![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CVPR2021
文章平均质量分 85
深兰深延AI
这个作者很懒,什么都没留下…
展开
-
CVPR2021论文解读 | 通过方差调整增强对抗性攻击的可转移性
作者基于梯度迭代攻击方法加入variance tuning在输入变换以及多模型的设置下,面对9种防御方法可以达到90.1%的平均攻击成功率,将当下最好攻击效果提高了85.1%。论文信息会议:CVPR 2021链接:https://arxiv.org/abs/2103.15571解决的问题由于白盒攻击和基于迁移的黑盒攻击在攻击性能方面仍然存在很大差距,于是在本文中,作者提出了一种称为变化(variance tuning)调整的新方法,以增强基于迭代梯度的攻击方法的类别并提高其攻击可迁移性。原创 2021-12-02 09:39:23 · 2610 阅读 · 0 评论 -
分享 | 无监督视觉目标跟踪
谈谈最近在CVPR2021和ICCV2021上看到的几篇无监督单目标跟踪算法。原创 2021-11-22 18:53:45 · 1999 阅读 · 0 评论 -
CVPR冠军方案分享 | 如何提高低分辨率高噪声监控场景下视频行为的识别能力?
近日,全球三大计算机视觉顶级会议之一CVPR如期举行,深兰科技DeepBlueAI团队斩获TinyAction Challenge(低分辨率视频行为识别挑战赛)的冠军。TinyAction Challenge是第六届动作识别国际挑战赛系列竞赛之一,该系列竞赛由CVPR2021 International Challenge on Activity Recognition (ActivityNet) workshop 主办,旨在推动视频理解的进一步发展。值得一提的是,深兰科技不仅连续三次问鼎CVP原创 2021-10-21 18:52:49 · 912 阅读 · 2 评论 -
赛道 | CVPR2021-MMAct挑战赛跨模态动作识别双冠方案解读
日前,计算机视觉和模式识别领域的三大顶级会议之一CVPR正在进行中,深兰DeepBlueAI团队在动作识别国际挑战赛 (ActivityNet) 研讨会上,参加了 MMAct 挑战赛中仅设的两个赛道——“跨模态裁剪动作识别”和“跨模态未裁剪动作时序定位”,并均以大比分领先取得第一。竞赛要求参赛者提出跨模态视频动作识别/定位方法,以弥补使用 MMAct[1] 数据集的纯视觉方法的缺点。此任务的目标是利用基于传感器的,例如穿戴式传感器数据作为特权信息,以及基于视觉的模态,其方式可以克服训练(传感器 +原创 2021-10-21 18:51:09 · 1098 阅读 · 0 评论