![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像分类
文章平均质量分 50
SanKinPlus
曾想玩玩算法 奈何水不出CVPR
展开
-
Deep Layer Aggregation笔记
论文链接首先说明一点 ,深层的网路可以提取更多的语义信息和全局特征,但是这个不代表网络最后一层就是图像的最终代表,skip connections已经证明了这一点,所以聚合是网络结构很重要的一方面。简介:图像识别要求跨越低维到高维的尺寸从小到大的分辨率从细粒度到模糊的丰富的表达。在一个神经网络中,单独的一层的特征表达能力是远远不够的,这时候自然而然想到去聚合这些层表达有助于提升效果(在哪里和是...原创 2018-10-25 11:29:46 · 2828 阅读 · 0 评论 -
Parameter-FreeSpatialAttentionNetworkforPersonRe-Identification
摘要:GAP(global average pooling)可以帮助我们产生辨别性的信息用于识别,但是在行人重识别领域,如果关键信息丢GAP就会收到很大的影响,比如摄像头角度变了。为了解决这个问题,通过在高阶语义上建模空间关系来获得目标的全局配置被证明是有效的。作者提出了一种新的行人的再识别体系结构,该结构基于一种新的无参数空间注意层,将特征图上激活之间的空间关系引入到模型中。GAP是一个众所...原创 2019-03-27 15:19:47 · 1719 阅读 · 0 评论 -
Self-Attention 最新进展
Attention注意力,起源于Human visual system(HVS),个人定义的话,应该类似于 外界给一个刺激Stimuli,然后HVS会第一时间产生对应的 saliency map,注意力对应的应该就是这个显著性区域。这其中就涉及很多 bottom-up 及 top-down 的 physiological 原理~总的来说,就是 区域权值学习 问题...转载 2019-02-20 15:41:08 · 609 阅读 · 0 评论 -
BAM: Bottleneck Attention Module算法笔记
论文地址姊妹篇BAM: Bottleneck Attention Module这是CBAM的姊妹篇,原班人马打造,不得不服摘要:在这项工作中,我们把重心放在了Attention对于一般深度神经网络的影响上,我们提出了一个简单但是有效的Attention 模型—BAM,它可以结合到任何前向传播卷积神经网络中,我们的模型通过两个分离的路径 channel和spatial, 得到一个A...原创 2019-01-23 16:01:25 · 13404 阅读 · 4 评论 -
Hierarchical Bilinear Pooling for Fine-Grained Visual Recognition论文笔记
大概多少原创 2019-01-09 11:46:05 · 3441 阅读 · 0 评论 -
PG GAN
PROGRESSIVE GROWING OF GANS FOR IMPROVED QUALITY, STABILITY, AND VARIATION翻译为改善质量,稳定性和可变性的GANS的渐进增长Tero Karras , Timo Aila , Samuli Laine , Jaakko Lehtinen ftkarras,taila,slaine,jl...转载 2019-01-11 10:43:36 · 767 阅读 · 0 评论 -
Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition论文翻译
Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition细粒度分类一直是图像分类中的一个难点,近年来基于深度学习的图像分类发展迅速,细粒度分类也发展出了很多优秀的模型,早期的多阶段模型是通过引入一个辅助网络来融合位置信息到主分类网络中,或者通过一个复杂的特征编码方式来获得高阶特征统计,而最近的端...原创 2018-12-11 15:52:14 · 2549 阅读 · 0 评论 -
Multi-Attention Multi-Class Constraint for Fine-grained Image Recognition笔记
Multi-Attention Multi-Class Constraint for Fine-grained Image Recognition(ECCV2018)细粒度图像分类一直是一个颇具挑战性的问题,起因是细粒度图像很多存在类间方差小而类内方差大的问题,这样比一般的图像分类难度就大很多。细粒度图像分类有两个关键点,一个是关键性区域定位,二是从关键性区域学得辨别性特征,当前有很多方法在朝这...原创 2018-12-06 14:44:28 · 1387 阅读 · 0 评论 -
Tensorflow提取中间层特征npy文件并加工成tfrecord文件
提取不提取特征不重要,我的方法的出发点是将npy文件加工成tfrecord文件加工成tfrecord文件def _add_to_tfrecord(tfrecord_writer, split_name):"""Loads images and writes files to a TFRecord.Args: image_dir: The image directory where ...原创 2018-12-06 11:06:15 · 1619 阅读 · 0 评论 -
对于提取图像多尺度特征的思考
众所周知通常CNN要求输入图像尺寸是固定的,比如现有的效果比较好的pre-trained的模型要求输入为224224,227227等。这个要求是CNN本身结构决定的,因为CNN一般包括多个全连接层,而全连接层神经元数目通常是固定的,如4096,4096,1000。这一限制决定了利用CNN提取的特征是单一尺度的,因为输入图像是单一的。多尺度特征(multi-scale feature)能有效改善i...转载 2018-11-17 10:44:31 · 11710 阅读 · 2 评论 -
Tensorflow data
TensorFlow版本:1.10.0 > Guide > Importing Data导入数据(Reading data)上一篇介绍了TensorFlow读取数据的四种方法:tf.data、Feeding、QueueRunner、Preloaded data。推荐:如何构建高性能的输入 ...转载 2018-11-23 17:19:13 · 286 阅读 · 0 评论 -
Tensorflow slim教程翻译
github:https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slimTensorFlow-SlimTF-Slim is a lightweight library for defining, training and evaluating ...转载 2018-11-23 17:11:52 · 198 阅读 · 0 评论 -
Bilinear CNN Models for Fine-grained Visual Recognition论文总结
双线性定义:包含两个特征提取器,其输出经过外积(外积WiKi)相乘、池化后获得图像描述子。-作者思路局部模型高效性的原因:本文中,作者声称局部推理的高效性在于其与物体的位置及姿态无关。纹理表示通过将图像特征进行无序组合的设计,而获得平移无关性。纹理表征性能不佳的思考:基于SIFT及CNN的纹理表征已经在细粒度物体识别上显示出高效性,但其性能还亚于基于局部模型的方法。其可能原因就是纹理表示的...转载 2018-11-16 20:05:26 · 8982 阅读 · 8 评论 -
Attention综述
整理了近来看过的几篇用于计算机视觉方向的Attention论文1.Residual Attention Network首次成功将极深卷积神经网络与人类视觉注意力机制进行了有效的结合本文提出了一种可堆叠的网络结构。与ResNet中的Residual Block结构相似,本文所提出的网络结构也是通过一个ResidualAttention Module的结构进行堆叠,可使网络模型能够很容易的达到很...原创 2019-04-02 13:51:56 · 921 阅读 · 0 评论