橘子味的苹果-CSDN博客

原创弱监督目标检测算法论文阅读（六）Erasing Integrated Learning : A Simple yet Effective Approach for Weakly Supervised

这是一篇CVPR2020的中山大学的一篇文章，提出了一个新颖的擦除网络。Abstract弱监督对象定位（WSOL）旨在仅通过图像级别标签之类的弱监督来定位对象。但是，基于分类网络的可用技术的一个长期存在的问题是，它们经常导致突出显示最有区别的部分，而不是突出对象的整个范围。然而，相反，尝试探索对象的整体范围可能会降低图像分类的性能。为了解决这个问题，我们通过引入一种新颖的对抗擦除技术，即擦除综合学习（EIL），提出了一种简单而强大的方法。通过在原始CNN中将区分区域挖掘和对抗擦除集成在单个向前-向后

2020-12-01 11:27:29 1048

原创弱监督目标检测算法论文阅读（五）Combinational Class Activation Maps for Weakly Supervised Object Localization

Abstract弱监督的对象定位最近吸引了关注，因为它旨在通过使用图像级标签来识别类标签和对象位置。先前的大多数方法都使用与最高激活源相对应的激活图。仅利用一个最高概率类别的激活图通常会偏向有限的区域，有时甚至会突出显示背景区域。为了解决这些局限性，我们建议使用激活图，称为组合类激活图（CCAM），这是从最高到最低概率类的激活图的线性组合。通过使用CCAM进行定位，我们抑制了背景区域，以帮助更准确地突出显示前景对象。另外，我们设计网络架构时要考虑空间关系以定位相关对象区域。具体来说，我们将非定位模块在低.

2020-06-23 16:40:44 1488

原创弱监督目标检测算法论文阅读（四）Localizing Common Objects Using Common Component Activation Map

Abstract在这项工作中，我们提出了一种从一组图像中的新颖对象类别中定位常见对象的方法。我们使用新的通用组件激活图（CCAM）解决了这个问题，其中我们将特定于类别的激活图（CAM）视为组件，以发现图像集中的通用组件。我们证明了我们的方法可以在实验中推广到新颖的对象类别。Introduction在这项工作中，我们同时考虑了弱监督的对象定位和对象共定位co-localization，以针对没见过的对象类别提出一种简单而有效的通用对象定位方法。与以前的工作不同，我们的方法是无提议框的，它不需要任何.

2020-06-22 16:01:23 485

转载 PyTorch中在反向传播前为什么要手动将梯度清零？

optimizer.zero_grad() ## 梯度清零preds = model(inputs) ## inferenceloss = criterion(preds, targets) ## 求解lossloss.backward() ## 反向传播求解梯度optimizer.step()1，由于pytorch的动态计算图，当我们使用loss.backward()和opimizer.step()进行梯度下降

2020-06-12 17:34:59 1074 1

原创 Pytorch中的 model.train() 和 model.eval()的区别

model.train() ：启用 BatchNormalization 和 Dropoutmodel.eval() ：不启用 BatchNormalization 和 Dropout

2020-06-12 09:13:35 540

原创弱监督目标检测算法论文阅读（三）Improving Object Detection with Inverted Attention

个人对文章阅读的一些理解，有不同理解的小伙伴可以在下方评论交流。这是一篇WACV2020的一篇文章，是西安交通大学柯炜老师的一篇文章。文章主要提出了一种以Grad-CAM为基础，通过抑制感兴趣区域的权重，让网络学习到更多的目标区域，来达到目标检测的目的。Abstract改进目标检测器的抗遮挡，模糊和噪声能力是在实际应用中使用检测器的关键步骤。由于不可能通过数据收集来消除所有图像缺陷，因此许多研究人员寻求在训练中生成硬样本。生成的硬样本可以是图像，也可以是特征图，但是其一些特征模块（patchs）

2020-06-01 10:08:10 2656 5

原创弱监督目标检测算法论文阅读（二）Rethinking the Route Towards Weakly Supervised Object Localization

个人阅读文章的一点理解，有其他不同理解的同学问欢迎评论交流。这是南京大学一篇CVPR2020的文章，论文提出了一个伪监督目标定位的方法，生成伪grountruth 进行训练。文章分析了现有的目标检测方法的弊病，联合优化定位与分类并不能两者达到最优。文章创造性的提出了把分类任务和定位任务分开，单独进行训练，取得了很好的效果。Abstract弱监督对象定位（WSOL）旨在仅使用图像级标签来定位对象。先前的方法经常尝试利用特征图和分类权重来间接使用图像级注释来定位对象。在本文中，我们证明了弱监督的

2020-05-29 18:27:53 2216

原创弱监督目标检测算法论文阅读（一）Object Instance Mining for Weakly Supervised Object Detection

这是一篇AAAI2020的一篇弱监督目标检测的文章。是商汤科技提出的弱监督目标检测算法。摘要在过去的几年中，仅使用图像级注释的弱监督目标检测（WSOD）引起了越来越多的关注。现有的使用多实例学习的方法很容易落入局部最优值，因为这种机制倾向于从图像中每个类别的最具区别性的对象中学习**（把其他不具备区别性质的示例去掉，只使用有区别性的实例）。因此，这些方法都缺少对象实例（实例数目不够）**，从而降低了WSOD的性能。为了解决这个问题，本文介绍了一种用于弱监督目标检测的端到端对象实例挖掘（OIM）框架。

2020-05-28 18:24:03 3527

原创目标检测算法学习大纲

目标检测算法大纲one stageSSD系列算法SSD算法SSD算法: https://blog.csdn.net/ytusdc/article/details/86577939.

2020-05-21 17:29:01 249

weixin_45997273的博客