VALSE学习
计算机视觉领域的各个方面,从弱监督学习、迁移学习、元学习,到细粒度识别、三维视觉、模型结构搜索,再到医学影像智能分析,以人为中心的视觉理解、在线视觉跟踪等学习
TheDayIn_csdn
机器学习,深度学习,计算机视觉,主攻CV。
展开
-
VALSE学习(十九):VALSE2018-历届资源汇总
一、文章系列1、VALSE2018|让机器“观色”:真实世界的表情识别http://www.cvmart.net/community/article/detail/236传统的手工设计的面部特征,易受到光照变化等影响,面临真实场景中鲁棒性不足等问题,而近年来深度学习技术的出现,为表情识别带来了斐然的进展。今天,来自北京邮电大学的邓伟洪教授,将为大家介绍如何利用深度学习,来让机器“观色”...原创 2019-06-27 16:43:55 · 732 阅读 · 0 评论 -
VALSE学习(十八):复杂视频的深度高效分析与理解方法
VALSE2019 中科院乔宇老师一、论文主题在报告中,乔老师首先回顾了深度网络的结构演化AlexNet、GoogLeNe、VGGNet、ResNet、DenseNet,给出深度网络发展的几个重要方法: 优化(optimization),主要包括ReLu、Batch Normalization、Stage-wise training(or better initialization...原创 2019-06-27 15:53:38 · 444 阅读 · 0 评论 -
VALSE学习(十七):VALSE 2019报告总结
VALSE 2019报告总结一、现场讲解视屏链接: https://pan.baidu.com/s/1cDqmNIoGkh2LOqtubl-n3w 提取码: a7nu二、ValseWebinar网上各个作者讲解视频http://www.iqiyi.com/u/2289191062/v希望大家好好利用资料。三、报告总结VALSE2019于4月11日在合肥成功举办,此...原创 2019-06-03 15:09:13 · 1507 阅读 · 0 评论 -
VALSE学习(十六): Visual Question Generation and Answering-视觉问题生成和视觉问题
简介:VALSE2019 沈春华老师相关知识:https://blog.csdn.net/LHWorldBlog/article/details/81124981https://www.jianshu.com/p/76d2e081e303一、Goal-Oriented Visual Question Generation and Visual Question Answeri...原创 2019-05-27 17:02:45 · 483 阅读 · 0 评论 -
VALSE学习(十五):网络搜索结构-NAS
VALSE2019一、NAS(NueralArchitectureSearch):未来之匙,大有可为以深度学习为基础的各种算法实现了自动从数据中提取特征,逐步改变了传统算法手工设计特征的局面。然而,目前的神经网络设计仍然需要领域内专家花费很长时间才能进行设计调整才能得到高效精巧的模型。神经网络结构搜索实现了自动化结构搜索以及权重调整。目前NAS发展仍然处于初级阶段,但其对于...原创 2019-05-27 17:01:48 · 391 阅读 · 0 评论 -
VALSE学习(十四):自主学习
原创 2019-05-27 17:00:29 · 435 阅读 · 0 评论 -
VALSE学习(十三):网络结构搜索提速方法和训练技巧-NAS
VALSE2019谢凌曦 美国约翰霍普金斯大学一、网络结构搜索的提速方法和训练技巧网络结构搜索已经展现出其强大的能力,然而对训练资源的巨大需求成为其实用瓶颈。本报告将会回顾一些简单而实用的方法和技巧,以达到上千倍的搜索速度提升。同时,我也会分享我们团队在这方面最新的工作进展。...原创 2019-05-27 09:11:32 · 464 阅读 · 0 评论 -
VALSE学习(十二):视频时序建模和动作识别
VALSE2019 王利民 南京大学一、基于视频的时序建模和动作识别方法当前视频行为识别主要是在三种场景: In the Lab In TV,Movies In web videos 视频动作识别的机遇和挑战:机遇:视觉信息提供了大量、丰富的数据用于视觉理解;动作是运动感知的核心且能够衍生许多视频理解的应用。挑战:复杂的动态时序变化,动作的定义不明确...原创 2019-05-24 15:54:14 · 1556 阅读 · 1 评论 -
VALSE学习(十一):弱监督图像语义分割
VALSE2019程明明 南开大学一、弱监督图像语义分割基于深度卷积神经网络的传统语义分割模型严重依赖于大量人工标注数据,因而在学习新的类别信息时需要庞大的人力成本来标注数据。弱监督语义分割技术,由于仅依赖图像类别标签等轻量级标注数据,也因此正在成为学术界研究的热点。本报告将介绍弱监督语义分割领域的年度进展,着重介绍基于显著性物体检测、注意力区域、边缘检测等信息用于弱监督学习的...原创 2019-05-24 15:48:56 · 3214 阅读 · 0 评论 -
VALSE学习(十):图像去模糊-image deblurring
VALSE2019潘金山 南京理工大学一、图像去模糊近年来,图像去模糊问题受到了广泛的关注,相关研究取得了很大的进展。报告首先针对图像去模糊问题,介绍其理论、算法及相关应用在近几年所取得的进展。最后对图像去模糊问题所面临的挑战及未来研究方向做一些简单的探讨。...原创 2019-05-24 15:44:59 · 3419 阅读 · 3 评论 -
VALSE学习(九):物体检测进展
VALSE2019欧阳万里 悉尼大学一、物体检测物体检测的目的是在图片与视频中定位感兴趣物体,如人,车,马。当前物体检测的主要难点在于:正负样本比大,遮挡,小物体,准确率与速度的优化,以及如何利用更多的信息(如上下文,视频,深度)。本次报告将介绍学界在解决这些难点方面的探索。...原创 2019-05-24 15:17:11 · 451 阅读 · 0 评论 -
VALSE学习(八):矿视-轻量级深度模型的研究与实践
VALSE2019张祥雨 旷视一、轻量化模型设计思想深度基础模型在现代深度视觉系统中居于核心地位。在实际应用中,受应用场景、目标任务、硬件平台等的不同,经常会对模型的执行速度、存储大小、运算功耗等进行限制。因此,如何针对各种不同的情景设计“又好又快”的模型,成为深度学习系统实用化的重要课题。本次报告主要围绕实用模型设计的两个常用技术:轻量级模型设计和模型裁剪,重点介绍本团队在高效...原创 2019-05-24 15:08:27 · 433 阅读 · 0 评论 -
VALSE学习(六):机器学习中的标记分布与标记增强
VALSE2019机器学习中的标记分布与标记增强许多机器学习任务都可以泛化为对给定的示例预测不同标记的描述度(即标记描述示例的程度),而所有标记对一个示例的描述度构成该示例的标记分布,在以标记分布标注的数据集上学习的过程称为标记分布学习。现实世界中存在不少本身就具有标记分布信息的数据,而更多情况下,标记分布信息不完整时,可通过先验知识或者机器学习方法生成完整的标记分布,这一过程称为标...原创 2019-05-24 11:19:14 · 1536 阅读 · 0 评论 -
VALSE学习(五):看图说话-Visual Question Answering as Reading Comprehension
VALSE2019一、Visual Question Answering as Reading Comprehension简介:开发一种能够对图像提出智能的、面向目标的问题的方法被证明是一个难以理解的挑战。为此,文章提出了一种深度强化学习框架基于三个新的中间奖励,即目标实现,进步和鼓励产生简洁问题的信息性,从而发现有价值的问题向总目标迈进的信息。通过直接优化快速解决的问题。为了全面...原创 2019-05-24 11:11:19 · 663 阅读 · 0 评论 -
VALSE学习(四):注意力机制-Attention Network
VALSE2019 会议论文一、精细化图像理解与多媒体内容创作Trilinear Attention Sampling Network近年来,精细化图像识别任务通常采用具有“注意力”机制的深度卷积神经网络,学习判别力的目标区域、和精细化的特征表达。本次报告中,介绍三种区域定位和特征学习的联合训练方法,包括基于递归注意力模型(Recurrent-Attention)、多区域注意力模型...原创 2019-05-24 10:45:24 · 2429 阅读 · 0 评论 -
VALSE学习(二):行人重识别研究进展回顾
VALSE2019报告澳大利亚国立大学-郑良一、行人重识别定义Person Re-identification也称行人再识别,简称为ReID,是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像,检索跨设备下的该行人图像。在监控视频中,由于相机分辨率和拍摄角度的缘故,通常无法得到质量非常高的人脸图片。当人脸识别失效...原创 2019-05-23 19:55:29 · 2045 阅读 · 4 评论 -
VALSE学习(一):high-resolution representation learning-高分辨率表示学习-姿态估计
VALSE2019会议一、相关概念表示学习 :又称学习表示。在深度学习领域内,表示是指通过模型的参数,采用何种形式、何种方式来表示模型的输入观测样本X。表示学习指学习对观测样本X有效的表示。表示学习有很多种形式,比如CNN参数的有监督训练是一种有监督的表示学习形式,对自动编码器和限制玻尔兹曼机参数的无监督预训练是一种无监督的表示学习形式,对DBN参数-先进性无监督预训练,再进行有监督f...原创 2019-05-23 17:45:03 · 1208 阅读 · 0 评论