度量学习、细粒度识别相关论文阅读笔记（三）—— Destruction and Construction Learning for Fine-grained Image Recognition

最新推荐文章于 2024-10-11 07:15:12 发布
最新推荐文章于 2024-10-11 07:15:12 发布
阅读量974 收藏 8
点赞数 2
分类专栏： CV论文解读 文章标签： 深度学习 计算机视觉
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/weixin_43273742/article/details/104113458
版权
本文介绍了细粒度图像识别的研究，重点探讨了Destruction and Construction Learning (DCL)方法。DCL通过区域混淆机制破坏图像以强调局部细节，再利用对抗性损失恢复图像。接着，区域对齐网络被用来恢复区域分布，同时捕捉局部区域的语义相关性。这种方法无需额外先验知识，能自动检测判别性区域，提高识别准确性。
摘要由CSDN通过智能技术生成

度量学习、细粒度识别相关论文阅读笔记（三）—— Destruction and Construction Learning for Fine-grained Image Recognition

破坏和构建学习 区域混淆机制 对抗性损失 区域对齐网络

除了标准分类骨干网络之外，引入了DCL分支来自动学习判别区域。
首先破坏输入图像以强调有判别性的局部细节，然后对局部区域之间的语义相关性建模以重建图像。
在这里插入图片描述

破坏：区域混淆机制 对抗性损失
区域混淆机制：

将输入图像划分为局部图块然后随机打乱
在这里插入图片描述
细粒度识别中局部细节比全局结构更重要，因为来自不同类别的图像通常具有相同的全局结构，仅在局部细节上不同。
图像中的局部区域被打乱，就会忽略对精细识别不重要的无关区域，并将迫使网络关注具有判别性的局部区域。

对抗性损失:

为了抵消区域混淆机制引入的视觉噪声，使用对抗性损失来区分原始图像和被破坏的图像。

构建：区域对齐网络
最低0.47元/天 解锁文章
细粒度分类：DCL论文笔记——Destruction and Construction Learning for Fine-grained Image Recognition
qq_50001789的博客
06-23 159
论文题目：《Destruction and Construction Learning for Fine-grained Image Recognition》 本文提出了一种用于细粒度分类的DCL网络。首先通过破坏学习，提高了识别的难度，从而引导网络学习细粒度识别中的专业知识(细节差异)。而构建学习可以模拟物体各部分之间的语义关联，从而引导网络学习物体各部分之间的相关性。同时，该网络在测试过程中只需要将图片传入主干特征提取网络中进行分类预测，计算量小，具有很好的实用价值。
细粒度分类：DCL源码笔记——Destruction and Construction Learning for Fine-grained Image Recognition
qq_50001789的博客
06-23 302
论文《Destruction and Construction Learning for Fine-grained Image Recognition》源码笔记
Destruction and Construction Learning for Fine-grained Image Recognition
YaYan233的博客
12-10 1059
Destruction and Construction Learning for Fine-grained Image Recognition abstract 本文提出一种“破坏和构件的学习”简称为DCL的方法，来增加细粒度识别的难度，强行让分类模型获取专家的知识。提出的方法在训练期间不需要任何额外知识，在预测时除了标准分类网络外，没有计算开销。 1. Introduction 细粒度...
度量学习 (Metric Learning)（一）
Nehemiah_Li的专栏
03-12 4万+
度量学习（Metric Learning） 度量（Metric）的定义  在数学中，一个度量（或距离函数）是一个定义集合中元素之间距离的函数。一个具有度量的集合被称为度量空间。 1 为什么要用度量学习？ 很多的算法越来越依赖于在输入空间给定的好的度量。例如K-means、K近邻方法、SVM等算法需要给定好的度量来反映数据间存在的一些重要关系。这一问题在无监督的方法（如聚类）中尤为明显。举一
【AI知识点】度量学习（Metric Learning）
虾米记的博客
10-01 699
度量学习（Metric Learning）是一种机器学习方法，目标是通过学习一个距离度量函数，使得在特征空间中，相似的样本距离更近，不相似的样本距离更远。简单来说，它是在特征空间中定义一种适当的距离度量，使得模型能够更好地区分不同的类别或判断相似性。
2019CVPR细粒度论文笔记《Destruction and Construction Learning for Fine-grained Image Recognition》
小星星专栏
06-16 1万+
CVPR2019的一篇细粒度分类，京东AI研究院： Chen Y, Bai Y, Zhang W, Mei T. Destruction and Construction Learning for Fine-Grained Image Recognition. InProceedings of the IEEE Conference on Computer Vision and Pattern ...
《Destruction and Construction Learning for Fine-grained Image Recognition》对抗损失理解
weixin_38353150的博客
10-12 1593
看到有些讲解的文章，说对抗损失是gan的思想，优化目标是让判别器不能分辨原图和破坏图，但是我的理解完全相反。以下是我的理解，如有不对，请指出。 1.作者原文中的图2 有明显的说明，“an adversarial loss is applied to distinguish original images from destructed”也就是说对抗损失的目的是为了区分原图和破坏图。 ones. 2）在3.1.2节中，作者说分类loss和对抗loss是以对抗的形式进行工作。分类loss是不区分原图.
论文笔记21 -- （细粒度识别）Destruction and Construction Learning for Fine-grained Image Recognition
对角巷
06-09 4827
《Destruction and Construction Learning for Fine-grained Image Recognition 》 论文：点这里. Yue Chen1∗， Yalong Bai2∗， Wei Zhang3， Tao Mei4 JD AI Research, Beijing, China 有代码依然是件很关键的事情~ 有代码！！！: 点这里. 我是在解决某个xx任务的时候接触到这个工作的，所以这篇paper还是得读一读的。这是京东AI研究院在精细图像识别FGVC Cha
Destruction and Construction Learning for Fine-grained Image Recognition论文解读
WangKingJ的博客
03-22 923
2019年CVPR的一篇关于细粒度识别的文章，我觉得论文的名字就很有吸引力，Destruction and Construction Learning(DCL)。 贡献 提出了一种新颖的“Destruction and Construction Learning（DCL）”框架，以进行细粒度的识别。对于Destruction，region confusion mechanism（RCM）迫使分类...
度量学习
xiaopihaierletian的博客
12-05 2万+
度量学习（Metric Learning） 度量（Metric）的定义  在数学中，一个度量（或距离函数）是一个定义集合中元素之间距离的函数。一个具有度量的集合被称为度量空间。 度量学习（Metric Learning）也就是常说的相似度学习。距离测度学习的目的即为了衡量样本之间的相近程度，而这也正是模式识别的核心问题之一。大量的机器学习方法，比如K近邻、支持向量机、径向基函数网
度量学习(Metric Learning)
AI天才研究院
07-12 837
度量学习(Metric Learning) Metric Learning. 度量学习(Metric Learning)是指在特定的任务上通过理解样本之间的相似关系，学习一个合适的距离度量函数。传统的度量学习方法通常使用
精细图像识别的破坏与构建学习：DCL深度学习库指南
最新发布
gitblog_00031的博客
10-11 353
精细图像识别的破坏与构建学习：DCL深度学习库指南 DCL Destruction and Construction Learning for Fine-grained Image Recognition 项目地址: https:...
Metric Learning——度量学习
热门推荐
初学者的博客
09-15 6万+
  2018年04月10日 15:30:29 敲代码的quant 阅读数：1567 标签： 度量学习metric learning机器学习聚类 更多 个人分类： 机器学习 版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/FrankieHello/article/details/79872607 看到一篇知乎大神Flood Sung发表在CV...
度量学习————Metric Learning
越努力，越幸运
10-17 1197
度量学习的概念 度量学习 (Metric Learning) == 距离度量学习 (Distance Metric Learning，DML) == 相似度学习 度量学习是指距离度量学习，Distance Metric Learning，简称为 DML，目前常用于人脸识别、ReID 度量学习（Metric Learning）也就是常说的相似度学习。如果需要计算两张图片之间的相似度，如何...
评论
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
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