![](https://img-blog.csdnimg.cn/20190918140053667.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
异常分割
文章平均质量分 95
异常分割方向的论文、代码阅读笔记
starbuling~
有棱有角,还会发光
展开
-
【论文+代码】PEBAL/Pixel-wise Energy-biased Abstention Learning for Anomaly Segmentation on Complex Urban
Pixel-wise Energy-biased Abstention Learning for Anomaly Segmentation on Complex Urban Driving Scenes复杂城市驾驶场景异常分割的像素级能量偏置弃权学习是ECCV 2022oral的文章,本篇随笔是在阅读论文和复现代码过程中做的一些笔记......原创 2022-08-10 10:33:54 · 1563 阅读 · 2 评论 -
【论文+代码】PEBAL/Pixel-wise Energy-biased Abstention Learning for Anomaly Segmentation on Complex Urban
背景:SOTA的异常分割方法都是基于不确定性估计和重建。直观假阳性,将正常像素检测为异常。某些hard-ID靠近分类边界假阴性,检测不出异常认为是正常像素。依赖分割结果额外网络难以训练;效率低input不同导致分割模型变化则需要重新训练,适用性不高提出了新的方法:PEBAL = AL + EBM, 两个模块联合训练AL, Abstention Learning. 放弃学习,放弃将像素分类为ID标签,而是划分为异常。...原创 2022-08-10 10:25:41 · 1389 阅读 · 0 评论 -
【论文阅读】NFlowJS:基于鲁棒学习的合成负数据密集异常检测
标准的机器学习无法容纳不属于训练分布的输入。由此产生的模型往往会产生自信的错误预测,这可能会导致毁灭性的后果。这个问题在密集预测的背景下要求特别高,因为输入图像可能只是部分异常的。 以前的工作是通过对混合内容的图像进行判别性训练来解决密集的异常检测。我们用合成负片来扩展这种方法,它同时实现了高局内点的似然和平均分布的鉴别性预测。由于其出色的分布覆盖率和生成不同分辨率样本的能力,我们用归一化流生成合成负片。我们还提议根据一个原则性的信息理论标准来检测异常情况,该标准可以通过训练和推理来持续应用。尽管计算开销最原创 2022-06-08 14:59:08 · 295 阅读 · 0 评论