- 博客(38)
- 收藏
- 关注
RSS订阅原创 Class Similarity Weighted Knowledge Distillation for Continual Semantic Segmentation
这篇工作在CSS领域主要是利用蒸馏和当前类别比较像的先前类别的知识，加强旧的容易被遗忘的类别的记忆，也让新类别学习得更好。作者这篇工作的观点在于，和新类别相似的旧类别在学习新类别时更容易被遗忘，即旧类别会被认为是新类别。...
2022-07-07 21:22:40
387
1
原创 GCR: GRADIENT CORESET BASED REPLAY BUFFER SELECTION FOR CONTINUAL LEARNING
continual learning旨在用一个模型有效解决增量任务的学习，这篇工作可以看做是基于重演的对抗知识遗忘的方法，提出了一个 Gradient Coreset Replay (GCR)策略来重演被选择的缓存，其中本文选择一个Coreset（核心集），这个核心集尽力近似所有见过的数据的模型的梯度。...
2022-07-04 00:37:57
637
原创 Representation Compensation Networks for Continual Semantic Segmentation
Representation Compensation Networks for Continual Semantic SegmentationAbstract1. Introduction2. Related Work3. Method3.1. Preliminaries论文地址github code很久没有更新paper reading的内容了，最近发现Continual Semantic Segmentation这个领域有点意思，在这里记录一下。Abstract这篇工作研究Continual
2022-03-26 07:32:35
693
1
原创 DUTS显著性检测数据集mask格式为RGB的问题及解决脚本
DUTS数据集有几个GT label格式是RGB，虽然是灰度图片，但是却是以三通道的格式储存的，在用的时候可能会引起一些bug，因此我们最好把数据集格式优化一下，我发现有这么几张图片有问题，写在下面的脚本里了。from PIL import Image"""DUTS-TR数据集的ILSVRC2014_train_00023530/n01532829_13482/n04442312_17818是一张黑白图片（GT），但是却有3个通道，所以会报错;DUTS-TE数据集的ILSVRC2012_test_0
2021-11-06 10:19:05
998
1
原创 Meta-Semi: A Meta-learning Approach for Semi-supervised Learning
Meta-Semi: A Meta-learning Approach for Semi-supervised LearningAbstract1 Introduction论文地址Abstract半监督学习近年来得到广泛关注，然而他们往往引入多个超参数，但一般半监督问题有标注的数据是稀缺的，没有足够的标注用来调整这些超参数。本文提出了一种基于meta-learning的半监督算法，只用调整一种超参数就可以在很多半监督学习场景中获得不错的表现。我们定义了一个meta optimization probl
2021-10-21 03:32:02
298
原创 Learning What to Learn for Video Object Segmentation
Learning What to Learn for Video Object SegmentationAbstract3 Method3.1 Video Object Segmentation as Few-shot Learning3.2 Learning What to Learn3.3 Internal Learner3.4 Video Object Segmentation Architecture论文地址codeAbstract通过meta-learning的思想完成one-shot V
2021-10-19 20:41:36
458
原创 Learning Calibrated Medical Image Segmentation via Multi-rater Agreement Modeling
Learning Calibrated Medical Image Segmentation via Multi-rater Agreement Modeling摘要1. Introduction2. Related Work3. Methodology3.1. Motivation3.2. Overall Framework论文地址code视频讲解摘要本文是关于分割在医学场景中的应用。一般的分割任务有确定的真值，但是对于一些医学任务，我们往往需要结合多个专家的诊断结果作为真值，传统的方法是平均各
2021-09-22 20:37:25
472
原创 训练时正常，在验证时会爆显存的解决办法——with torch.no_grad():
最近在训练的时候，训练还正常，但在每个epoch训练之后的验证过程中会爆显存，在网上查阅资料之后，得知一个这样的方法：with torch.no_grad():这个函数加在model.eval()后面一行就行了，作用是在验证时禁止反向传播，亲测有效。...
2021-08-18 16:44:32
2513
1
原创 Contour Knowledge Transfer for Salient Object Detection
Contour Knowledge Transfer for Salient Object Detection摘要论文地址code摘要本文是一篇无监督显著性监测方法，C2S-Net。
2021-08-13 15:14:39
331
原创 Weakly-Supervised Salient Object Detection via Scribble Annotations
Weakly-Supervised Salient Object Detection via Scribble Annotations摘要1. Introduction2. Related Work2.1. Learning Saliency from Weak Annotations2.2. Weakly-Supervised Semantic Segmentation2.3. Recovering Structure from Weak Labels2.4. Comparison with Existi
2021-08-13 15:14:25
1589
原创 电脑使用时自动睡眠的问题
我的笔记本型号是联想IdeaPad700-15ISK，之前并不是本人在用，我接手这个本之后就一直存在使用时自动睡眠的问题，电池管理中睡眠的设置我都设置成永不了，但还是有运行过程中自动睡眠这样的情况。之前的两年只是在不插电的时候会发生这种情况，后来慢慢有时候接入电源也会出现这种情况，且最近越来越频繁了。之前去维修店，重做过系统，依然无法解决。最近实在发生问题太频繁了，我就重装了电源驱动，依然不好使。后来我给店里打电话，维修人员说你可以在BIOS中看看它会不会自动睡眠（这样应该可以排除一下是不是硬件的问题
2021-08-06 20:17:04
1081
原创 DeepUSPS: Deep Robust Unsupervised Saliency Prediction With Self-Supervision
DeepUSPS: Deep Robust Unsupervised Saliency Prediction With Self-Supervision摘要1 Introduction2 Related work3 DeepUSPS: Deep Unsupervised saliency prediction via self-supervision3.1 Enforcing inter-images consistency with image-level loss3.2 Incremental pseu
2021-08-04 18:34:31
1303
原创 Integral Object Mining via Online Attention Accumulation
Integral Object Mining via Online Attention Accumulation摘要论文地址摘要
2021-07-29 18:30:18
959
原创 Splitting Vs. Merging: Mining Object Regions with Discrepancy and Intersection Loss for Weakly Super
Splitting Vs. Merging: Mining Object Regions with Discrepancy and Intersection Loss for Weakly Supervised Semantic Segmentation摘要1 Introduction2 Related Works3 Approach3.1 Revisiting CAM3.2 Splitting vs. Merging论文地址摘要本文关注于image-level的WSSS任务。本文通过训练一个regi
2021-07-29 10:57:16
260
原创 Self-Supervised Difference Detection for Weakly-Supervised Semantic Segmentation
Self-Supervised Difference Detectionfor Weakly-Supervised Semantic Segmentation摘要1. Introductionfor Weakly-Supervised Semantic Segmentation)论文地址摘要本文通过移除噪音来提升mapping function的准确性。本文提出self-supervised difference detection模块，通过预测mapping前后的分割掩码来减少noise。1.
2021-07-28 22:14:31
437
原创 Joint Learning of Saliency Detection and Weakly Supervised Semantic Segmentation
Joint Learning of Saliency Detection and Weakly Supervised Semantic Segmentation摘要1. Introduction3. The proposed approach3.1. Network overview3.2. Segmentation networks3.3. Saliency aggregation3.4. Jointly learning of saliency and segmentation论文地址摘要本文通过
2021-07-28 00:05:57
474
原创 Mining Cross-Image Semantics for Weakly Supervised Semantic Segmentation
Mining Cross-Image Semantics for Weakly Supervised Semantic Segmentation摘要1 Introduction2 Related Work3 Methodology3.1 Co-attention Classification Network摘要本文研究只在image-level监督下学习语义分割。目前流行的解决方法是使用分类器生成的目标localization maps作为监督，致力于让localization maps捕捉更完整的目标
2021-07-26 01:04:32
934
2
原创 Employing Multi-estimations for Weakly-Supervised Semantic Segmentation
Employing Multi-estimations for Weakly-Supervised Semantic Segmentation摘要摘要
2021-07-26 01:04:17
452
原创 Weakly Supervised Semantic Segmentation with Boundary Exploration
From Semantic Categories to Fixations: A Novel Weakly-supervised Visual-auditory Saliency Detection Approach摘要摘要多亏了深度学习和大规模训练数据集的快速发展，视频显著性检测模型的表现显著增强。然而，基于音视频眼动点预测的深度学习仍具有挑战性。目前，只有少数视音频序列具有在真实视音频环境中记录的真实注视。 因此，在相同的视音频环境下重新收集真实的注视既没有效率也没有必要。为了解决这样的问题，本文提
2021-07-26 01:04:01
841
2
原创 Non-Salient Region Object Mining for Weakly Supervised Semantic Segmentation
Non-Salient Region Object Mining for Weakly Supervised Semantic Segmentation摘要摘要
2021-07-16 21:38:35
884
4
原创 Weakly-supervised Instance Segmentation via Class-agnostic Learning with Salient Images
Weakly-supervised Instance Segmentation via Class-agnostic Learning with Salient Images摘要3. Method3.1. Weakly-supervised Instance Segmentation via Multi-instance Learning3.2. Joint Training with Salient Images3.2.1 Salient Images3.2.2 Data Augmentation3.3.
2021-07-13 17:10:53
1034
原创 Weakly Supervised Video Salient Object Detection
Weakly Supervised Video Salient Object Detection摘要3. Our Method3.1. Overview3.2. Fixation guided scribble annotation摘要本文首次提出了基于重标注的“眼动点模糊标注”的弱监督视频显著性目标检测模型。本文提出了“Appearance-motion fusion module”和双向的LSTM；另外还设计了前背景similarity loss；另外还提出了一个weak annotation bo
2021-07-13 17:10:17
1297
原创 Railroad is not a Train: Saliency as Pseudo-pixel Supervision for Weakly Supervised Semantic Segment
Railroad is not a Train: Saliency as Pseudo-pixel Supervision for Weakly Supervised Semantic Segmentation摘要3. Proposed Method3.1. Motivation3.2. Explicit Pseudo-pixel Supervision3.3. Joint Training Procedure摘要现有的弱监督语义分割（WSSS）使用image-level的弱监督，但这样有很多限制：稀疏
2021-07-13 17:09:54
1641
原创 关于字典的脚本小练习
今天写了一个脚本，主要是关于字典的操作，写得比较笨拙还慢，在这里特此记录一下。问题是这样的：我有一个json文件，内容是一个字典，它长这样：{}
2021-04-14 00:36:43
103
原创 Hubble Zhang的学习日记（第十九周）
为了督促自己每天都有进步，在这里记录下每天遇到的问题和学到的新知识，仅作为个人回顾使用。目录日记（第十九周）20210123日记（第十九周）20210123FCN的学习语义分割的研究现状：1.传统方法Normalized cut（归一化切割）：分割具有相同特征的区域，比如某一块纹理和颜色是相同的，就把这一块视为是一块，但是这种方法速度非常慢（每次运行一次N-Cut只能分割出一种物体）Structured Random Forests（结构化随机森林）：可以很好地改善噪点的问题，但是容易过拟
2021-02-02 23:50:42
114
原创 Hubble Zhang的学习日记（第十八周）
为了督促自己每天都有进步，在这里记录下每天遇到的问题和学到的新知识，仅作为个人回顾使用。目录日记（第十五周）20201224日记（第十五周）20201224python中os.walk的用法
2021-01-20 15:03:28
108
原创 Hubble Zhang的学习日记（第十四周）
为了督促自己每天都有进步，在这里记录下每天遇到的问题和学到的新知识，仅作为个人回顾使用。目录日记（第十四周）20201217日记（第十四周）20201217关于torch.set_num_threadstorch.set_num_threads用来设置Pytorch的CPU多线程并行计算所占用的线程数，用来限制pytorch占用的CPU的量。关于argparseargparse是Python自带的命令行参数解析包，用来管理参数，具体可以参照这篇文章，这里只给出例子：import argpar
2020-12-23 13:04:51
76
原创 Hubble Zhang的学习日记（第十二周）
为了督促自己每天都有进步，在这里记录下每天遇到的问题和学到的新知识，仅作为个人回顾使用。目录日记（第十二周）20201130日记（第十二周）20201130inception V4inceptionV4是一个非常深的网络而且没有用到resnet连接，也可以训练的很好。使用残差连接对于训练速度有比较好的提升，但是对于结果没有太大影响。窗口程序设计进行窗口程序设计，首先要导入tkinter程序包：import tkinter一般用简称：import tkinter as tk1.创建主
2020-12-09 15:00:12
93
原创 Hubble Zhang的学习日记（第十一周）
为了督促自己每天都有进步，在这里记录下每天遇到的问题和学到的新知识，仅作为个人回顾使用。目录日记（第十一周）20201127日记（第十一周）20201127关于**Counter（）**用法Counter是一种计数器，例子如下：>>> from collections import Counter>>> colors = ['red', 'blue', 'red', 'green', 'blue', 'blue']>>> c = Coun
2020-11-30 09:25:21
124
1
原创 Hubble Zhang的学习日记（第十周）
为了督促自己每天都有进步，在这里记录下每天遇到的问题和学到的新知识，仅作为个人回顾使用。目录日记（第九周）20201120日记（第九周）20201120候选区域R-CNN，意思就是带区域的卷积网络，这个算法尝试选出一些区域，在这些区域上运行卷积网络分类器是有意义的。利用segmentation得到多个分割区域，然后在这些分割区域中跑分类器来检测这个块里是否有东西。R-CNN算法比较慢，因此衍生了许多升级算法,如Fast R-CNN，Faster R-CNN.......
2020-11-23 04:38:42
106
原创 Hubble Zhang的学习日记（第九周）
为了督促自己每天都有进步，在这里记录下每天遇到的问题和学到的新知识，仅作为个人回顾使用。目录日记（第九周）20201114日记（第九周）20201114关于cv.resize()缩小或者放大函数至某一个大小...
2020-11-17 01:07:29
86
原创 Hubble Zhang的学习日记（第二周）
为了督促自己每天都有进步，在这里记录下每天遇到的问题和学到的新知识，仅作为个人回顾使用。目录日记（第二周）20201005日记（第二周）20201005关于reshape()z.reshape(-1)将矩阵z所有元素排成一行z.reshape(-1,1)将矩阵z所有元素排成一列z.reshape(-1,2)将矩阵z所有元素排成两列...
2020-10-15 15:48:12
99
原创 two layer net及cs231n作业解读
two layer net为了让自己的cs231n学习更加高效且容易复习，特此在这里记录学习过程，以供参考和自我监督。目录two layer net作用机制公式Assignment 1的two layer net作业two_layer_net.ipynb(1)neural_net.py作用机制从这节开始就要接触神经网络了，本次涉及到的是一个二层（不包括输入层）的神经网络，我们需要设计向前传播和向后传播的算法。公式公式的推导很麻烦，不过还是需要静下心来自己推导一遍，这样对代码的理解也更深刻。本次
2020-10-05 23:11:10
5183
2
原创 Hubble Zhang的学习日记（第一周）
为了督促自己每天都有进步，在这里记录下每天遇到的问题和学到的新知识。目录日记20200929功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入日记20200929今天给Ubuntu装了anaconda，其中装好之后conda命
2020-10-05 00:36:47
175
1
原创 Softmax及cs231n作业解读
softmax为了让自己的cs231n学习更加高效且容易复习，特此在这里记录学习过程，以供参考和自我监督。目录softmax作用机理Assignment 1的softmax作业softmax.ipynb(1)softmax.pysoftmax.py(2)作用机理softmax其实和SVM差别不大，两者损失函数不同，softmax就是把各个类的得分转化成了概率，因此所有类的概率加在一起等于1。softmax函数：Si=eSyi∑j=1CeSjS_i=\frac{e^{S_{y_i}}}{\sum
2020-10-04 22:47:10
780
原创 SVM支持向量机及cs231n作业解读
SVM支持向量机为了让自己的cs231n学习更加高效且容易复习，特此在这里记录学习过程，以供参考和自我监督。目录SVM支持向量机作用机理Assignment 1的SVM作业svm.ipynb（上）linear_svm.py作用机理SVM损失函数就是说，正确的分类要比其他分类项多出一个delta值（一个超参数），此时损失函数的值才为0，我们的目标就是使权重W符合使正确分类的得分比不正确的要高出这个值。Assignment 1的SVM作业cs231n中的SVM作业练习svm.ipynb（上）#
2020-10-04 16:01:03
725
原创 KNN分类器及cs231n作业解读
KNN分类器为了让自己的cs231n学习更加高效且容易复习，特此在这里记录学习过程，以供参考和自我监督。目录KNN分类器作用机制关于交叉验证Assignment 1的KNN分类器作业作用机制根据我们的距离度量，找到最近的K个点，然后在这些点中进行投票，通过票数多的点预测结果。关于交叉验证在训练数据时，我们最好把数据分成训练集，验证集和测试集。我们用不同的超参数训练分类器，然后在验证集上进行评估，选出表现最好的一组超参数在测试集上跑一跑。交叉验证则是说，我们把数据中的一小部分作为测试集，其他数据
2020-10-01 20:32:54
964
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人