神经网络的目标定位_今日 Paper | 弱监督目标的定位;递归残差卷积神经网络;嵌套U-Net结构;超强小目标检测等...

本文介绍了弱监督目标定位的新方法PSOL,通过伪GT进行训练,实现SOTA效果。此外,探讨了R2U-Net在医学图像分割中的应用,利用递归残差提升性能。UNet++则通过嵌套结构减少semantic gap,改善skip connection。同时,论文还涉及基于双谱的DCNN用于非线性时间序列分类和hAttention-RPN在小目标检测中的创新应用。
摘要由CSDN通过智能技术生成

目录

重新思考通往弱监督目标的定位

基于U-Net(R2U-Net)的递归残差卷积神经网络在医学图像分割中的应用

UNet++: 一种医学图像分割的嵌套U-Net结构

使用基于双谱的深度卷积神经网络对非线性时间序列进行分类

hAttention-RPN和Multi-Relation的超强小目标检测

重新思考通往弱监督目标的定位

论文名称:Rethinkingthe Route Towards Weakly SupervisedObject Localization

作者:Chen-Lin Zhang

发表时间:2020/3/3

论文链接:

推荐原因

本文为2020CVPR的文章。针对目前弱监督目标定位方法的问题,本论文提出了伪监督目标定位方法(PSOL)来解决当下研究的困境。作者分别从定位和分类两方面来搭建伪监督目标定位的网络,接着在训练集上使用Deep descriptor transformation(DDT)生成伪GT进行训练,整体效果达到SOTA。

该论文主要有三点贡献:

一、提出了伪监督目标定位PSOL算法;

二、通过实验验证,该算法在不同数据集上不需要fine-tuning也能有很好的定位迁移能力。

a10a11c9b9007f50a8e4f93654ba7c32.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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