细粒度分类：NTS-Net论文笔记——Learning to Navigate for Fine-grained Classification

已于 2024-11-06 21:29:23 修改
阅读量426 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 论文笔记
于 2023-06-23 18:35:20 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/131353028
版权
本文深入解析了NTS-Net论文，该方法针对细粒度分类，通过自监督机制优化信息区域定位。文章介绍了网络结构中的Navigator、Teacher和Scrutinizer模块，以及排序损失和强化学习的关联。实验表明，这种方法能有效提升细粒度分类的准确性，无需额外的边界框标注。
摘要由CSDN通过智能技术生成

细粒度分类：NTS-Net论文笔记——Learning to Navigate for Fine-grained Classification

综述

论文题目：《Learning to Navigate for Fine-grained Classification》
会议时间：European Conference on Computer Vision 2018 (ECCV, 2018)

论文地址：https://openaccess.thecvf.com/content_ECCV_2018/papers/Ze_Yang_Learning_to_Navigate_ECCV_2018_paper.pdf

源码地址(PyTorch版本)：https://github.com/yangze0930/NTS-Net

针对领域：细粒度图像分类(FGVC)

关键词：细粒度分类、导航学习、区域检测

源码笔记：https://

了解本专栏 订阅专栏 解锁全文
视觉萌新、
关注
专栏目录
订阅专栏
细粒度分类：NTS-Net源码笔记——Learning to Navigate for Fine-grained Classification
qq_50001789的博客
06-23 497
论文《Learning to Navigate for Fine-grained Classification》源码笔记
细粒度分类：SPS论文笔记——Stochastic Partial Swap: Enhanced Model Generalization and Interpretability for FGVC
qq_50001789的博客
06-24 354
Stochastic Partial Swap: Enhanced Model Generalization and Interpretability for FGVC 本文作者通过统计，发现了中级模型存在一个问题，即只有少量的图像区域有助于最终的预测，因此提出了随机部分交换的方法来解决这一问题。主要思想就是将一张真实的特征作为噪声源去干扰另一个特征，并且证明了这种策略有效地促进了神经网络在预测过程中依靠更多的区域做判断，作者还展示了它在提高模型泛化能力和可解释性方面的优势。
论文解读 | NeurIPS2023：语义分割的细粒度评价指标
AITIME_HY的博客
02-04 1181
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！讲者简介王子夫KU Leuven四年级博士生，研究方向主要包括语义分割的优化和评估Title语义分割的细粒度评价指标Content内容简介语义分割数据集通常表现出两种类型的不平衡：类别不平衡，其中一些类别出现的频率比其他类别高；以及大小不平衡，其中一些对象占有的像素比其他对象多。这导致传统的评价指标偏向于多数类（例如，overall pix...
Learning to Navigate for Fine-grained Classification
09-11
ECCV 2018 paper, Fine-grained image recognition,propose a novel self-supervision mechanism to effectively localize informative regions without the need of bounding-box/part annotations
Learning to Navigate for Fine-grained Classification
weixin_44529634的博客
06-04 698
ECCV 2018 北京大学 Abstract 找出完全表征对象的细微特征并不简单（细粒度分类的挑战性） 文章提出新颖的自监督(self-supervision)机制，无需bbox和part annotations，即可有效定位信息区域。 模型：NTS-Net（ Navigator-Teacher-Scrutinizer Network）== Navigator agent，Teacher agent和Scrutinizer agent组成 考虑到informativeness of the regions
Learning to Navigate for Fine-grained Classification，细粒度图像识别
KongCDY的专栏
08-20 2206
简介 细粒度图像识别主要是对某个类别的子类进行细分类，例如狗的品种、不同品牌不同型号的车。往往大类总体外观差不多，需要通过一些局部的细节来进行区分，而局部的细节又随着当前目标的姿态不同在图像中的位置也不同，因此一般用于ImageNet的分类网络进行这种细类分类就会比较难。因此假设：有意义的局部信息可以辅助分类，局部信息加全局信息可以进一步提高分类效果。因此目标是找到更有意义的局部位置。 按照上...
[ECCV 2018] Learning to Navigate for Fine-grained Classification
连理o的博客
02-10 717
[ECCV 2018] Learning to Navigate for Fine-grained Classification
Learning to Navigate for Fine-grained Classification 论文学习
weixin_39454351的博客
04-28 592
Learning to Navigate for Fine-grained Classification 论文地址 介绍 问题描述：细粒度分类任务是用来区分上一级公共类的子类，例如野生鸟类、汽车型号。这些子类通常是由各个领域专家根据特定的规则定义的，这些规则通常关注特定区域的细微差别。 主要挑战：由于类间变化较小，找到具有判别能力的特征相对普通分类任务更加困难。 现有问题 强监督学习：利用细粒度...
NTS-Net-keras:学习导航以进行细粒度分类
05-26
NTS-Net-Keras 该项目是用Keras编写的用于构建NTS-Net模型的工具。 原始论文： 获取 支持多GPU训练 只支持tensorflow作为后端 快速开始 请注意，当前只能在Linux和macOS中执行此项目。 您可能会在Windows中遇到...
2018ECCV_Learning to Navigate for Fine-grained Classification
张家四少
08-04 479
论文链接：https://openaccess.thecvf.com/content_ECCV_2018/papers/Ze_Yang_Learning_to_Navigate_ECCV_2018_paper.pdf Pytorch代码链接：https://github.com/zxy14120448/NTS-Net 摘要
论文阅读笔记 | (ECCV 2018) Learning to Navigate for Fine-grained Classification
Look Forward To
03-04 574
https://blog.csdn.net/qq_16525279/article/details/82595285
Learning to Navigate for Fine-grained Classification 论文阅读详解
qq_38284961的博客
11-12 531
Learning to Navigate for Fine-grained Classification 摘要 文中为细粒度分类提出了一种新的有效的网络结构，这种网络结构分成三个部分，导航结构，教师结构，检查结构。导航结构在教师结构的引导下挖掘出绝大数的信息区域，但是在检查结构检查推荐的区域，并做出预测。 模型训练来说是可以端到端的。 简介 网络中需要，被标记...
NTS-Net
景唯acr
11-18 4590
ECCV2018细粒度分类paper：Learning to Navigate for Fine-grained Classification 作者无私的将代码公布了出来，源码基于pytorch。 项目地址：https://github.com/yangze0930/NTS-Net 在自己设备上复现时，鸟类数据集能够达到论文中的效果，但是汽车数据集的accuracy只有90.3%，和论文中描述的93...
Fine-grained Classification 论文调研
一一
05-27 2811
目录 细粒度分类综述 论文一Learning to Navigate for Fine-grained Classification （ECCV2018 from PKU） 1. Abstract 2. Architecture 3. Experiment 4.conclusion 论文二：Multi-Attention Multi-Class Constraint for Fin...
NTS-Net论文思想
weixin_43659035的博客
09-29 3397
细粒度分类具有挑战性，因为很难找到有区别的特征。找到那些能够完全描述物体的细微特征并不容易。为了解决这一问题，我们提出了一种新的自监督机制来有效地对信息区域进行定位，而不需要使用框/部件标注。我们的模型NTS-Net称为导航-教学-审查网络，由导航器代理、教学器代理和审查器代理组成。考虑到区域的信息量与其为groundtruth类的概率之间的内在一致性，设计了一种新的训练范式，使导航器能够在教...
探索未来智能驾驶：深度学习框架 NTS-Net
最新发布
gitblog_00022的博客
04-18 297
探索未来智能驾驶：深度学习框架 NTS-Net NTS-NetThis is a PyTorch implementation of the ECCV2018 paper "Learning to Navigate for Fine-grained Classification" (Ze Yang, Tiange Luo, Dong Wang, Zhiqiang Hu, Jun Gao, Liw...
细粒度分类：PC论文笔记——Pairwise Confusion for Fine-Grained Visual Classification
qq_50001789的博客
06-23 421
论文题目：《Pairwise Confusion for Fine-Grained Visual Classification》 本文提出了一种成对混淆(PC)优化策略，通过鼓励输出的混淆来提高细粒度视觉分类任务的泛化能力。实验表明，经过PC训练出来的网络显著地改进了模型的定位性能，有利于提高分类的精度。与一般设计新的、复杂的网络结构相比，PC易于实现，不会在训练期间增加过多的开支，并且便于添加到各种网络模型中，来提高模型的性能。
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