hrsc2016 下载 数据集_CVPR2020 |4篇3D对象数据集介绍【附下载链接】

FS-1000: 1000类数据集Few-Shot分割摘要:在过去的几年中,我们见证了深度学习在图像识别领域的成功,这要归功于大规模的人工注释数据集,如PASCAL VOC、ImageNet和COCO。虽然这些数据集涵盖了广泛的对象类别,但仍然有大量的对象没有被包括在内。我们可以在没有大量人工注释的情况下执行相同的任务吗?在本文中,我们感兴趣的是少镜头目标分割,其中标注训练例子的数量限制在5。为了...
摘要由CSDN通过智能技术生成

b8e77c660acddd7636400db471c9f2e2.png

FS-1000: 1000类数据集Few-Shot分割

9291848c15fb42f8ea8de17a0de5c194.png

摘要:

在过去的几年中,我们见证了深度学习在图像识别领域的成功,这要归功于大规模的人工注释数据集,如PASCAL VOC、ImageNet和COCO。虽然这些数据集涵盖了广泛的对象类别,但仍然有大量的对象没有被包括在内。我们可以在没有大量人工注释的情况下执行相同的任务吗?在本文中,我们感兴趣的是少镜头目标分割,其中标注训练例子的数量限制在5。为了评价和验证我们的方法的性能,我们建立了一个少镜头分割数据集FSS-1000,该数据集包含1000个带有地面真值分割像素注释的目标类。FSS-1000的独特之处是,我们的数据集包含了大量以前数据集中从未见过或标注过的对象,如微小的日常物品、商品、卡通人物、徽标等。我们使用标准的骨干网(如VGG-16、ResNet-101和Inception)来构建基线模型。令我们惊讶的是,我们发现使用FSS-1000从头开始训练我们的模型,可以获得与使用ImageNet预先训练的权值进行训练相似甚至更好的结果,ImageNet的权值是FSS-1000的100多倍。我们的方

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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