小样本检测
文章平均质量分 94
海南1506
这个作者很懒,什么都没留下…
展开
-
Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector论文解读
文章目录摘要介绍相关工作FSOD-一个高度多样化的小样本目标检测数据集摘要提出注意力RPN,多关系检测器和对比训练策略提出新的数据集,包含1000个类,数据集链接https://github.com/fanq15/Few-Shot-Object-Detection-Dataset.介绍作者认为在新颖类上检测效果不好主要是由于在RPN分类中可能会错过新颖类的实例框(我的理解是新颖类的框置信度偏低,容易识别为背景类导致删除)另外,最近的工作需要在新颖类上进行微调,不能直接用于新颖类。作者的第原创 2022-03-23 15:07:54 · 296 阅读 · 0 评论 -
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows论文解读
文章目录引言方法总体架构基于移动窗口的自我注意机制结构变化实验本篇博客参考外部链接目前在计算机视觉领域能够通用的Transformer骨干网络,而且在分类,检测,分割上都有着不俗的表现引言作者的目的:就网络结构而言,CNN在计算机视觉上处于统治地位,Transformer在NLP上处于统治地位,作者想扩展Transformer在计算机视觉上比肩CNN,使其能够作为计算机视觉各种任务通用的骨干。两个挑战:规模(scale):与word token在transformer中作为基本处理元素不同原创 2022-03-17 17:35:17 · 281 阅读 · 0 评论 -
Scaling Up Your Kernels to 31x31: Revisiting Large Kernel Design in CNNs
文章目录摘要介绍使用大卷积的指南在深度卷积中使用大核shotcut的使用用小内核重新参数化[29]有助于弥补优化问题对比提升ImageNet分类效果,大型卷积更能提升下游任务的效果大型内核(eg.,13×13)即使是在小的特征地图(eg.,7×7)RepLKNet:一个大型内核体系结构体系结构规范使大的内核甚至更大ImageNet分类语义分割目标检测讨论大核cnn比深度小核模型大核模型更类似于人类的形状偏差密集的卷积vs稀释的卷积限制结论前言:只是粗读,仅作记录用,大段都是全文翻译来的,挺不准确的,但大原创 2022-03-15 17:14:22 · 4714 阅读 · 0 评论 -
Frustratingly Simple Few-Shot Object Detection论文解读
文章目录Frustratingly Simple Few-Shot Object Detection介绍模型框架实验Frustratingly Simple Few-Shot Object Detection摘要:小样本检测还很新,作者通过预训练-微调的方法取得了比元学习好2-20个点的效果,并且作者针对高方差的小样本检测效果提出了VOC和COCO数据集的新基准。代码的github地址为:https://github.com/ucbdrive/few-shot-object-detection介绍原创 2022-01-22 20:44:14 · 3533 阅读 · 0 评论 -
Meta-learning algorithms for Few-Shot Computer Vision论文解读(三)
Meta-learning algorithms for Few-Shot Computer Vision论文解读完结文章目录MAML用于小样本目标检测形式化定义YOLOMAML具体实现重点,可复用问题分析考虑到这一点,我们可以假设**训练YOLOMAML的瓶颈是对对象置信度的预测**。未来工作总结参考文献MAML用于小样本目标检测形式化定义支持集:N个类标签对于每个类,K个标记图像包含至少一个属于该类的对象(每张都有一个目标)Q张查询图片我们可以立即发现这和小样本图像分类的一.原创 2022-01-07 15:35:52 · 2214 阅读 · 0 评论 -
Meta-learning algorithms for Few-Shot Computer Vision 论文解读(二)
Meta-learning algorithms for Few-Shot Computer Vision 论文解读(二)贡献部分(一)高度集成代码库复现的结果评估时支持集中标签噪声的影响未来工作参考文献未完待续贡献部分(一)高度集成代码库这部分作者的主要贡献是整理了一套包含四种算法的代码,在之前工作的基础上将代码更加高度集成,方便对比和使用,尤其是data managers这部分,整合了几个数据集小样本插曲形式的采样方法,方便复用,修改。介绍了四种算法,在miniImageNet和Cal原创 2022-01-04 18:00:00 · 1763 阅读 · 0 评论 -
Meta-learning algorithms for Few-Shot Computer Vision论文解读(一)
Meta-learning algorithms for Few-Shot Computer Vision 论文解读一小样本分类算法元学习范式元学习算法基于梯度的元学习度量学习的元学习方法小样本分类数据集小样本检测参考文献篇幅所限,本篇只整理了文章的前两部分,最后一部分作者的贡献稍后更新由于是综述性质文章,所以大部分是直接翻译,不通顺内容大多按照我的理解重写过,但是可能仍存在一些小的翻译问题,建议对照原文学习原论文链接参考文献取自原文该论文包括:SOTA的小样本计算机视觉算法介绍基原创 2021-12-31 17:35:54 · 2042 阅读 · 0 评论 -
Few-shot Object Detecion via Feature Reweighting论文解读
Few-shot Object Detecion via Feature Reweighting最近入坑小样本检测,所以会更新一些论文解读,调研一下本文使用元学习的方法进行训练,基础框架为单阶段目标检测框架(作者提供的代码使用的是yolov2)建议先了解小样本学习的形式化定义,这里不细讲,由于我最近要写中文论文,所以尽量避免使用英文,base类一律翻译为基础类,novel类一律翻译为新颖类论文主要提出了两个模块:元学习器和特征重加权模块元学习器:利用基础类的训练数据获取能够用于新颖类的元特征原创 2021-12-29 20:51:22 · 1401 阅读 · 0 评论