_击空明兮溯流光

原创论文笔记：CVPR2022 Regional Semantic Contrast and Aggregation for Weakly Supervised Semantic Segmentation

任务：image-level标签的弱监督分割Motivation：numerous semantically similar but visually different instances; for any two different concepts (e.g., cat and dog), all their instances are semantically different, even though some may look very similar with each other。且现

2022-03-28 16:32:20 1397

原创论文阅读：CVPR 2022 Object Localization under Single Coarse Point Supervision

任务：point-based object localization (POL)Motivation：具有相同语义信息的点具有不同的标签。而其他方法预先定义的关键点可能是不准确的。因此本文提出来基于粗糙点定位的模式，概述如下：1）采用粗略的点标注策略，它允许标注任何点一个东西。2）提出了粗点细化（CPR）算法，将初始化的带注释粗点细化到训练集中的语义中心。3）使用细化点而不是注释点作为监督来训练定位器所提出的 CPR 是第一次尝试从算法而不是注释的角度来缓解语义差异。具体来说，CPR

2022-03-24 11:17:53 912

原创论文阅读：CVPR 2022 SIGMA: Semantic-complete Graph Matching for Domain Adaptive Object Detection

Abstract:最近的进展通过缩小跨域原型（类中心）来调整类条件分布。尽管取得了巨大的成功，但他们忽略了训练批次中显着的类内差异和域不匹配的语义，导致次优适应。为了克服这些挑战，我们为 DAOD 提出了一种新的语义完整图匹配 (SIGMA) 框架，该框架完成了不匹配的语义并重新制定了图匹配的适应。Introduction:直接计算类别条件分布存在的问题：1）忽略了类内显著变化性，由于对象实例的大小和外观不同，类内差异涵盖了表示类条件分布的基本信息。2）训练中的域不匹配语义。仅对两个域中同时出现

2022-03-23 12:01:33 1560 4

原创论文阅读：CVPR2022 Rethinking Minimal Sufficient Representation in Contrastive Learning

Abstract：对比学习近似地获得了包含共享信息的最小充分表示，并消除了视图之间的非共享信息。考虑到下游任务的多样性，不能保证所有与任务相关的信息在视图之间共享。因此，我们假设不能忽略非共享任务相关信息，并从理论上证明对比学习中的最小充分表示不足以满足下游任务，从而导致性能下降。这揭示了一个新问题，即对比学习模型存在过度拟合视图之间共享信息的风险。为了缓解这个问题，我们建议增加表示和输入之间的互信息作为正则化，以近似引入更多与任务相关的信息，因为我们在训练期间不能利用任何下游任务信息。Introd

2022-03-15 19:26:53 1206

原创论文阅读：CVPR2022 Wavelet Knowledge Distillation: Towards Efficient Image-to-Image Translation

任务：图像转换背景分析：生成对抗网络（GAN）在图像到图像的翻译中取得了显著成就。然而，由于参数量巨大，最先进的 GAN 通常存在效率低和内存使用量大的问题。为了应对这一挑战，本文首先从频率的角度研究了 GAN 的性能。结果表明，尤其是小型 GAN，缺乏生成高质量高频信息的能力。为了解决这个问题，提出了一种新的知识蒸馏方法，称为小波知识蒸馏。小波知识蒸馏不是直接提取生成的教师图像，而是首先通过离散小波变换将图像分解为不同的频带，然后仅提取高频带。因此，学生 GAN 可以更加关注其在高频上

2022-03-15 15:02:38 4903

原创论文阅读：AAAI2022 Evaluating Explainable AI on a Multi-Modal Medical Imaging Task: Can Existing Algor...

任务：explainable AI (XAI) 可解释性探索，主要提出两个指标，可以代替医生对事后可解释性算法进行评估目的：多模态医学影像中存在的clinically-important-but-technically-ignored , then define evaluation desiderata and metrics based on clinical requirements.医生通常比较和结合特定模式的信息来推理诊断和鉴别诊断。例如，在一份关于 MRI 的放射学报告中，放射科医师通常

2022-03-15 13:07:35 4352

原创论文笔记：TMI2021 Adaptive Hierarchical Dual Consistency for Semi-Supervised Left Atrium Segmentationon

1.Introduction：Motivation：adaptive hierarchical dual consistency overcomes the difference of data distribution and sample mismatch in different domains for the cross-domain semi-supervised segmentation。(1)跨域数据分布的差异。使用生成模型、低密度分离和基于图的方法的半监督学习可以工作，但依赖于某些模

2022-03-08 23:02:59 924

原创论文笔记：TMI2021 Semantic-Oriented Labeled-to-Unlabeled Distribution Translation for Image Segmentation

开源1.Introduction逐像素分类并忽略了不同图像中像素的语义相关性，导致特征分布模糊。此外，像素级注释数据在医学领域很少见，稀缺的注释数据通常表现出相对于期望值的偏差分布，阻碍了监督学习设置下的性能提升。CNN在医学图像分割中的局限性：1）只使用像素级约束，忽略了不同图像的像素之间的语义关系。这些方法无法处理由于像素的巨大变化而导致的同一类别内广泛分布的特征分布2）逐像素标注很难得到。考虑到分布偏差取决于样本量，由于样本量小，稀缺的标记数据分布通常会偏离期望的分布，这不可避免

2022-03-06 20:33:33 3157

原创医学论文笔记：TMI2021 SMU-Net: Saliency-Guided Morphology-Aware U-Net for Breast Lesion Segmentation ...

乳腺超声分割：文章指出周围组织（即背景）和病变区域（即前景）之间的模式复杂性和强度相似性给病变分割带来了挑战。考虑到背景中包含如此丰富的纹理信息，很少有方法尝试探索和利用背景显着表示来辅助前景分割。此外，BUS 图像的其他特征，即 1）低对比度外观和模糊边界，以及 2）病灶形状和位置变化显着，也增加了准确病灶分割的难度。文中提出了saliency-guided morphology-aware U-Net (SMU-Net)。Method:1.Saliency Map Generation

2022-03-03 16:08:19 2840 2

原创论文笔记：PR2021 Weakly-supervised semantic segment with superpixel guided local and global consistency

1.Introduction大多image-level weakly监督方法步骤：1）使用class activation map (CAM)模型提取高分类置信度区域作为初始种子点。2）精调种子点以获得伪标签。3）训练一个全监督网络，利用这些伪标签得到分割结果。现存方法多集中于2），比如使用亲和性矩阵去调整初始化种子点，但这些方法都针对局部亲和性关系，忽略了图像一致性信息。本文提出超像素引导机制，同时利用超像素的局部和全局一致性，去获取更好的全局亲和性信息。2.Method

2022-03-02 17:00:02 1641

原创论文专题笔记：part segmentation

1. Part-aware Panoptic Segmentation --CVPR2021提供两个全景part分割数据集标注+一个新的评价指标受之前的全景质量（PQ）指标的启发，提出了部分感知全景质量（PartPQ）。旨在捕获：1) 识别和分类全景片段的能力，即填充区域和事物实例，2) 识别的全景片段内的部分分割质量2.Unsupervised Co-part Segmentation through Assembly --ICML2021陈宝权课题组..

2022-03-02 15:26:04 1633

原创论文笔记：CVPR2019 SCOPS: Self-Supervised Co-Part Segmentation

Motivation：Notice the variability across different object instances. Any weakly or un- supervised technique for part segmentation needs to reason about correspondences between different images which is challenging in such diverse image collections.Method

2022-03-01 14:37:53 501

原创论文专题笔记：cross-image segmentation

论文汇总：前两篇全监督，后两篇弱监督1.Region-aware Contrastive Learning for Semantic Segmentation --ICCV20212.Exploring Cross-Image Pixel Contrast for Semantic Segmentation --ICCV20213.Weakly Supervised 3D Semantic Segmentation Using Cross-Image Consensus and Inter-Vo

2022-02-28 10:49:53 928

原创论文笔记：CVPR2021 Bottom-Up Human Pose Estimation Via Disentangled Keypoint Regression

task：Human pose estimationmotivation：regressing keypoint positions accurately needs to learn representations that focus on the keypoint regions.background：two main paradigms: top-down and bottom-up.top-down： first detects the person and then perfor

2021-11-09 10:40:03 503

原创论文笔记：CVPR2021 Bottom-Up Shift and Reasoning for Referring Image Segmentation

任务名字：Referring Image Segmentation (RIS)keywords：one-stage RIS、relation reasoning背景：方法比较two-stage RIS：优：explicit object instances and their relation-ships to conduct visual reasoning缺：slow inference speed 、has poor generalization、the relational an

2021-11-08 12:14:12 484

原创论文笔记：CVPR2021分割略读

1. Zero-Shot Instance Segmentation用seen的类别训练，要求在测试中分割出seen和unseen类别的物体。--> 利用一个额外特征词向量作为媒介，把问题的核心转换为如何利用额外特征在特征空间对齐视觉特征和语义信息，并迁移到没有见过的新类上。方法概述：SMH:在训练时，将图像特征映射为语义-文字特征向量zero-shot decteror，采用编码解码结构，但测试的时候只用编码器BA-RPN and Synchronized B..

2021-11-08 10:54:36 265

原创论文笔记：ICCV2021 Weakly Supervised 3D Semantic Segmentation Using Cross-Image Consensus and Inter-Voxel

Keywords：Cross-image、Weakly Supervised、 3D Semantic SegmentationBackground：成像技术cryo-ET，冷冻电子断层扫描。cryo-ET data is heavily affected by a low signal-to-noise ratio (SNR，信噪比) due to the complex cytoplasm environment and missing wedge effects.存在的问题：（1）

2021-11-01 12:20:46 316

原创论文笔记：ICCV2021 Region-aware Contrastive Learning for Semantic Segmentation

Background：目前的方法集中在上下文信息的探索上，忽略了不同图像之间的潜在关联。focus on mining contextual information in all kinds of ways within the image, neglecting the potential relation information from other images.无监督对比学习因为利用了memory bank可以获得更好的特征表征。但是无监督学习侧重于分类，而语义分割比起分类更侧重语义信息。

2021-11-01 11:04:52 1457

原创论文笔记： ICLR2021 Deformable DETR: Deformable Transformers for End-to-End Object Detection

参考：Deformable DETR学习笔记_WaitPX的博客-CSDN博客_deformable detr基于Transformer的ViT、DETR、Deformable DETR原理详解 - Jerry_Jin - 博客园背景：DERT存在的问题：（1）训练时间长，收敛速度慢（2）在小物体上的表现较差：其他的检测器通过高分辨率特征图去提取小物体，但高分辨率特征图会导致transformer不可接受的计算复杂度以上归因于transformer在处理图像问题上的不

2021-10-29 11:28:16 447

原创论文笔记：ECCV2020 DETR End-to-End Object Detection with Transformers

参考：DETR目标检测新范式带来的思考_zandaoguang的博客-CSDN博客Propose将transformer融入目标检测中，实现no anchor的简化操作。Method：LOSS：DETR站在全局的视角，用二分图匹配算法（匈牙利算法）计算pred与gt之间的最佳匹配，从而实现label assignment假设有固定N（N>物体类别数目），可以用Hungarian algorithm优化。其中c为物体类别，b为bbox。本文与其他算法的..

2021-10-28 11:50:49 192

原创论文笔记：YOLOX

论文：https://arxiv.org/pdf/2107.08430.pdf参考：YOLOX深度解析 - 知乎YOLOX深度解析（二）-simOTA详解 - 知乎改进点：Decoupled head加快收敛速度、提高APStrong data augmentationadd Mosaic and MixUp into our augmentation strategies to boost YOLOX’s per- formance.Anch

2021-10-26 11:53:29 431

原创论文笔记：CVPR2021 End-to-End Object Detection with Fully Convolutional Network

参考：End-to-End Object Detection with Fully Convolutional Network - 知乎End-to-End Object Detection with Fully Convolutional Network 论文学习_calvinpaean的博客-CSDN博客End-to-End Object Detection with Fully Convolutional Network阅读笔记_风行-CSDN博客Propose：实现end

2021-10-26 10:47:22 445

原创论文笔记：CVPR2021 OTA: Optimal Transport Assignment for Object Detection

proporse：利用全局信息，一对多的进行标签匹配（label assignment）related work：fixed label assignment:anchor-based: 以IOU阈值判断anchor-free：如FCOS，关键点在物体中心的周围则为pos，dynamic label assignment:现有的算法要么未从全局角度利用上下文信息，要么如DETR中利用全局信息但其中的Hungarian algorithm只适合一对多。Method：O.

2021-10-25 11:01:30 2227

原创论文笔记：ICPR2020 FourierNet: Compact Mask Representation for Instance Segmentation Using Diff....

对CVPR 2020 polarmask的改进ESE-seg的缺点：the direct regression of the shape vector does not weigh each coefficient according to its impact on the mask and prevents the model from learning the actual data distribution.Polar representation generates convex ma

2021-10-22 11:44:05 471

原创论文笔记：WACV2021 DANCE : A Deep Attentive Contour Model for Efficient Instance Segmentation

contour-based的实例分割算法，是对CVPR2020 Deepshake的改进在Deepshake中，匹配策略破坏了初始轮廓形状。correspondence interlacing, which is caused by accumulated error of perimeter length difference between initial and target contours。因此本文提出了：（1）Segment-wise Matching Scheme：标注的初始轮

2021-10-22 11:20:15 771

原创论文笔记：CVPR2021 Unsupervised Part Segmentation through Disentangling Appearance and Shape

Motivation:在无监督下通过拆分外观和形状来学习 part segmentationMethod：

2021-10-19 16:18:16 324

原创论文笔记：CVPR2021 Neural Parts: Learning Expressive 3D Shape Abstractions with Invertible Neural Network

Motivation：recovering the geometry of a 3D shape from a single RGB image常用的primitive-based representations 寻求推断在不同对象实例之间推断语义一致的part排列，并提供更具解释性的替代方法，而非仅注意提取全局物体。现存的一些方法由于其简单的参数化，这些原语的表达能力有限无法捕捉复杂的几何图形。因此，现有的基于零件的方法需要大量的原语来提取几何上精确的重构。然而，使用更多的原语是以牺牲重建的可

2021-10-19 11:06:32 419

原创论文笔记：ICCV2019 Explicit Shape Encoding for Real-Time Instance Segmentation

Motivationeach object instance through an upsampling network to obtain the instance shapeis quite computation-consuming.因此本文提出一种显式形状编码去解决实例分割normally much slower than object detection的问题。编码需要满足：relatively short but contains sufficient information, rob.

2021-10-18 19:39:38 223

原创论文笔记：MICCAI2018 Cell Detection with Star-convex Polygons

Motivation：especially appealing for images of very crowded cellsbottom-up approachto first classify every pixel into semantic classes (such as cell or background) and then group pixels of the same class into individual instances.每个像素分类为语义类，然后将同一类的像

2021-10-18 12:10:37 701

原创论文笔记：CVPR2017 Straight to Shapes: Real-time Detection of Encoded Shapes

Based on YOLO[1]Movitation:Current object detection approaches predict bounding boxes that provide little instance-specific information beyond location, scale and aspect ratio.当前的检测方法预测的边界框提供的实例特定信息很少超过位置、比例和纵横比。A bounding box captures no more tha.

2021-10-18 11:16:25 163

Blair_2的博客