细粒度分类：MA-CNN论文笔记——Learning Multi-Attention Convolutional Neural Network for FGVC

已于 2023-06-24 16:05:17 修改
阅读量275 收藏
点赞数 1
分类专栏： 细粒度分类经典论文及源码笔记 文章标签： 论文阅读 细粒度分类 计算机视觉
于 2023-06-23 18:17:44 首次发布
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_50001789/article/details/131352728
版权
本文深入解析了MA-CNN论文，这是一种用于细粒度图像分类的方法。通过多注意力网络和交替优化策略，提升局部定位能力和特征表示学习。论文提出了距离损失和多样性损失来优化注意力图，增强了模型的定位和分类性能。
摘要由CSDN通过智能技术生成

细粒度分类：MA-CNN论文笔记——Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition

综述

论文题目：《Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition》
会议时间：IEEE International Conference on Computer Vision 2017 (ICCV 2017)

论文地址：http://openaccess.thecvf.com/content_ICCV_2017/papers/Zheng_Learning_Multi-Attention_Convolutional_ICCV_2017_paper.pdf

源码地址：https://github.com/Jianlong-Fu/Multi-Attention-CNN（官方代码，caffe版本）、https://github.com/liangnjupt/Multi-Attention-CNN-pytorch（PyTorch版本）

针对领域：细粒度图像分类(FGVC)

主要思想

  在没有显式部分约束的弱监督学习中（无额外标注）

了解本专栏 订阅专栏 解锁全文
视觉萌新、
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
MACNN-Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition
ellin_young的博客
07-08 9122
《Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition》是微软亚洲研究院17年出的一篇细粒度图像识别论文，它的姊妹篇是《Look Closer to See Better: Recurrent Attention Convolutional Neural Network fo...
细粒度图像识别算法Mask-CNN
qq_29462849的博客
05-16 5639
1 简介 传统的图像识别一般都是识别花、鸟、汽车等不同类别物体，而细粒度图像识别则是要识别同一类物体下的不同子类。举个例子，识别一张图片是猫、狗、汽车还是飞机就是传统的图像识别，而识别一张图片是贵宾犬、边境牧羊犬、吉娃娃还是斗牛犬，则是细粒度图像识别。不同的犬类相似性一般都很高，比如下面的哈士奇和阿拉斯加雪橇犬，如果事先不知道它们有差别的部位，很难正确识别。现在图像识别大都使用卷积神经网络CN...
MA-CNN:多注意力神经网络
05-26
MA-CNN Multi-Attention-CNN 说明 本仓库只是对ICCV 2017 论文《Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition》中的多注意力卷积神经网络进行模仿和复现 论文作者GitHub地址 本项目的重点是全连接层聚类获得的注意力矩阵和通道损失函数 本项目主要用于图像中细粒度特征的识别和视频流中关键帧的提取 本项目由Pytorch实现，只能运行在GPU上 代码 data_macnn.py 对外提供数据接口，面对不同数据集需要修改继承于Pytorch数据相关模块的三个函数 conv_macnn.py 训练macnn的卷积部分，可以任选卷积网络，注意好输出的通道数量和尺寸就好 part_macnn.py 训练macnn的聚类部分 Dis已实现，D
论文阅读笔记 | (ICCV 2017) Multi-Attention CNN for Fine-Grained Image Recognition：MA-CNN
z止于至善的博客
11-11 4912
论文来自中国科学技术大学、微软亚洲研究院以及University of Rochester。 论文下载：Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition Abstract 识别细粒度类别（例如，鸟类）高度依赖于判别性部分定位（discriminative part ...
细粒度论文笔记 ：MACNN 和 PDFR
小星星专栏
12-19 3541
两篇论文 1，H. Zheng, J. Fu, T. Mei and J. Luo, Learning Multi-attention Convolutional Neural Network for Fine-Grained Image Recognition,2017 IEEE International Conference on Computer Vision (ICCV), Veni...
细粒度图像分类模型（含实战代码）
学姐带你玩AI的博客
12-24 4243
细粒度图像分类模型
原创《基于深度特征学习的细粒度图像分类研究综述》
小星星专栏
06-14 1万+
声明：本文原创，未经本人同意，禁止任何形式的转载！！！ 后记：这篇文章虽然是19年放出来，但是是我在18年初的时候写的，所以文中引用的方法都是17年以前的，有点过时了，现在又出现了好多新方法，最高的在CUB上的精确度已经达到了91%左右 摘 要 深度学习技术已经在各种视觉分析任务中展现出了其强大的特征提取能力。特别是在细粒度图像分类领域，深度特征提取技术让其获得了巨大的性能提升。基于...
Text Emotion Distribution Learning via Multi-Task Convolutional Neural Network
02-11
本文介绍了一种新的文本情感分析方法——文本情感分布学习（Text Emotion Distribution Learning, TEDL），该方法利用多任务卷积神经网络（Multi-Task Convolutional Neural Network, MTCNN）进行文本情感分析。...
ACNN-FM: A Novel Recommender with Attention-Based Convolutional Neural Network and Factorization Machines
02-08
ACNN-FM: A Novel Recommender with Attention-Based Convolutional Neural Network and Factorization Machines
R-CNN matlab 代码: Regions with Convolutional Neural Network Features
03-17
**R-CNN（Regions with Convolutional Neural Network Features）**是一种深度学习算法，主要用于目标检测。这个算法在2013年由Ross Girshick、Jeff Donahue、Trevor Darrell和Jitendra Malik等人提出，是图像识别...
论文阅读——CcNet:A cross-connected convolutional network for segmenting retinal vessels using multi-scale
01-06
论文阅读：CcNet:A cross-connected convolutional network for segmenting retinal vessels using multi-scale CcNet 时间：2019/5 视网膜血管分割有助于帮助诊断糖尿病视网膜病变。目前RVS的自动分割面临着模型...
A Convolutional Neural Network based Single-frame Super-Resolution for Lensless Blood Cell Counting
02-07
This paper presents one Convolutional Neural Network based single-frame Super-Resolution processing (CNNSR) for lensless blood cell counting, which takes one single low-resolution cell shadow image as...
Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition-论文笔记
雪碧橙子
04-30 816
细粒度识别很依赖于标识区域的定位和特征提取。现有的方法都忽略了这样一个问题：特征提取和定位这两个过程是相关的。所以我们提出了一个新的方法：mutil-attention CNN(MA-CNN)，这个方法中位置信息和特征学习可以相互强化。MA-CNN是由卷积、channel group和part classification三个子网络组成。channel grouping的输入是来自卷积提取的fea...
Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition
Hi_Bitch的博客
06-28 1190
《Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition》是微软亚洲研究院在ICCV2017年出的一篇细粒度图像识别论文，它的姊妹篇是《Look Closer to See Better: Recurrent Attention Convolutional Neural Net...
细粒度图像识别论文：Learning multi-attention convolutional neural network for fine-grained image recognition
人生当苦无妨
01-07 5237
论文： Heliang Zheng, Jianlong Fu, Mei Tao, and Jiebo Luo. Learning multi-attention convolutional neural network for fine-grained image recognition. In IEEE International Conference on Computer Vision, ...
17-ICCV-Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition
weixin_44742887的博客
04-07 438
MA-CNN多注意力 part generation和feature learning相互强化【和RA-CNN类似】 首先固定卷积层W，通过Lcng优化F。 其次固定F，通过Lcls调整W。 【复现代码loss也是和MMAL代码一样直接求和再反向传播的，关键通过detach控制】 论文中写的还是裁剪原图得到part图片重新又用part-CNN学习了P。 Mask峰值点Mi的原图对应点为中心，裁剪96x96区域放大（224*224）->PN 1定位：聚类响应区域相近的通道。
Faster R-CNN 翻译
Rex_Lau的博客
03-08 1393
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks Shaoqing Ren, Kaiming He, Ross Girshick, Jian Sun 摘要 目前最先进的目标检测网络需要先用区域建议算法推测目标位置，像SPPnet[7]和Fast R-CNN[5]这些网络
Deep Learning学习 之 CNN代码解析（MATLAB）
热门推荐
Mr.Phoebe的专栏
05-16 9万+
MATLAB实现CNN一般会用到deepLearnToolbox-master。但是根据Git上面的说明，现在已经停止更新了，而且有很多功能也不太能够支持，具体的请大家自习看一看Git中的README。deepLearnToolbox-master是一个深度学习matlab包，里面含有很多机器学习算法，如卷积神经网络CNN，深度信念网络DBN，自动编码AutoEncoder（堆栈SAE，卷积CAE）
【论文阅读】BoT-SORT: Robust Associations Multi-Pedestrian Tracking
最新发布
一碗白开水一
08-13 335
作者来得很直接，就说他们用相机运动模型和优化卡尔曼做了个可以解决具有挑战的跟踪问题的算法:BOT-SORT;说他们在MOT17&20上表现是最好的。题目：BoT-SORT: Robust Associations Multi-Pedestrian Tracking。这部分相机运动补偿的工作StrongSORT也有做过，使用的是ECC方法；作者：Nir Aharon* Roy Orfaig Ben-Zion Bobrovsky。2)相机运动补偿方式改进bounding box的预测；
目标检测方法解析：R-CNN、YOLO与SSD
1. R-CNN（Region-based Convolutional Neural Network）系列： R-CNN是两阶段方法的代表，首先通过Selective Search等区域提议算法生成可能包含目标的候选框，然后对每个候选框进行CNN特征提取和分类。R-CNN的后续...
评论 1
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

打赏作者

视觉萌新、

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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