细粒度图像
远岫出烟云
心外无物,心外无事,心外无理。
展开
-
基于图像patch的CNN分类算法
参考原文:https://www.sciencedirect.com/science/article/pii/B9780128104088000067基于图像patch的CNN分类算法该算法是描述一类图像分类问题,它有如下特点:如图,主动脉弓和心脏,绿色部分相同,而黄色部分不同。传统的CNN算法,区分效果不佳。在Multi-Instance Multi-StageDeep Lear...原创 2019-11-18 14:53:19 · 4061 阅读 · 0 评论 -
实现细粒度图像识别 Bilinear CNN Keras实现
细粒度视觉识别之双线性CNN模型[1] Lin T Y, RoyChowdhury A, Maji S. Bilinear cnn models for fine-grained visual recognition[C]//Proceedings of the IEEE International Conference on Computer Vision. 2015: 1449-1457....转载 2019-04-02 14:50:12 · 6536 阅读 · 10 评论 -
细粒度图像分类识别顶级论文及实现代码 DT-RAM / NTS-Net / DFL-CNN / Bilinear Pooling / Grassmann Pooling
ICCV2017 Dynamic Computational Time for Recurrent Attention Model (DT-RAM)https://github.com/baidu-research/DT-RAM(Torch实现,ResNet的baseline很牛,CUB-200-2011数据集 84.5%,论文方法 86.0%)http://openaccess.thecvf...原创 2019-04-02 14:59:08 · 5254 阅读 · 0 评论 -
细粒度图像分类算法 Bilinear CNN PyTorch实现代码
参考:https://github.com/HaoMood/bilinear-cnn/blob/master/src/bilinear_cnn_all.py#!/usr/bin/env python# -*- coding: utf-8 -*-"""Fine-tune all layers for bilinear CNN.Usage: CUDA_VISIBLE_DEVICES...转载 2019-04-02 16:30:45 · 10139 阅读 · 7 评论 -
【patch】卷积特征提取与池化(Pooling)——处理大型图像
在之前的章节中,我们已经很好地解决了手写体识别问题(维数为28*28)。但如果是更大的图像(维数为96*96)呢?如果你还是要学习400个特征,那么网络权重参数就有400*96*96即近400万个。卷积特征提取如果我们从大型彩色图像(64*64*3)中随机抽取一些小patch(8*8),学到了一些特征,然后用这些特作为滤波器去扫过整张大图,即逐行逐列做卷积。这样做可以大幅减小网络参数W...转载 2019-08-02 20:38:27 · 2286 阅读 · 0 评论 -
【特征检测】Focal loss 及其反向传播,解决数据不均衡问题
Focal Loss:Focal Loss for Dense Object Detection论文链接:https://arxiv.org/abs/1708.02002我们都知道,当前的目标检测(Objece Detection)算法主要分为两大类:two-stage detector和one-stage detector。two-stage detector主要包括rcn...转载 2019-07-21 21:07:52 · 3083 阅读 · 0 评论 -
【patch】CNN中 patch 是什么?patch 在CNN学习训练中是怎么起作用的?
在阅读基于深度卷积神经网络的图像识别、分类或检测的文献时经常看到“patch”,不是很能理解,后来就总结了一下。通过阅读,“patch”似乎是CNN输入图像的其中一小块,但它究竟是什么呢?当使用CNN解决问题时,“patch”什么时候开始起作用?为什么我们需要“patch”? “patch”和内核(即特征检测器)之间有什么关系?在CNN学习训练过程中,不是一次来处理一整张图片,而是先...原创 2019-07-31 23:16:58 · 44026 阅读 · 12 评论