[CVPR 2016] Learning Learning Deep Representations of Fine-Grained Visual Descriptions

最新推荐文章于 2020-08-28 20:16:09 发布
最新推荐文章于 2020-08-28 20:16:09 发布
阅读量358 收藏
点赞数
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/cp_oldy/article/details/107442000
版权

[paper]

通过学习细粒度类别的视觉描述的深度表示来解决细粒度零样本（fine-grained zero-shot learning）问题。论文有三点贡献：
1)收集了CUB和Oxford数据集的视觉描述；
2)深度NLP模型

视觉描述，是细粒度属性的来源之一。 我们需要高容量的文本模型。

text-based特征和TF-IDF特征更好。text-based是对图片的详细描述。SJE模型

一亩高粱
关注
Learning deep representations of fine-grained visual descriptions
EwanRenton
07-27 3796
Abstract 最先进的zero-shot视觉识别将学习视为图像和补充信息的联合问题。其中对视觉特征来说最有效的补充信息是属性-描述类与类之间的共享特征的手动编码向量。尽管算法表现很好，但是属性任然是有局限的： 更细粒度的识别需要相当多的属性 属性不提供自然语言界面（attributes do not provide a natural language interface）（不能显式的表...
《Learning Deep Representations of Fine-Grained Visual Descriptions》论文及代码阅读笔记
Geek_of_CSDN的博客
10-07 1913
最近在读这篇文章
运行《Learning Deep Representations of Fine-Grained Visual Descriptions》的代码
iTom's blog
01-13 1530
Notes 最终想利要用文中 CNN-RNN 架构的提取文本特征，又不想复现， 踩坑 lua。 Links 论文：Learning Deep Representations of Fine-Grained Visual Descriptions 代码：reedscot/cvpr2016 CUB 数据集：Caltech-UCSD Birds dataset Flowers 数据集：Oxford F...
Learning Deep Representations of Fine-Grained Visual Descriptions
cv_family_z的博客
07-29 3897
CVPR2016 Learning Deep Representations of Fine-Grained Visual Descriptionscode: https://github.com/reedscot/cvpr2016本文提出了一个模型，可以用来干什么了？就是给你一句话，搜出满足这句话的图像怎么实现这个目标了？ 分别对图像 和 语句使用 CNN网络，提取出对应的特征，然后结合起来
CVPR 2016 摘要阅读
Tsingzao的博客
08-02 3万+
为了说明看过CVPR2016全部文章的摘要，总结一下，摘要只保留了创新点部分。 ORAL SESSION Image Captioning and Question Answering Monday, June 27th, 9:00AM - 10:05AM. These papers will also be presented at the following poster sessio
论文阅读：CVPR2016 Paper list
热门推荐
一亩半分地
05-12 8万+
CVPR2016 accepted paper list
Learning Cross-Modal Deep Representations for Robust Pedestrian Detection
xiaofei0801的博客
06-01 3176
Abstract        本文提出了一种在不利照明条件下检测行人的新方法。 我们的方法依赖于一种新型的跨模态学习框架，它基于两个主要阶段。 首先，给出一个多模态数据集，采用深度卷积网络学习非线性映射，对RGB和热图之间的关系进行建模。 然后，所学习的特征表示被迁移到第二个深度网络，其接收RGB图像作为输入，并输出检测结果。 以这种方式，学习到了对不良照明条件具有判别性和鲁棒性的特征。
Target-driven Visual Navigation in Indoor Scenes using Deep Reinforcement Learning学习笔记
jing_jing95的博客
03-05 1744
Abstract Two less addressed issues of deep reinforcement learning are (1) lack of generalization capability to new target goals, and (2) data inefficiency i.e., the model requires several (and often ...
自监督学习(Self-Supervised Learning)多篇论文解读（下）
吴建明wujianming_110117
05-30 2333
自监督学习(Self-Supervised Learning)多篇论文解读（下） 之前的研究思路主要是设计各种各样的pretext任务，比如patch相对位置预测、旋转预测、灰度图片上色、视频帧排序等等。CVPR19和ICCV19上，Google Brain的几个研究员发表了两篇论文，从另外的视角分析和研究self-supervised learning问题。两篇paper名字分别是：Revisiting Self-Supervised Visual Representation Learning (CVP
论文浅尝 | 当知识图谱遇上零样本学习——零样本学习综述
开放知识图谱
09-26 6312
随着监督学习在机器学习领域取得的巨大发展，如何减少人工在样本方面的处理工作，以及如何使模型快速适应层出不穷的新样本，成为亟待解决的问题。零样本学习（Zero-Shot L...
（十二：2020.08.28）CVPR 2016 追踪之论文纲要（译）
Jojo论文基地
08-28 4670
CVPR 2016 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643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
计算机视觉和模式识别 CVPR2016的代码合集
slamer的专栏
07-15 1万+
JamesChuanggg/san-torch: Torch Implementation for Stacked Attention Networks for Image Question Answering (github.com) attentionconference-cvpr-2016cvpr-images-and-languagecvpr-language-and-vision
CVPR 2016 papers
ahong286286的专栏
11-02 3014
CVPR 2016 open access These CVPR 2016 papers are the Open Access versions, provided by the Computer Vision Foundation. Except for the watermark they are identical to the versions available on IEEE X
细粒度图像分类---Fine-grained Image Classification
u011489887的专栏
03-06 6671
1.进展综述https://zhuanlan.zhihu.com/p/247383192.论文原文：Object-Part Attention Driven Discriminative Localization for Fine-grained Image Classification（2017.4.6）作者：Yuxin Peng, Xiangteng He, and Junjie Zhao（清...
CVPR 2016 paper
slamer的专栏
07-15 9547
Deep Compositional Captioning: Describing Novel Object Categories Without Paired Training Data Lisa Anne Hendricks, Subhashini Venugopalan, Marcus Rohrbach, Raymond Mooney, Kate Saenk
Zero-Shot learning
qq_38096703的博客
06-14 1万+
Zero-Shot learning在传统的分类模型中，为了解决多分类问题（例如三个类别：猫、狗和猪），就需要提供大量的猫、狗和猪的图片用以模型训练，然后给定一张新的图片，就能判定属于猫、狗或猪的其中哪一类。但是对于之前训练图片未出现的类别（例如牛），这个模型便无法将牛识别出来，而ZSL就是为了解决这种问题。在ZSL中，某一类别在训练样本中未出现，但是我们知道这个类别的特征，然后通过语料知识库，便...
原创《基于深度特征学习的细粒度图像分类研究综述》
小星星专栏
06-14 1万+
声明：本文原创，未经本人同意，禁止任何形式的转载！！！ 后记：这篇文章虽然是19年放出来，但是是我在18年初的时候写的，所以文中引用的方法都是17年以前的，有点过时了，现在又出现了好多新方法，最高的在CUB上的精确度已经达到了91%左右 摘 要 深度学习技术已经在各种视觉分析任务中展现出了其强大的特征提取能力。特别是在细粒度图像分类领域，深度特征提取技术让其获得了巨大的性能提升。基于...
文本图像跨媒体检索进展
Hello World
05-15 1万+
主要介绍9篇关于文本图像双向检索任务的9篇论文。
[NIPS 2018] Stacked Semantics-Guided Attention Model for Fine-Grained Zero-Shot Learning
一亩高粱
10-17 2381
细粒度零样本问题。如图1所示，全局特征仅捕获一些整体信息，相反，区域特征捕获局部信息，并且局部特征与类别语义描述更相关。当试图识别未见类别图像时，人们更多关注基于关键类别语义描述的信息区域。此外，人类通过排除不相关的视觉区域并以渐进的方式定位最相关的视觉区域来实现语义对齐。零样本问题中，模型是如何学习已知类和未知类的关系的？答：通过语义关系，具体来讲就是定义的语义空间，比如属性空间、词向量空间或者描述空间。
CVPR2007 Bag-of-Words模型在图像识别中的应用
"CVPR2007_tutorial_bag_of_words" 在计算机视觉领域，"Bag of Words"（BoW）模型是一种广泛应用于图像分类、物体识别和自然场景理解的技术。该模型最初源于文本处理，后来被成功地应用到图像特征表示上。CVPR2007...
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