- 博客(9)
- 资源 (3)
- 问答 (1)
- 收藏
- 关注
RSS订阅转载 细粒度图像分析综述2019
文章目录导读细粒度应用和分类2 细粒度的问题和挑战问题挑战3 数据集4 细粒度图像识别4.1 定位分类子网络4.2 端到端特征编码4.3 辅助信息5 细粒度图像检索6 细粒度图像生成7 细粒度图像分析相关的特定领域应用8 未来方向参考导读图像分析是CV最重要的分支之一。在CV的各个研究领域中，细粒度图像分析(FGIA)是一个长期存在的基础性问题。旷视的研究人员魏秀参等人，将FGIA分为：细粒...
2019-07-13 20:48:32
3261
2
原创 Category-level Adversaries for Semantics Consistent Domain Adaptation
这是CVPR 2019的一片论文，讲语义分割中的域适应文章目录摘要介绍算法问题背景网络架构相关工作GAN协同训练(co-traning)训练流程损失函数分析实验摘要域适应在语义分割中的关键问题在于 减少域漂移(domain shift)。一般，我们对齐两个域之间的分布来解决这个关键问题。问题是，这种全局性的对齐两个域的分布，并没有考虑类别级别的对齐。这种忽略会造成：目标域中 原本已经对齐的类...
2019-07-12 08:11:32
410
转载 [CVPR 2018 论文笔记] Feature Generating Networks for Zero-Shot Learning
文章目录1 简介2 模型3 实验4 总结5 有意思的地方零样本问题可以看作是数据缺失问题。由于目标域数据不可见，导致模型训练时的数据不均衡。一个直观的想法就是生成目标域的数据。生成图像是最简单的想法，但是本文提出直接生成目标域的特征，而不是图像。我认为，这样做确实能够提高精度，因为最后做分类都是在特征上做的，直接生成特征，能够缓解生成图像质量不好的问题。1 简介介绍一篇CVPR 2018的...
2019-07-10 08:44:05
2117
转载 [CVPR 2019论文笔记] Leveraing the Invariant Side of Generative Zero-Shot Learning
文章目录动机方案训练3.4 预测未见类实验4.2 实现细节和对比方法4.5 模型分析总结动机基于GAN的ZSL方法，通过生成样本的方式，将ZSL问题转换成全监督问题。本文的动机是利用(域)不变的信息的GAN来生成特征，而不是样本。生成特征比生成样本好在哪里？提出了一个conditional Wasserstein GAN, 输入是噪声和语义描述定义了soul samples来...
2019-07-10 08:43:48
772
3
原创 Universal Domain Adaptation 通用域自适应 笔记
背景本文介绍了一种新的迁移学习的场景。迁移学习迁移学习是指：将源域的知识迁移到目标域，用以辅助目标域训练通用域自适应本文提出一种新的场景：通用域自适应。是指源域的标签空间和目标域的标签空间有一定的交集，同时两者又有各自独立的部分。如下图左下角所示：举个例子，源域中有 老虎、斑马、狮子、大象。目标域中有老虎、狮子、猫、熊猫。它们都有老虎、狮子这两个类别。源域和目标域都包含对方没有的类别...
2019-07-08 09:10:03
5269
1
转载 ECCV 2018 Selective Zero-Shot Classification with Augmented Attributes
亮点：零样本在选择性分类场景下的应用。前两天，看了李宏毅老师的机器学习2019的视频，里面提到了异常检测。深度学习将各种任务的精度提升到了一个高度。但是，想要在实际中应用，会遇到各种问题，比如攻击。给定一个样本，模型能够判定这个样本是个异常样本，而不是随便给定一个标签？问题： 论文引入了一个选择性零样本分类问题：如何让分类器避免不确定的预测？现有方法在选择性分类场景下性能很差。分...
2019-07-06 20:05:26
374
转载 AdaGraph: Unifying Predictive and Continuous Domain Adaptation through Graphs笔记
文章目录自适应图：一统零样本、增量域适应问题摘要引言相关工作方法概览数据AdaGraph: Graph-based Predictive DA用图连接域可学习的参数在这里插入图片描述Experiments数据集自适应图：一统零样本、增量域适应问题[pdf] [supp]定义源域目标域辅助域domain adaptation标注数据无标注数据无predic...
2019-07-04 15:12:45
646
原创 论文单词积累
integrate [ˈɪntɪɡreɪt]to combine two or more things so that they work together; to combine with sth else in this way The department has successfully integrated new ideas into the traditi...
2019-07-01 09:01:04
1014
原创 ADVENT: Adversarial Entropy Minimization for Domain Adaptationin Semantic Segmentation
概览背景域适应在语义分割中的应用。问题训练集的分布与测试集的分布之间存在差异，导致在测试集上准确率不高。动机作者观察到：源域上的监督学习训练出来的模型，在与源域相似的图片上预测出来的语义分割图是低熵。而在目标域上的预测图则是高熵。如下图所示。左边是语义分割图，右边计算整个图熵值结果的可视化。源域中的预测熵图(prediction entropy maps)像是边缘检测：在边缘部分有很...
2019-07-01 08:54:51
2940
C++ 代码 APP_GAME_MGR = 1 << 1 这么写的目的
2022-02-14
TA创建的收藏夹 TA关注的收藏夹
TA关注的人