B_CNN论文笔记

最新推荐文章于 2024-05-16 09:27:51 发布
最新推荐文章于 2024-05-16 09:27:51 发布
阅读量1.3k 收藏
点赞数 1
分类专栏： 阅读笔记 文章标签： 神经网络 深度学习
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/qq_41997237/article/details/108378685
版权

**

B_CNN

**
在这里插入图片描述
在这里插入图片描述
再经过sum-pool 或者maxpool，后加分类模块。
fA：CxM fB: CxN
bilinear = MxN -----> reshape to size MN x 1 -----> classification

双线性CNN的梯度传播
双线性CNN的梯度传播

实验
本文采用 M（15 layers）conv5+relu ，D（30 layers）conv5-4 + relu。
在这里插入图片描述

Low dimensional bilinear CNN models

对称初始化的b-cnn在参数调整后还是对称的，因为梯度是相同的。虽然有效率，但是次优的，没有探索到不同的CNN空间。
为打破特征提取器的对称性：

  1. dropout效果稍微有所下降
  2. 降维度，降低通道数。
zcd_2020
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ICCV 2015 B-CNN细粒度分类
weixin_30421809的博客
06-19 613
哈哈，好久没写博客了。。。。最近懒癌发作~~主要是因为心情不太好啊，做什么事情都不太顺心，不过已经过去啦。最近一直忙着公司的项目，想用这个网络，就给大家带来了的这篇文章。可能比较老，来自ICCV 2015的一篇关于细粒度分类的文章，文章：B-CNN。由于文章比较简单，我就不介绍的那么详细啦~ 科普下：粗粒度与细粒度分类 粗粒度：比如猫狗猪这种差别比较大的。 细粒度：狗类别中，识别是什么品种的...
B-CNNS论文解析
qq_38284961的博客
09-27 3123
B-CNNS 摘要 本文使用了两个CNN提取特征的池化输出来代表图像，并且在一定规则下定位特征交互。但是在工作中发现，双CNN提取的特征有些冗余，可以在精度不下降的前提下减少某些特征，双CNN在其他的分类任务中也是有效的，比如纹理和场景识别。 现存的深度纹理表达有一些缺点，本文的关键方式是纹理表达可以可以写成两种适用网络设计特征的池化输出，网络的结构主要是两个CNN网络提取特征并连接一个bi...
论文阅读B-CNN: Branch Convolutional Neural Network for Hierarchical Classification
qq_45584615的博客
04-30 627
PaperGithub 代码图像层次分类，利用CNN的层级结果与树形标签对应，来进行图像层次分类的。使用数据集：MNIST、CIFAR-10和CIFAR-100动机类与类之间往往存在一般-特定的分类排序属性，例如，猫和狗通常可以归为宠物，而椅子和床则是家具，而且猫和床往往比狗更容易区分。这个属性表明可以用分层的方式进行分类，而不是把所有的类都安排在一个“平面”结构中。在进行层次分类时，分类器首先知道苹果应该在水果的粗类别中，然后可以在更精细的级别上将其分类为苹果。
B—CNN
最新发布
qq_56732175的博客
05-16 726
细粒度图像分类
层级分类（续）-使用B-CNN(Branch CNN)实现
weixin_43295229的博客
04-23 6994
一、上回介绍 承接上回多级分类留下的困惑，这一次更新分享一些取得实质的进展！ 在上一篇博客中，我尝试建立这样一个结构的多层次化的分类模型： 然而实际上我构建的是一个这样的一个分类模型： 虽然最终的分类效果还不错，但我也清楚很大程度上是依赖于利用了训练好的VGG16模型，以及当前分类的数目相对较少。这样的实现是难以符合实际工程需求的，因为实际上很多情况下要分类的类别数目是成千上万的，这样简单的分...
matlab代码sqrt-bcnn:B-CNN：双线性CNN，用于细粒度的视觉识别
05-23
Matlab代码sqrt B-CNN：双线性CNN，用于细粒度的视觉识别 由林宗玉，Aruni RoyChowdhury和Subhransu Maji在麻省大学阿默斯特分校创建 介绍 该存储库包含用于在B-CNN [ICCV 2015]和改进的B-CNN [BMVC 2017]论文中重现结果的代码： @inproceedings{lin2015bilinear, Author = {Tsung-Yu Lin, Aruni RoyChowdhury, and Subhransu Maji}, Title = {Bilinear CNNs for Fine-grained Visual Recognition}, Booktitle = {International Conference on Computer Vision (ICCV)}, Year = {2015} } @inproceedings{lin2017impbcnn, Author = {Tsung-Yu Lin, and Subhransu Maji}, Booktitle = {British Machine Visi
yuputu.zip_CNN_CNN 语谱图_cnn 分类_cnn 语音识别
07-14
语音的语谱图实现，用于语音转换语谱图，用CNN网络进行分类识别
cnn.zip_CNN_CNN java
09-24
标题 "cnn.zip_CNN_CNN_java" 暗示我们关注的是与CNN（卷积神经网络）相关的Java实现。CNN是一种在图像识别、计算机视觉和自然语言处理等领域广泛使用的深度学习模型。在这个压缩包中，可能包含了用Java编写CNN模型...
CNN.rar_CNN_CNN toolbox_CNN training
09-20
从标签"cnn_toolbox"、"cnn_training"可以看出，这些文件可能包含了实现CNN训练和评估所需的代码。接下来，我们将逐一解析压缩包内的文件： 1. "cnnsetup.m"：这可能是设置CNN模型参数和环境的脚本。它可能包括定义...
CNN MATLAB_CNN_CNN MATLAB
07-15
最近学习卷积神经网络 写的代码 可以运行 但是不会改成一维
CNN_impl.rar_CNN_CNN__CNN手写_cnn 手写
07-15
本资源包含两个关键文件：`lenet.py` 和 `CNN_impl.py`，分别用于实现LeNet-5经典架构和一个基础的CNN模型。 **LeNet-5** 是Yann LeCun等人在1998年提出的一种早期的CNN结构，主要用于手写数字识别。它由以下几个...
5篇CVPR 2020相关论文【场景图+图神经网络（SG+GNN）】
05-12
本文为大家整理了五篇CVPR 2020场景图神经网络（SGNN）相关论文，让大家先睹为快——3D语义分割、指代表达式推理、图像描述生成、图像处理、时空图。
经典CNN骨架网络论文收录（2015至2020年）
10-21
经典的CNN骨架网络论文打包，包括ResNet, InceptionNet, ShuffleNet, SENet, CSPNet...
BCNN_keras：使用keras的双线性CNN实现
02-04
BCNN_keras：使用keras的双线性CNN实现
BicNN论文翻译_多智能体星际争霸战斗任务_
09-30
在本研究中，来自阿里巴巴和UCL 的研究者们把多智能体星际争霸战斗任务设定为零和随机游戏。不同智能体通过新提出的双向协调网络（BiCNet）来相互交流，而学习是通过评估-决策方式来完成的。
【论文解读：bCNN-Methylpred: Feature-Based Prediction of RNA Sequence Modification Using Branch Convoluti】
qq_53674802的博客
12-29 959
@TOC 摘要 RNA修饰在各种细胞和生物过程中都至关重要。在现有的RNA修饰中，n6-甲基腺苷(m6a)被认为是最重要的修饰，因为它参与了许多生物过程的修饰。m6a位点的预测是至关重要的，因为它可以更好地理解其功能机制。在这方面，虽然实验方法是有用的，但它们却很耗时。以前，研究人员曾试图使用计算方法来预测m6a位点，以克服实验方法的局限性。其中一些方法是基于经典的机器学习技术，它们依赖于手工制作的特性，并需要领域知识，而其他的方法则是基于深度学习的。然而，这两种方法都缺乏鲁棒性，产生的精度较低。因此，我们
细粒度分类：B-CNN论文笔记——Bilinear CNN Models for Fine-grained Visual Recognition
qq_50001789的博客
06-23 426
论文题目：《Bilinear CNN Models for Fine-grained Visual Recognition》 本文主要提出了用于聚合二阶统计数据的B-CNN架构，以矩阵外积的形式组合一幅图片的两种特征，使网络充分探索零件特征之间的交互关系，从而使网络更好地理解图像，进一步提高模型性能。
B-CNNS算法重点内容理解
weixin_37718439的博客
02-21 1133
本文是对2015年论文Bilinear CNNs for Fine-grained Visual Recognition重点内容的理解，由于本人小白，不当之处请指出。 B-CNN architecture 网络CNN streamA擅长对物体／部件进行定位，局部区域检测，CNN streamB对A检测到的物体进行特征提取。两个网络相互协调作用，完成了细粒度图像分类过程中两个最重要的任务：物体、局...
基于BCNN的汽车车型识别研究
Ricard_W_L的博客
06-07 3132
基于BCNN的汽车车型识别研究实验环境BCNNA-BCNN数据集其他 实验环境 库：keras , tensorflow 1.10 OS: Ubuntu 16.04 BCNN 双线性CNN网络在细粒度分类上有着很不错的分类效果，具体结构可自行百度，本文已经实现基于vgg16的版本:传送门。参考说明运行BCNN_VGG16.py即可。 A-BCNN 主要针对BCNN参数量大的特点进行了改进，对提取...
spec_start = Input(shape=(data_in[-3], data_in[-2], data_in[-1])) spec_cnn = spec_start for i, convCnt in enumerate(pool_size): spec_cnn = Conv2D(filters=nb_cnn2d_filt, kernel_size=(3, 3), padding='same')(spec_cnn) spec_cnn = BatchNormalization()(spec_cnn) spec_cnn = Activation('relu')(spec_cnn) spec_cnn = MaxPooling2D(pool_size=(1, pool_size[i]))(spec_cnn) spec_cnn = Dropout(dropout_rate)(spec_cnn) spec_cnn = Permute((2, 1, 3))(spec_cnn) spec_rnn = Reshape((data_in[-2], -1))(spec_cnn) for nb_rnn_filt in rnn_size: spec_rnn = Bidirectional( GRU(nb_rnn_filt, activation='tanh', dropout=dropout_rate, recurrent_dropout=dropout_rate,return_sequences=True), merge_mode='mul' )(spec_rnn)
06-02
这段代码使用Keras实现了一个深度卷积神经网络（CNN）和循环神经网络（RNN）的模型。其中，`spec_start`是输入层，输入的形状为`(data_in[-3], data_in[-2], data_in[-1])`。`spec_cnn`是CNN的输出层，它的初始化值...
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