paper reading
文章平均质量分 80
July_Zh1
计算机硕士在读,关注模式识别,计算机视觉,图像处理。
展开
-
论文笔记《Superparsing: Scalable Nonparametric Image Parsing with Superpixels》
【论文信息】《Superparsing: Scalable Nonparametric Image Parsing with Superpixels》IJCV 2013superpixel-level,fully supervised,non parametric method 这篇文章是CVPR 2013的《Finding Things: Image Parsing with Regions原创 2015-09-20 22:35:11 · 1745 阅读 · 0 评论 -
论文笔记《Feedforward semantic segmentation with zoom-out features》
《Feedforward semantic segmentation with zoom-out features》,CVPR 2015这篇文章的方法是superpixel-level的,主要是基于CNN实现,是fully supervised。首先对输入图像以superpixel为单位提取CNN特征(使用VGG16),然后把这些特征作为CNN classifier(使用image原创 2015-08-01 23:05:35 · 2891 阅读 · 1 评论 -
VLAD特征(vector of locally aggregated descriptors)
《Aggregating local descriptors into a compact image representation》论文笔记 这篇论文中提出了一种新的图片表示方法,也就是VLAD特征,并把它用于大规模图片检索中,得到了很好的实验结果。 目前,BOF在图片检索和分类中应用广泛,首先是因为BOF是基于比较powerful的local特征(如SIFT)得来的,所以表达能力很强;其次是原创 2015-07-25 10:55:40 · 25521 阅读 · 6 评论 -
Fisher Vector的改进
本文记录论文《Improving the Fisher Kernel for Large-Scale Image Classification》中第三部分提出的对fisher vector的3种改进。1,L2 Normalization 首先假设一幅图像的特征们X=xt,t=1...TX={x_t,t=1...T}服从一个分布p,对于Large-Scale image,根据大数定律,样本原创 2015-06-24 19:28:14 · 3911 阅读 · 0 评论 -
论文笔记《Multi-scale Orderless Pooling of Deep Convolutional Activation Features》
文章提出一种基于多尺度滑窗的CNN特征的编码方法。1 Information发表会议:ECCV2014相关链接:作者主页 项目主页2 MotivationGloabl CNN:编码了图片的空间结构信息,对类内差异容忍度差,globally orderedBOW:完全丢失图片的空间结构信息,orderless对于场景分类问题,我们希望一个在小的region,空间结构globally ordere原创 2016-05-15 17:46:44 · 3971 阅读 · 1 评论 -
论文笔记《Fast RCNN》
Fast RCNN是加强版的SPPnet,SPPnet的细节可以参考这里,Fast RCNN相比于RCNN在时间和性能上都做了改进。它避免对一幅图片的多个proposal分别计算CNN特征(大量的重复计算),而是对整幅图提取CNN特征之后,再划分对应proposal,从而加提高了检测效率;同时对RCNN的pipeline方法做了一定整合,提升了检测性能。1 论文信息发表会议:ICCV2015代码2原创 2016-06-25 11:35:06 · 2892 阅读 · 0 评论 -
论文笔记《Rich Feature Hierarchies for accurate object detection and semantic segmentation》
RCNN是CNN应用在object detection的开山之作,加上后续的Fast-RCNN,Faster-RCNN都是非常经典的工作,这三篇文章一环套一环的改进思路简直是快准狠(跪拜rbg大牛><)。笔者不是做检测的(所以没有折腾过代码不清楚实验细节),在paper reading听了别人报告之后很喜欢RCNN系列文章,就记录下对原理的理解和感悟吧。1 论文信息发表会议:CVPR2014 代原创 2016-06-12 22:16:59 · 1055 阅读 · 0 评论 -
论文笔记《Harvesting Discriminative Meta Objects with Deep CNN Features for Scene Classification》
文章提出一个pipeline从场景训练集中挖掘代表性的元素(meta object),将一幅图像用这些meta object表示,得到了state-of-the-art的分类效果。1 Motivation假设:场景的类别与场景中的目标有关。本文借鉴BOW思想,用整个训练集提取出representative and discriminative meta object,用category-specif原创 2016-05-15 20:36:53 · 1353 阅读 · 0 评论 -
论文笔记《Fully Convolutional Networks for Semantic Segmentation》
《Fully Convolutional Networks for Semantic Segmentation》,CVPR 2015 best paper,pixel level, fully supervised。主要思路是把CNN改为FCN,输入一幅图像后直接在输出端得到dense prediction,也就是每个像素所属的class,从而得到一个end-to-end的方法来实现ima原创 2015-08-02 11:50:03 · 28829 阅读 · 44 评论