Region based Ensemble Learning Network for Fine-grained Classifification（ 基于区域的集合学习网络进行细粒度分类）

最新推荐文章于 2024-11-17 07:52:00 发布
最新推荐文章于 2024-11-17 07:52:00 发布
阅读量230 收藏
点赞数
分类专栏： 阅读笔记 文章标签： 深度学习 神经网络
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/bingling92/article/details/108242018
版权

Region based Ensemble Learning Network for Fine-grained Classifification（ 基于区域的集合学习网络进行细粒度分类）IEEE2019

作者：北航（Weikuang Li, Tian Wang, Guangcun Shan），南京科技大学（Mengyi Zhang）， 沈阳航天大学计算机科学学院（Chuanyun Wang）， 法国Troyes理工大学（Hichem Snoussi）

讲真，，，五页的论文太少见了。。。（刚打开的感受…，以及，目前莫得代码

看到一半，，，这个居然是强监督的！？比对的还都是15，16年的结果，精度也不是很高…感觉读了个寂寞。。。

摘要

提出了一个新的基于区域的集合学习网络用来细粒度分类，检测模块基于faster R-CNN来定位物体的语义区域；分类模块采用集合学习方法，针对不同的语义区域训练一组子分类器，并将它们组合在一起，得到更强的分类器。

Approach

最低0.47元/天 解锁文章
bingling92
关注
专栏目录
《Ensemble Learning Methods for Deep Learning Neural Networks》笔记
qq_40133804的博客
04-18 723
文章连接：Ensemble Learning Methods for Deep Learning Neural Networks 前言 神经网络提供了更大的灵活性，并可根据可用的培训数据量进行调整。但这种灵活性的一个缺点是，他们通过随机训练算法学习，这意味着他们对训练数据的细节很敏感，每次训练时可能会找到不同的一组权重，从而产生不同的预测。 这样的情况被称为具有高方差的神经网络，降低神经网络模型方...
（九：2020.08.27）CVPR 2019 追踪之论文纲要（译）
Jojo论文基地
08-28 8889
CVPR 2019 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这900篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录 论文 概要
Learning Region Features for Object Detection
Wayne2019的博客
04-15 1687
图像特征提取，候选区域生成，候选区域特征提取（roi pooling），区域识别，去重 fm x: Cf, H, W RoI b y(b) = RegionFeat(x, b) y(b): K, Cf. K比如是bin的数目 y_k(b): 第k个bin内的特征 一般表述： 将y_k(b)的支持区域由roi pooling的一个bin内部扩展到整个fm x。权重依赖于位置p，fm x...
【论文笔记】Learning Region Features for Object Detection
qq_38778069的博客
03-01 609
Introduction   深度学习领域有一个特别值得关注的趋势：以往许多特征、算法组件和一些设计上面临的选择都是通过人工设计和类似启发式的方式实现，但是这些方法正慢慢地被以数据驱动，“可学习”的方法取代。以目标检测算法为例：YOLO,Faster R-CNN,SSD等算法在生成候选框环节，都需要预先设定好的大小不同的Anchor，这就带有明显的人工设计痕迹；而最近提出的CornerNet则是A...
【论文阅读】AU检测|《Deep Adaptive Attention for Joint Facial Action Unit Detection and Face Alignment》
Celine的博客
01-31 3699
摘要 本文旨在从大量没有人工标注的视频中学习用于面部动作单元检测的区分表示。受面部动作是面部肌肉运动这一事实的启发，论文将这些运动描述为不同帧中两幅面部图像之间的转换，并将其用作学习表示的自我监控信号。但是，在不受控制的情况下，这种转换是由面部动作和头部运动引起的。为了消除头部运动的影响，我们提出了一个双圈自动编码器(TCAE)，它可以解开面部动作相关运动和头部运动相关运动。具体而言，TCAE被训练成分别将源面部的面部动作和头部姿态改变为目标面部的面部动作和头部姿态。我们的实验验证了TCAE解耦运动的能力。
论文笔记 | 基于深度学习的细粒度物体分类综述
kangdk 视其所以，观其所由，察其所安。
04-19 1万+
节选整理自：A Survey on Deep Learning-based Fine-grained Object Classification and Semantic Segmentation 细粒度分类综述 细粒度分类：同一类中不同子类物体间的分类。 难点：受视角、背景、遮挡等因素影响较大，类内差异较大、类间差异较小。 基于深度学习的物体分类可以大致分为4类： 使用通用DCN...
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
（八：2020.08.27）CVPR 2020 追踪之论文纲要（译）
Jojo论文基地
08-27 1万+
CVPR 2019 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 Respect！ 论文目录 论文 概要 12-in-1 - Multi-Task Vision and Language Repre
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
Jojo论文基地
08-28 3310
CVPR 2017 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
WACV 2021 论文大盘点-图像分类篇
OpenCV中文网
02-05 1593
本篇文章总结图像分类相关论文，包含细粒度分类、医学图像分类、植物叶子等级分类等。共计 10篇，如有遗漏，欢迎补充。下载包含这些论文的 WACV 2021 所有论文，请点击：『WACV 2...
论文阅读笔记 | (ECCV 2018) Learning to Navigate for Fine-grained Classification
z止于至善的博客
09-10 1万+
论文来自北京大学，做细粒度图像分类。 论文下载：Learning to Navigate for Fine-grained Classification 知乎专栏计算机视觉一隅，文章(ECCV 2018) Learning to Navigate for FGVC (详细版) Abstract 由于找出判别特征比较困难，细粒度图像分类具有挑战性。找到完全表征对象的那些细微特征并不简单。为了...
细粒度图像识别（2018）
weixin_37651084的博客
04-09 773
Fine-Grained Multi-Attention Multi-Class Constraint for Fine-grained Image Recognition （ECCV 2018 Oral） 暂无代码 部分代码：https://github.com/RQuispeC/npairs_loss_MAMC Large Scale Fine-Grained Categorizati...
Deep Region and Multi-label Learning for Facial Action Unit Detection简要论文笔记
yinghua2016的博客
08-16 2690
Deep Region and Multi-label Learning for Facial Action Unit Detection 摘要：  本文对以前的网络进行了改进，用一个统一的深度网络，同时解决Deep Region and Multi-label Learning(DRML) 这两个问题。 DRML中的一个重要方面是一个新的区域层（a region layer ），它使
细粒度图像识别（2020）
weixin_37651084的博客
03-18 6880
细粒度图像识别（2020） Fine-Grained Graph-propagation based Correlation Learning for Weakly Supervised Fine-grained Image Classification Fine-Grained Recognition: Accounting for Subtle Differences between Sim...
论文复现报告：Deep Region and Multi-label Learning for Facial Action Unit Detection
scut_salmon的博客
12-20 5492
论文复现报告：Deep Region and Multi-label Learning for Facial Action UnitDetection 第一次跑caffe代码，纯属自我练习，顺便记下一点心得和发现。此次复现参考自http://blog.csdn.net/u011668104/article/details/77412332感谢前人的分享。 严格来讲我跑了三遍caffe。
基于深度学习的细粒度图像分类综述
SIGAI_CSDN的博客
01-02 7237
SIGAI特约作者 卢宪凯 上海交通大学在读博士 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》，清华大学出版社，雷明著，由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误，优化，源代码资源 1.简介 细粒度图像分类 (Fine-grained image categorization), 又被称作子类别图像分类 (Sub-category rec...
基于OpenFOAM和深度学习驱动的流体力学计算与应用
2301_80236428的博客
11-14 863
从物理模型融合到复杂流动模拟，从数据驱动研究到流场智能分析，深度学习正以前所未有的力量重塑流体力学领域。伴随深度学习在流体力学研究中应用的普及，相关的开源软件和工具为科研人员提供了便捷的平台，简化了深度学习模型的实现与应用过程，加速了研究成果的转化。深度学习架构能够有效从流体数据中抽取关键特征，应用于流场预测、流动优化、流场可视化等多个领域，极大地提升了流体问题的分析效率和精度。构建物理增强的深度学习模型，将流体力学的控制方程、边界条件等物理规则内嵌于模型中，以提高模型的准确性和物理一致性。
深度学习：利用随机数据更快地测试一个新的模型在自己数据格式很复杂的时候
weixin_44162814的博客
11-14 374
比如下面一个，我自己的数据很复杂，这里在代码最后用，两分钟就完成了代码的测试成功。
基于YOLOv8深度学习的智慧农业野生蓝莓成熟度小目标检测系统研究与实现(PyQt5界面+数据集+训练代码)
最新发布
ZSW1218的博客
11-17 697
随着智慧农业技术的不断进步，传统农业逐渐向自动化、智能化转型，特别是在果实成熟度检测领域，精确、及时的检测手段已成为提升农业生产效率和优化资源配置的重要工具。
Fine-grained classification
05-21
Fine-grained classification is a type of classification problem ... Machine learning techniques such as deep learning and ensemble learning are often used to solve fine-grained classification problems.
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