Look Closer to See Better【RA-CNN阅读笔记】

已于 2024-01-24 20:49:46 修改
阅读量935 收藏 21
点赞数 19
分类专栏： 论文阅读 文章标签： cnn 笔记 人工智能
于 2023-11-26 21:08:32 首次发布
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/bettle_king/article/details/134594812
版权

论文地址:https://sci-hub.ru/10.1109/cvpr.2017.476
作者给的代码地址:https://github.com/Jianlong-Fu/Recurrent-Attention-CNN
Pytorch复现的代码:https://github.com/jeong-tae/RACNN-pytorch
好的文章:点击进入
好的文章:点击进入
2017发布在CVPR上。

目录

前言

Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition（看得近看得好:用于细粒度图像识别的循环注意卷积神经网络）
​ 本文提出了一种新的递归注意卷积神经网络(RA-CNN)，该网络在多尺度上以相互增强的方式递归学习判别区域注意和基于区域的特征表示。每个尺度上的学习由分类子网络和注意建议子网络(APN)组成。APN从完整的图像开始，以之前的预测作为参考，从粗到细迭代地产生区域关注，而更精细的尺度网络以循环的方式从之前的尺度中放大被关注的区域作为输入。

​ 本文提出的RA-CNN通过尺度内分类损失和尺度间排序损失进行优化，以相互学习准确的区域关注和细粒度表示。RA-CNN不需要边界框/部分注释，可以端到

最低0.47元/天 解锁文章
幽殇默
关注
  • 19
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
[CVPR 2017] Look Closer to See Better: Recurrent Attention Convolutional Neural Network for FGVC
连理o的博客
02-10 256
[CVPR 2017] Look Closer to See Better: Recurrent Attention Convolutional Neural Network for FGVC
论文阅读：Look Closer to See Better 细粒度图像分类
KongCDY的专栏
08-19 670
Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition 简介 本文介绍了一种recurrent attention convolutional neural network (RA-CNN)，用于细粒度图像分类。本文总体的思想并不...
论文笔记（1）：Look Closer to See Better:Recurrent Attention Convolutional Neural Network for Fine-grained
呆呆象呆呆的博客
12-19 3540
Look Closer to See Better:Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition 2017CVPR 微软亚洲研究院梅涛研究员等人 Ora 背景 在图像识别领域，通常都会遇到给图片中的鸟类进行分类，包括种类的识别，属性的识别等内容。为了区分不同的鸟，除了从整体来对图片把握之外，更加关注的是一个局部的信息，也就是鸟的样子，包括头部，身体，脚，颜色等内容。至于周边信息，例
17-CVPR-Look closer to see better Recurrent attention convolutional neural network for fine-grained
weixin_44742887的博客
04-03 408
RA-CNN循环注意力 1预训练的VGG初始化b1-b3,c1-c3【每个分支参数不同】 2最后一个卷积层（VGG-19的conv5_4）里选取最大响应区域作为APN的输出区域[tx​,ty​,tl​]，边长初始化为原始图像的一半。用来预训练d1-d2。 3交替训练。固定APN参数学习Lcls，固定CNN参数学习Lrank。 【定位一开始还是使用了卷积层输出的最大响应区域，后来Lrank对APN优化是弱监督】 4多尺度联合表示分类结果 {F1,F2…FN}独立归一化+拼接->全
Recurrent-Attention-Convolutional-Neural-Network
12-19
Look-Closer-to-See-Better-Recurrent-Attention-Convolutional-Neural-Network-for-Fine-grained-Image-Recognition
2017-精细化分类-Look Closer to See Better_ Recurrent Attention Convol
08-03
本文提出了一种新颖的循环注意力卷积神经网络（RA-CNN），该网络通过递归学习在多个尺度上强化区域注意力和基于区域的特征表示。 RA-CNN的核心在于其分类子网络和注意力提案子网络（APN）。分类子网络负责对整个...
cascade r-cnn paper
12-03
simple implementation of the Cascade R-CNN is shown to surpass all single-model object detectors on the challeng- ing COCO dataset. Experiments also show that the Cas- cade R-CNN is widely applicable ...
1-6-closer-to-10-CooperMonsrud:GitHub Classroom创建的1-6-closer-to-10-CooperMonsrud
04-01
接近10 作业说明 给定变量x和y，创建一个名为close10（）的函数，该函数返回最接近值10的那个值，或者在出现平局的情况下返回0。 例子 关闭10（5，12） 12 关闭10（9，50） 9 关闭10（8，12） 0 ...
1-6-closer-to-10-Hunterwilliams24:1-6-closer-to-10-Hunterwilliams24由GitHub Classroom创建
04-01
接近10作业说明给定变量x和y，创建一个名为close10（）的函数，该函数返回最接近值10的那个值，或者在出现平局的情况下返回0。例子关闭10（5，12） 12 关闭10（9，50） 9 关闭10（8，12） 0局限性1，如果1个Elif ...
1-6-closer-to-10-josefsinkule23:GitHub Classroom创建的1-6-closer-to-10-josefsinkule23
03-31
接近10 作业说明 给定变量x和y，创建一个名为close10（）的函数，该函数返回最接近值10的那个值，或者在出现平局的情况下返回0。 例子 关闭10（5，12） 12 关闭10（9，50） 9 关闭10（8，12） 0 ...
CNN - Convolutional neural network class
04-20
CNN - Convolutional neural network 卷积神经网络程序
论文阅读笔记 | (CVPR 2017 Oral) Look Closer to See Better：RA-CNN
z止于至善的博客
05-29 7285
论文来自微软亚洲研究院，做细粒度分类。 论文下载：Look Closer to See Better：Recurrent Attention Convolutional Neural Network for Fine-Grained Image Recognition 知乎专栏计算机视觉一隅，文章(CVPR 2017) Look Closer to See Better：RA-CNN Abs...
Look Closer to See Better Recurrent Attention Convolutional Neural Network for Fine-grained Image Re
xiaofei0801的博客
08-16 3513
2. Related Work 关于细粒度图像识别的研究沿着两个维度进行，即判别性特征学习和复杂的局部定位。 2.1. Discriminative Feature Learning 学习判别性特征对于细粒度图像识别至关重要。由于深度学习的成功，大多数方法依赖于强大的卷积深层特征， 其在通用和细粒度识别上比手工制作的特征有着显着改善[4,5,6,17,29]。为了学习更强大的特征表示，
Look Closer to See Better——细粒度分类
小花生的博客
08-26 3431
《Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition》 CVPR2017，Jianlong Fu, Heliang Zheng, Tao Mei，细粒度分类 Abstract： 识别纹理细密的物体类别（比如鸟类）是很困难的...
论文笔记- [CVPR 2017] Look Closer to See Better：RA-CNN
Bolly_He的博客
06-17 302
Look Closer to See Better：Recurrent Attention Convolutional Neural Network for Fine-Grained Image Recognition 论文下载地址：https://openaccess.thecvf.com/content_cvpr_2017/papers/Fu_Look_Closer_to_CVPR_2017_paper.pdf 代码连接：https://github.com/ Jianlong-Fu/Recurre
RA-CNN算法笔记
热门推荐
AI之路
02-03 2万+
论文：Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition 论文链接：http://openaccess.thecvf.com/content_cvpr_2017/papers/Fu_Look_Closer_to_CVPR_201
论文《Recurrent Convolutional Neural Networks for Text Classification》总结
rxt2012kc的博客
06-26 1万+
《Recurrent Convolutional Neural Networks for Text Classification》论文来源：Lai, S., Xu, L., Liu, K., & Zhao, J. (2015, January). Recurrent Convolutional Neural Networks for Text Classification. In AAAI (Vol
Look Closer to See Better 阅读笔记
Jadelyw的博客
10-08 1302
1) 摘要 现有的细粒度图像识别的方法忽略了区域检测和细粒度特征学习是相互关联的，并且两者可以相互加强。所以提出了循环注意力卷积神经网络(RA-CNN)，该网络以相互增强的方式，在多个尺度上递归地学习判别性的区域注意力和基于区域的特征表示。每个尺度的学习包括一个分类子网络和一个注意力建议子网络(attention proposal sub-network (APN)),APN从完整的图像开始，以...
Look Closer to See Better 梅涛大神作品
DBG的博客
08-03 1104
Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition论文链接 简介: 识别细粒度类别是有困难的，这种困难存在于辨别性的区域定位和细粒度的特征学习，各种各样的方法被提出来应对这些挑战，但是却忽略了也该事实，实际上区域检测和细...
a closer look at few-shot classification
最新发布
03-16
Few-shot分类是一种机器学习任务，旨在让模型能够在只有少量标记数据的情况下进行分类。这种任务通常涉及到从一个小的训练集中学习如何将新的未见过的样本分类到正确的类别中。为了解决这个问题，研究人员通常使用元...

“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 1
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