高级别的要小得多。解决HS低层次的分类问题。
A new deep convolutional neural network for fast hyperspectral image classification Review
qq_31833411的博客
12-21 749
A new deep convolutional neural network for fast hyperspectral image classification ReviewBasically, this paper imply a 3D CNN.Points 1:Three ways to apply CNN on remote sensing image Extract only spec
总结Deep Convolutional Neural Network for Image Deconvolution
伯兰的博客
04-02 3113
一、该论文主要工作 设计了一个深度卷积神经网络来捕获degradation image的特点 该卷积神经网络以一种新奇的方法结合了传统基于优化的方案和神经网络结构 引入可分离的卷积结构 该卷积神经网络分为两个模块，这两个模块都使用监督方式来训练 二、Degradation image的形成 Degradation image就包括图像模糊、图像压缩等等一系列的操作 ...
A Hierarchical Deep Convolutional Neural Network for Fast Artistic Style Transfer论文理解
04-10 1226
A Hierarchical Deep Convolutional Neural Network for Fast Artistic Style Transfer论文理解 现有的网络有两个主要问题： 1.用于训练前向网络的style图片的分辨率都是固定的，这样会导致不同的分辨率出来的艺术效果差别比较大，容易匹配错误尺寸的风格图。 2.当前的网络捕获不到小的
论文解析《Deep Convolutional Neural Network Features and the Original Image》
朗云星空
06-11 1102
这一篇论文详细分析了人脸识别中CNN网络提取到的features有一些什么样的性质，一般人脸识别中CNN出来后面接一个线性层用交叉熵来分类，这里的features值得就是cnn出来的512或者128维的浮点数组。文章首先用这个features作为输入，使用LDA来分类，预测头部姿态Yaw,Pitch，和图像媒介，得到下面的结果，可以看到，embeding features还是包含反映面部姿态和原始...
【论文阅读笔记】Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Image Segmentation
flora
10-17 675
abstract 本文首次将NAS(Neural Architecture Search 神经架构搜索)应用到语义分割领域。 NAS 在大规模图像分类问题上，NAS定义的神经网络框架的表现已经超过了人类设计的网络。在本篇论文中我们研究把NAS应用于语义分割上。 motivation 现有的研究通常注重搜索可重复的单元结构，而用人工设计外部网络结构来控制空间分辨率变化。这样做简化了搜索空间，但对于...
风格迁移学习笔记(1):Multimodal Transfer: A Hierarchical Deep Convolutional Neural Network for Fast
Focusing on your own Mind :) －> 站在巨人的肩膀上
12-29 4618
以下将分为3个部分介绍: 效果解決的問題How to solve it？ 1.效果: 先来看一下效果 2.解决的问题: 通用框架下进行style transfer时候的笔触差异 原始的方法永远会和style差距较大 解决不同size下的笔触问题,如下图如果只用256的size去训练较coarse的笔触 或者 用1024的size去训
deep learning for image classification
09-16
deep learning for image classification,
吴恩达 深度学习 1-4 课后作业2 Deep Neural Network for Image Classification: Application
别说话写代码的博客
11-27 3955
Deep Neural Network for Image Classification: Application When you finish this, you will have finished the last programming assignment of Week 4, and also the last programming assignment of this cour
论文阅读笔记--VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
weixin_39953502的博客
06-25 389
这篇论文主要工作就是探索网络结构，对大规模图像识别任务，网络深度对于最终模型准确率的影响，带有小的卷积核（3*3）的网络，深度的增加会提高准确率，直到网络深度到达16-19层。根据这个论文的摘要，我想到两个关键点：为什么卷积核是3*3为什么到16-19层精度不再提高卷积核大小在这篇论文中，我最感兴趣的点在于，卷积核大小的设置。两个3*3的卷积层叠加，中间不加池化层，那么它的有效感受野（effect...
PRN（20200816）：A Hierarchical Deep Convolutional Neural Network for Incremental Learning [Tree-CNN]
昔风不起，唯有努力生存！
08-16 1485
Roy D , Panda P , Roy K . Tree-CNN: A Hierarchical Deep Convolutional Neural Network for Incremental Learning[J]. Neural Networks, 2018. 今天阅读的这篇论文的名字有两个版本，分别为Tree-CNN: A Deep Convolutional Neural Network for Lifelong Learning和 Tree-CNN: A Hierarchical Dee
Some Improvements on Deep Convolutional Neural Network Based Image Classif ication
woyaopojie1990的专栏
08-12 1979
学习笔记之《Some Improvements on Deep Convolutional Neural Network Based Image Classif ication》
分级CNN的研究。
qq_34570910的博客
08-23 316
1.原文。 目前看到的有两篇论文HD-CNN和TreeCNN。 2.中文翻译。 HD-CNN和Tree-CNN 3.算法实现。 HD-CNN和 4.一篇关于字母和数字识别的探索博客 其代码
目标检测 R-CNN 论文笔记（Rich feature hierarchies for accurate object detection and semantic segmentation）
Cyiano的博客
04-10 3675
目标识别与检测数据库：PASCAL VOC在12年以前一直进展缓慢，一些新提出的优化方法只是把之前的方法线性地结合在一起。Ross Girshick提出的R-CNN直接将识别准确率提高了30%。作者主要利用两个因素：一个是CNN可以应用于区域候选，以便定位和分割物体；另一个是当标记的训练数据很少时，辅助任务的预训练加以fine-tuning，可以显著提高性能。
HFT-CNN:层级多标签分类，让你的模型多学习几次
lynne233
04-19 5278
本文同步发布知乎：HFT-CNN:层级多标签分类，让你的模型多学习几次知乎主页lynne阿黎请大家不吝关注~ 背景 长文本由于自身的特点和信息量，一段文本会描述一个特定的主题。短文本由于其自身长度的原因是缺少这种特征的。一般对于短文本的处理会借鉴上下文的语料或者同义词来扩充短文本的含义。但是由于文本的领域相关性，上下文的语料和同义词的分布未必和原始语料一致。由于以上原因短文本分类一直受到人们的...
读书笔记1：Hierarchical Recurrent Neural Network for Skeleton Based Action Recognition
b224618的博客
05-03 3121
写这个读书笔记，一方面是为了了解他人的研究，另一方面希望学习科技论文的写作方法，提升自己写paper的水平。 原文链接：https://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Du_Hierarchical_Recurrent_Neural_2015_CVPR_paper.pdf 下面对文章每个部分的结构和内容进行分析...
Multimodal MRI-based classification of Alzheimer's disease using hierarchical convolutional neural networks全文
最新发布
05-01
我们首先使用三种不同的MRI模态（T1加权、FLAIR和DWI）获取脑部结构、病变和功能信息，然后采用H-CNN对这些信息进行联合建模、特征提取和分类。实验结果表明，所提出的方法在AD分类任务上取得了最优的性能。 关键词...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值