本周的技术周报涵盖了人工智能领域，特别是深度学习和计算机视觉的热点。讨论了ViT的局限性，数据泄露问题，分割方法，如Bytetrack和RoIAlign的改进。此外，介绍了视频建模技术，如Non-local Net和Content-aware RCNN，以及时序动作提名生成方法BSN、BMN和BSN++。重点解析了BMN中的Proposal Evaluation Model（PEM）及其工作原理。
一、vit缺少inductive bias
二、数据泄露
数据泄露这个概念在kaggle算法竞赛中经常被提到，这个不同于我们通常说的生活中隐私数据暴露，而是在竞赛中经常出现某支队伍靠着对极个别feature的充分利用，立即将对手超越，成功霸占冠军位置，而且与第二名的差距远超第二名与第十名的差距，那么很有可能是出现了数据泄露（Data Leakage）。这些feature却不是在因果关系上顺利解释预测值的‘因’，反而是预测值的‘果’。
三、分割领域的两种分割方法
Per-pixel classification formulation
Mask classification formulation
MaskFormer：
四、Bytetrack
五、RoIAlign采用双线性插值，比RoIPooling更精确
在Mask R-CNN中的RoI Align之后有一个"head"部分，主要作用是将RoI Align的输出维度扩大，这样在预测Mask时会更加精确。在Mask Branch的训练环节，作者没有
最低0.47元/天 解锁文章
5652
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
