WSDAN【阅读笔记】

已于 2024-01-24 20:50:07 修改
阅读量995 收藏 13
点赞数 20
分类专栏： 论文阅读 文章标签： 笔记
于 2023-11-30 23:59:04 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/134724366
版权
本文提出了一种弱监督数据增强网络（WS-DAN），通过生成注意图来指导数据增强，解决随机数据增强的效率低下和背景噪声问题。WS-DAN通过注意裁剪和注意下降提高图像清晰度和模型性能。训练和测试阶段的网络架构详述，并通过消融实验验证其有效性。
摘要由CSDN通过智能技术生成

论文地址:https://arxiv.org/abs/1901.09891
官方代码:https://github.com/tau-yihouxiang/WS_DAN
别人复现的Pytorch版代码1:https://github.com/GuYuc/WS-DAN.PyTorch
别人复现的Pytorch版代码2:https://github.com/wvinzh/WS_DAN_PyTorch
代码讲解:https://codeleading.com/article/15516429831/
好的文章:点击进入
好的文章:点击进入
好的文章:点击进入
好的文章:点击进入
See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification(看得更清楚再看得更近:用于细粒度视觉分类的弱监督数据增强网络)

目录

最低0.47元/天 解锁文章
幽殇默
关注
专栏目录
See Better Before Looking Closer WSDAN
weixin_39454351的博客
07-16 577
问题： 细粒度分类 (FGVC) 是为了解决“类内分类”问题，有别于猫狗分类，它要解决的是 [这只狗是萨摩还是哈士奇] 这种问题。 方法： 通过端到端训练，使注意力关注的区域更加细节化和多样化(关注不同的部位)；然后在粗粒度预测之后，将注意力提取的区域输入网络，进行细粒度预测，预测结果为平均值。 训练过程 A 弱监督注意力学习 原始图片通过主干网络提取特征，产生的特征图F为H x W x N，表示高、宽、通道数。然后通过卷积操作获得注意力图 A为H x W x M，形式化表示： 然后提出了一种特征图和注意
细粒度分类，比赛，和相关模型介绍持续更新
m0_37192554的博客
12-30 2086
FGVC6 Workshop 共有十个挑战赛，每个都代表了细粒度视觉分类在某个细分领域的挑战 CVPR 2019 Cassava Disease Classification 比赛 2019 国内发表的一些好的领域的算法介绍 https://rrl360.com/boke/35114 1、2017鸟类的细粒度分类，粗到细的一个过程，加入了不同的损失 http://openaccess.thec...
WSDAN：此实现是用于无线SDN网络的应用程序
02-05
WSDAN-年终项目
WS-DAN 复现 WSDAN（Weakly Supervised Data Augmentation Network）
CSPhD-winston的博客
08-11 2834
一， WS-DAN介绍 论文原文：《See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification》 网上很多介绍，选1篇大家自己去看： 【细粒度】WS-DAN b站视频： 【论文讲解+复现】WS-DAN WSDAN（Weakly Supervised Data Augmentation Network 二，准备 2.1 平台 极链AI云
小赵带你读论文系列--See Better Before Looking Closer: WSDAN
Data _designer
10-30 1104
背景介绍 原文链接：WSDAN论文链接 以往的数据增强办法：随机图像裁剪；图像旋转；色彩失真； 细粒度识别存在的问题：训练数据不足；类内方差过大（不同的姿势）；类间方差过小（外貌只有细微差别）；如果需要人为标识discriminative的部分，则会有额外的cost 本文架构 具体算法实现细节 1. Inception实现细节：Inception的大体架构及代码 2. BAP实现细节 class BAP(nn.Module): # 原文3.1.2 def __init_
细粒度分析--WS-DAN
丝萝愿为乔木的博客
08-09 3796
论文：https://arxiv.org/pdf/1901.09891.pdf 代码：https://github.com/GuYuc/WS-DAN.PyTorch 论文主要训练流程及思想为：（1）生成attention maps;（2）Bilinear Attention Pooling(BAP); （3）loss设计 （1）生成attention maps ①首先使用Inceptionv3...
spp-net论文阅读笔记
最新发布
08-18
spp-net论文阅读笔记
读书笔记：高性能MySQL阅读笔记.zip
07-29
读书笔记：高性能MySQL阅读笔记
读书笔记：程序员的自我修养阅读笔记.zip
07-29
读书笔记：程序员的自我修养阅读笔记
WS_DAN_PyTorch:WS-DAN的PyTorch实现
05-11
WS-DAN的PyTorch实现 介绍 这是“先看好：用于细粒度”一文的PyTorch实现。 它还具有正式的TensorFlow实现 。 该代码的核心部分指的是正式版本，最后，性能几乎达到了本文所报告的结果。 环境 Ubuntu 16.04，GTX 1080 8G * 2，CUDA 8.0 使用Python = 3.6.5，PyTorch = 0.4.1，torchvison = 0.2.1等的Anaconda。 必要时，某些第三方依赖项可能会与pip或conda一起安装。 结果 数据集 ACC（此仓库） ACC提炼（此仓库） ACC（纸） CUB-200-2011 88.20 89.30 89.4 FGVC飞机 93.15 93.22 93.0 斯坦福汽车 94.13 94.43 94.5 斯坦福犬 86.03 86.46 92.2 您可以从下载预训练
读书笔记：《图解HTTP》阅读笔记.zip
07-23
读书笔记：《图解HTTP》阅读笔记
WS_DAN算法代码研读之wsdan.py（三）
weixin_37718439的博客
02-23 2918
近期在学习See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification的pytorch版本代码地址 本文对wsdan.py进行解读，由于本人是小白，理解错误的地方请批评指正。主要功能是选择一种骨干网络，加载对应的参数，返回预测的...
WSDAN 论文及代码解读
景唯acr
09-05 5558
论文标题：See Better Before Looking Closer: Weakly Supervised Data AugmentationNetwork for Fine-Grained Visual Classification 针对目标：细粒度图像分类 下载地址：https://arxiv.org/pdf/1901.09891v2.pdf 官方github地址: https://github.com/tau-yihouxiang/WS_DAN pytorch复现版github地址：https.
WS-DAN论文解读
Dear_learner的博客
12-25 2816
细粒度分类： 细粒度分类是为了解决“类内分类”问题，有别于猫狗分类，它解决的是“这只狗是萨摩还是哈士奇”这类问题；这类问题是类别之间的区别较小。 WS-DAN(Weakly Supervised Data Augmentation Network)是一种针对细粒度视觉分类任务的方法，采用基于弱监督学习的图像增强的方法，结合注意力机制，这使得网络在不需要额外标注的情况下聚焦那些图像中有“话语权”的部分。 论文亮点： 1、 Bilinear Attention Pooling（双线性注意力池化机制） 2、at
WS_DAN论文要点理解
weixin_37718439的博客
02-21 1526
近期在学习See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification的pytorch版本代码地址 本文对论文要点进行解读，由于本人是小白，理解错误的地方请批评指正。 1.论文的亮点 双线性注意力池化机制(BAP) 类cent...
WS_DAN算法代码研读之train.py（六）
weixin_37718439的博客
02-23 800
近期在学习See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification的pytorch版本代码地址 本文对train.py进行解读，由于本人是小白，理解错误的地方请批评指正。 """TRAINING Created: May 0...
WS_DAN算法代码研读之eval.py（七）
weixin_37718439的博客
02-23 667
近期在学习See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification的pytorch版本代码地址 本文对eval.py进行解读，由于本人是小白，理解错误的地方请批评指正。 """EVALUATION Created: Nov ...
细粒度分类网络之WS-DAN论文阅读附代码
Zero_HeiYuFeng的博客
08-19 5368
论文阅读 细粒度分类 (FGVC) 是为了解决“类内分类”问题，有别于猫狗分类，它要解决的是 [这只狗是萨摩还是哈士奇] 这种问题。这类问题的特点是类别之间的区别较小，本人从事的瑕疵检测也是属于这一领域，有瑕疵的样本与正常样本往往区别很小，用普通的分类网络并不能达到很好的效果，这篇论文中介绍的网络亲测比普通的分类网络效果更好。 该论文提出了一种针对细粒度视觉分类任务的方法，采用基于弱监督学习的图像...
研究生文献阅读与笔记技巧
"研究生如何做文献阅读笔记" 研究生在学术研究过程中，文献阅读是必不可少的一环。选择和阅读文献的方法如下： 1. 深入理解背景：在阅读文献时，应全面了解一个主题、概念或领域的历史发展。新旧文献结合阅读，...
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