Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation阅读笔记

最新推荐文章于 2021-07-29 10:57:16 发布
最新推荐文章于 2021-07-29 10:57:16 发布
阅读量1.4k 收藏 1
点赞数
分类专栏： AI
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/feitianlzk/article/details/79780000
版权

Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation Approach阅读笔记

x. Questions

  1. AE步骤, 怎么判断收敛不好。万一有的图片需要erase 3次，有的erase2两次会怎么样?
    • 实验直接选了3次
  2. PSL，为什么conv7的结果做avg pooling后直接可以用作weight？conv7的feature map数量必须是class的数量?可解释性?
    • 应该图中fc指的是下一层,是经过avg pool 和全连接计算之后的
    • 图中中间部分每个pixel属于各类的概率，也就是HxWxK
    • 用AE的结果和weighted map作为监督信息约束网络
  3. salience map多类是怎么做到的?

x. Conclusion

Pro
  • AE
    • progressively mine discriminative object regions
  • PSL
    • limitation of AE on capturing boundary details
    • missed pixels
  • state of art
Con
  • 不同的图片erase速度不一定
最低0.47元/天 解锁文章
feitianlzk
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
18-Object Region Mining with Adversarial Erasing
u010067397的专栏
12-14 774
CVPR 2017-oral 背景 图像语义分割是计算机视觉领域的核心研究问题之一。一般来讲，训练高性能的语义分割模型需要依赖于大量的像素级的人工标注（即标注每个像素点的语义信息）。然而，标注这类的训练样本非常困难，往往需要大量的金钱和时间。为了降低获取训练样本的难度，研究人员提出采用一些相对容易获取的标注作为监督信息（我们称之为弱监督），并用于训练图像语义分割模型。目前这些弱监督信息主要...
弱监督语义分割--Object Region Mining with Adversarial Erasing
AI小作坊 的博客
09-08 7970
Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation Approach CVPR2017怎么将只有图像标签的训练图像用于语义分割的训练，这里我们提出使用一个分类网络来讲训练图像中的物体进行分割，得到像素标记的训练图像，同时提出一个 online prohibi
AdvErasing [CVPR17]
mutou_cly的博客
05-06 209
AdvErasing paper: Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation Approach 文章发表在2017年的CVPR上，同样的也是基于CAM进行后续处理。 作者考虑到CAM网络是通过训练辨别模型从而得到score map/heat m...
Weakly supervised semantic segmentation:AE
weixin_43812007的博客
07-05 312
Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation Approach Abstract 对抗性擦除：提出的方法通过以对抗的方式擦除当前挖掘的区域来驱动分类网络顺序地发现新的和补充的目标区域。 首先通过一个分类网络，找出响应度最高的位置，擦除这些位置，然后把擦除后的图片送入分类网络，分类网络为了弥补性能的损失，就要关注其他有区分度的部分，如此迭代直到没有有用的区域剩下。将
[论文笔记]Object Region Mining with Adversarial Erasing
静如脱兔(⋌▀¯▀)=☞动如脱兔的博客
05-16 807
AE-PSL论文笔记AbstractIntroduction难点方法概述本文提出的Adversarial erasing(AE)方法ContributionRelated WorkProposed Method框架Object Region Mining with AEonline PSL for semantic segmentationExperiments 之前写的一些笔记，可能有些观点参考过其他博主，欢迎认领，侵删，转载请注明出处，谢谢 Abstract 提出一种对抗擦除的方法定位目标区域 为了提
《A Generative Adversarial Model for Right Ventricle Segmentation》阅读笔记
01-06
本文主要讲了以下两点： （1）基于FCNN网络（就是我们平时所说的FCN），集成了三个概念：卷积门控递归单元（C-GRU），生成对抗网络（GAN）和L1损失函数。 （2）ROI-GAN：通过结合全局（全分辨率）和局部感兴趣区域...
Adversarial PoseNet: A Structure-aware Convolutional Network for Human Pose Estimation(2017)
01-06
1、提出a novel structure-aware convolutional network，能够在深度网络的训练过程中隐式地考虑先验知识（人体关节的几何约束关系）； 2、Generator预测的pose和occlusion heatmaps输入到discriminator预测与真实...
DPATCH: An Adversarial Patch Attack on Object Detectors论文笔记
02-06
DAPTCH的论文阅读笔记
Adversarial_Autoencoder：Adversarial自动编码器向导指南
02-06
对抗式自动编码器 该存储库包含使用Tensorflow实现对抗自动编码器的代码。... tf.nn.sigmoid_cross_entropy_with_logits具有一个targets参数，该参数已更改为tensorflow版本> r0.12的labels 。数据集MNIS
Recognizing Objects in Adversarial Clutter: Breaking a Visual CAPTCHA
02-27
In this paper we explore object recognition in clutter. We test our object recognition techniques on Gimpy and EZGimpy, examples of visual CAPTCHAs. A CAPTCHA (“Completely Automated Public Turing ...
见微知著：语义分割中的弱监督学习
深度学习大讲堂
12-06 8362
点击上方“深度学习大讲堂”可订阅哦！编者按：语义分割是AI领域的一个重要分支，被广泛应用于自动驾驶领域。近年来，深度学习为该领域带来了飞跃式的进展，然而这一进步依赖于大量全监督的标注数据。在语义分割领域，这意味着像素级别的标注。因此，如何利用弱监督的标注数据来学习语义分割成为了一大挑战。本文中，来自新加坡国立大学的魏云超博士，将为大家介绍弱监督学习在语义分割方面的应用。文末，大讲堂特别提供文中提到
VALSE2018弱监督语义分割学习和总结2
IGIli的博客
05-11 5184
STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation魏云超（TPAMI 15）通过显著性物体检测的结果，自动地生成语义分割的标签。通过low-level vision得到的约束能够帮助我们在弱监督的语义分割的学习中，减少对人工标注的依赖。具体将这项工作所做的贡献总结如下：（1）提出了一个简单到复...
让机器“一叶知秋”：弱监督视觉语义分割
深度学习大讲堂
05-24 2804

 
 
 
 
 
 
 编者按：西汉刘安的《淮南子·说山训》中有这样一段话：“见一叶落，而知岁之将暮；睹瓶中之冰，而知天下之...
Splitting Vs. Merging: Mining Object Regions with Discrepancy and Intersection Loss for Weakly Super
qq_49230659的博客
07-29 259
Splitting Vs. Merging: Mining Object Regions with Discrepancy and Intersection Loss for Weakly Supervised Semantic Segmentation摘要1 Introduction2 Related Works3 Approach3.1 Revisiting CAM3.2 Splitting vs. Merging 论文地址 摘要 本文关注于image-level的WSSS任务。本文通过训练一个regi
【阅读笔记】SiamMask: Fast Online Object Tracking and Segmentation
hey_youngman的博客
03-23 9343
这篇文章是CVPR2019的一篇关于目标跟踪及分割的文章，论文作者团队来自中科院自动化所、牛津大学、Five AI公司。 论文：https://arxiv.org/abs/1812.05050 Github：https://github.com/foolwood/SiamMask 项目网站：http://www.robots.ox.ac.uk/~qwang/SiamMask/ 目录摘要1.引言2....
语义分割（Semantic Segmentation ）论文
IGIli的博客
09-17 1407
搬运工，方便自己查阅! 1.《Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation Approach》CVPR2017弱监督语义分割      http://blog.csdn.net/zhangjunhit/article/details/778951
论文笔记 | Training Region-based Object Detectors with Online Hard Example Mining
bea_tree的博客
07-07 2816
AuthorsAbhinav Shrivastava Abhinav Gupta Ross Girshick Abhinav Shrivastava 这篇文章很多人说不值得在cvpr oral，不过有ross Girshick，还是要看一看的。Abstract本文提出了online hard example mining(OHEM)，使用的是Bootstrapping技术，又一次说明了
【阅读笔记】《Panoptic Segmentation》
ShuqiaoS的博客
12-27 3790
本文记录了博主在阅读《Panoptic Segmentation》一文过程中记录的笔记。更新于2018.12.25。 文章目录Useful linksIntroductionRelated WorkPanoptic Segmentation FormatPanoptic Segmentation Metric Useful links COCO challenge 2018: panoptic s...
关于弱监督学习
YiLiang
03-05 5133
学习记录
image-to-Image Translation with Conditional Adversarial Networks
最新发布
12-27
image-to-Image Translation with Conditional Adversarial Networks（条件对抗网络的图像到图像转换）是一种用于图像转换的深度学习方法。它通过训练一个生成器网络和一个判别器网络来实现图像的转换。生成器网络将...

“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