论文笔记之：Localizing by Describing: Attribute-Guided Attention Localization for Fine-Grained Recognition...

最新推荐文章于 2021-07-19 16:56:38 发布
最新推荐文章于 2021-07-19 16:56:38 发布
阅读量271 收藏
点赞数
原文链接：http://www.cnblogs.com/wangxiaocvpr/p/5536147.html
版权

 

Localizing by Describing: Attribute-Guided Attention Localization for Fine-Grained Recognition

Baidu Research

 

　　本文主要是将part描述利用起来，协助进行part定位，针对每一个定位好的part，再进行每一个part对应属性的识别。首先来看一张图，有一个直观的印象：

　　

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

转载于:https://www.cnblogs.com/wangxiaocvpr/p/5536147.html

a1424262219
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Attention-Guided Hierarchical Structure Aggregation for Image Matting
IT_Herven的博客
06-29 498
Attention-Guided Hierarchical Structure Aggregation for Image Matting Abstract 现有的基于深度学习的抠图算法主要依靠高级语义特征来改善alpha mattes的整体结构，作者认为应该将高级语义信息与低级外观线索相协调，以细化前景细节 提出一种端到端的分层注意力抠图网络(HAttMatting)，它可以在没有额外输入的情况下从单个RGB图像中预测更好的alpha mattes结构 具体来说，作者利用空间和通道方向的注意力，以一种新
Attention-guided CNN for image denoising.pptx
02-26
深度卷积神经网络(CNNs)在低层次计算机视觉领域引起了广泛的关注。通过很深的CNN网络来提高性能。但随着深度的增加，浅层的信息被忽略掉。受这样的事实启发，我们提出了一种基于注意引导的卷积神经网络(ADNet)去噪方法，主要包括一个稀疏块(SB)、一个特征增强块(FEB)、一个注意块(AB)和一个重构块(RB)。
2020cvpr-Correlation-Guided Attention for Corner Detection Based Visual Tracking
weixin_44287997的博客
12-15 976
https://www.bilibili.com/read/cv6647311/ 论文阅读之2020cvpr-Correlation-Guided Attention for Corner Detection Based Visual Tracking 见上面知乎链接~ 基于相关指导注意力的角点检测目标跟踪 多尺度搜索策略在涉及目标变化的挑战中不能估计包围框，故精确包围框估计最近应用较多，能够检测目标角点的跟踪器可以灵活的适应其变化，但是仅依赖基于角点检测的跟踪方法没有取得足够的成功。本文分析失败的原因然后
AMC: Attention guided Multi-modal Correlation Learning for Image Search
wsopencv2013的博客
09-06 692
来源：CVPR2017 传统图像检索系统排序图像是根据一个单模态的相关性，随着互联网的发展，越来越多的图像可以通过相关的元数据这种丰富的模态形式使用。 本文问题：在学习子空间时，优于查询意图的变化，不是所有的模态具有同等的信息量。 解决方法：针对在图像检索中的问题，引入了两个注意力机制： 内部注意力机制(inrta-attention)：帮助图像检索系统找到每个模态最具信息量的部分; 外...
Occluded Pedestrian Detection Through Guided Attention in CNNs
06-13
cvpr 2018 paper Occluded Pedestrian Detection Through Guided Attention in CNNs
TFIDF-FL: Localizing Faults Using Term Frequency-Inverse Document Frequency and Deep Learning
02-08
TFIDF-FL: Localizing Faults Using Term Frequency-Inverse Document Frequency and Deep Learning
论文研究-Research on the feasibility of localizing in-vivo micro-devices with electromagnetic methods.pdf
08-21
介入式微型医疗装置电磁定位方法的可行性研究，郭旭东，颜国正，为了跟踪胃肠道内介入式微型医疗装置的位置，考虑到人体介质的非导磁性，提出了基于电磁场理论的定位方法。主要研究了两种类型的
CNN-FL: An Effective Approach for Localizing Faults Using Convolutional Neural Networks
02-08
CNN-FL: An Effective Approach for Localizing Faults Using Convolutional Neural Networks
Describing-and-Localizing-Multiple-Change-with-Transformers
03-22
Describing-and-Localizing-Multiple-Change-with-Transformers
Localizing Heterogeneous Access Points using Similarity-based Sequence
02-08
Localizing Heterogeneous Access Points using Similarity-based Sequence
[深度学习从入门到女装]Multi-scale guided attention for medical image segmentation
炼丹师
08-30 1817
论文地址：Multi-scale guided attention for medical image segmentation 整个网络结构如上图所示，首先使用resnet的各个层，提取到不同size的feature map，然后使用guided attention 模块进行融合，得到不同size的分割结果，最后再结合到一起 guided atteention module如上...
笔记：Multi-scale guided attention for medical image segmentation
m0_46272163的博客
07-19 892
Multi-scale guided attention for medical image segmentation（医学图像分割的多尺度自导向注意） 特征融合策略：金字塔池化，空洞卷积金字塔 尽管这些策略可能有助于在不同尺度上捕获对象，但所有图像区域的上下文依赖都是同构的、非自适应的，忽略了不同类别的局部表示和上下文依赖之间的差异。 这些多上下文表示是手工设计的，缺乏对多上下文表示建模的灵活性。这使得在这些方法中无法充分利用整个图像中的长距离对象关系，这在许多医学图像分割问题中具有至关重要的意义
论文阅读《Attention-guided Unified Network for Panoptic Segmentation》CVPR 2019
Learning-Deep
02-27 5924
这篇文章发表于CVPR 2019会议上，中国科学院自动化研究所所做关于全景分割问题。本文提出了一个叫做 Attention-guided Unified Network ( AUNet ) 的结构去解决全景分割问题，该方法在MS-COCO数据集上取得了目前最好的结果。 全景分割（Panoptic Segmentation）是一个比较新的分割概念，是指的对目标区域做实例分割（Instance Seg...
在CNNs中通过引导注意力进行遮挡行人检测（论文翻译）
Niu950315的博客
10-27 2926
Occluded Pedestrian Detection Through Guided Attention in CNNs based on the FasterRCNN 为了在一个连贯的模型中处理广泛的频繁和不太频繁的遮挡模式，我们提出了不同的注意机制，这就使得检测器更加注意可见的身体部位。这些注意机制是由基于cnn的不同通道的检测器。注意力机制在不同信道学习适当的注意力参数从而有效地处理不同...
CVPR2018论文阅读--Occluded Pedestrian Detection Through Guided Attention in CNNs
GuanghaoChen的博客
07-11 2537
引言
GAIN论文解读 Tell Me Where to Look: Guided Attention Inference Network
qq_24305433的博客
04-02 7055
简介这篇论文是依据Ramprasaath R. Selvaraju的Grad-CAM:Visual Explanations from Deep Networks via Gradient-based Localization的论文来写的。Grad-CAM这篇文章展示出卷积神经网络的识别方式和人的识别方式有着异曲同工之妙。如图1所示，当识别狗时，网络会将“注意力”放在狗身上，同样的当识别猫时，网络...
Unsupervised Attention-guided Image-to-Image Translation 解读
EwanRenton
08-25 5535
本文和上一篇show,Attend一样，都是基于attention机制的图像转换。两篇文章的工作大体是相似的，但是这篇文章的代码开源了。 这篇文章和上篇文章一样都是做图像域转换，并且在转换时都想要只关注图像中的前景，达到前景转换而背景不变的效果。 在上一篇blog中已经介绍过了图像域转换，所以这里就直接开始讲作者提出的模型了。 Model Fs->t表示从S域...
论文笔记之：Attention For Fine-Grained Categorization
a1424262219的博客
06-04 532
Attention For Fine-Grained Categorization Google ICLR 2015 　　 　　本文说是将Ba et al. 的基于RNN 的attention model 拓展为受限更少，或者说是非受限的视觉场景。这个工作和前者很大程度上的不同在于，用一个更加有效的视觉网络，并且在attention RNN之外进行视觉网络的预训练。 　　前...
Tacotron 的基于 Guided Attention 的实现
ruclion的专栏
03-20 426
0. 说明 和峰哥在讨论 DurING 的先 Force Alignment, 再 Attention 的机制优点时, 峰哥 (我也赞同) 说其实 Guided Attention 训练的时候差不多 只不过 Guided Attention 通过规则, 比较泛化的有了 Force Alignment 的味道, 所以也不能太过 "相信" (当然也要相信) DurING 的对齐思想 不过在 Inference 阶段, 确实Guided Attention 就没有显式帮上忙了, 但是 DurING 的机制可
2021 - PAConv Position Adaptive Convolution With Dynamic
最新发布
04-04
Kernel Asymmetry for Object Detection Object detection is a fundamental task in computer vision that involves identifying and localizing objects within an image. Recently, convolutional neural networks (CNNs) have achieved state-of-the-art performance in object detection. However, CNNs have a fixed receptive field and are not able to adapt to objects of different scales and shapes. To address this issue, a new type of convolutional layer called Position Adaptive Convolution (PAConv) has been proposed. PAConv is a variant of the standard convolutional layer that can adapt its kernel size and shape according to the position of the input feature map. This allows PAConv to learn features that are more specific to the object being detected. Moreover, PAConv is able to handle objects of different scales and shapes by dynamically adjusting its kernel asymmetry. The key idea behind PAConv is to divide the input feature map into a set of patches and apply a convolutional kernel to each patch. The size and shape of the kernel are determined by the position of the patch within the feature map. This allows PAConv to capture local features that are specific to the object being detected. To further improve the performance of PAConv, a dynamic kernel asymmetry mechanism is introduced. This mechanism allows the kernel to be asymmetric in order to better capture the features of objects with different scales and shapes. The kernel asymmetry is determined by the position of the patch within the feature map. Experimental results show that PAConv outperforms standard convolutional layers in object detection tasks. PAConv is able to achieve a higher mean average precision (mAP) score on the COCO dataset, a widely used benchmark for object detection. Moreover, PAConv is able to handle objects of different scales and shapes, making it a promising approach for real-world applications.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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