论文
文章平均质量分 58
yuanxue18
这个作者很懒,什么都没留下…
展开
-
pseudo-label用于自训练(self-training)的文章综述
以下几种方法的核心在于怎样在人力少干预的情况下生成目标域的pseudo-label,用于再训练第一种方法是用cycle gan进行域迁移,使源域迁移至目标域,再用转换后的源域训练图像,可以达到较好的检测精度。第二种方法是第三种方法是融合检测和跟踪的结果,使pseudo-label更加准确Cross-Domain Weakly-Supervised Object Detection through Progressive Domain Adaptation,cvpr2018 来自东京大学的论文原创 2021-03-19 15:45:36 · 2170 阅读 · 1 评论 -
Multi-Modal Domain Adaptation for Fine-Grained Action Recognition 论文笔记
cvpr 2020的一篇论文关键词为:多模态、域自适应和自监督学习本文将上篇介绍的域自适应—即常用于图像识别的域自适应方法用于了动作识别,动作识别的输入一般分为两个部分:图像序列+光流信息,如下图所示,近似于上次介绍域自适应法的结构,其中Adversarial部分、Classification部分和上次介绍的模型一致,这篇文章提出了self-supervised模型。1.多模态融合域自适应网络(借鉴GAN)首先,在源域上论文通过RGB图像和光流两个模态融合进行动作识别,损失函数如下:论文在so原创 2021-03-16 23:09:04 · 697 阅读 · 0 评论 -
域自适应的理解与想法(Domain Adaptation)
这幅图是域适应非常有名的一篇论文中的插图,被很多文章转载。什么是领域自适应?Domain Adaptation是迁移学习中很重要的一部分内容,目的是把分布不同的源域和目标域的数据,映射到一个特征空间中,使其在该空间中的距离尽可能近。于是在特征空间中对source domain训练的目标函数,就可以迁移到target domain上,提高target domain上的准确率。上面的图主要的思想来源于GAN,上图由三部分组成:特征映射网络 标签分类网络和和域判别网络其中,source domain的数.原创 2021-03-16 22:11:05 · 5394 阅读 · 0 评论 -
目标检测的域迁移
https://www.yuque.com/weijiawu/research/vp3v2y原创 2021-03-11 21:21:46 · 501 阅读 · 0 评论 -
关于迁移学习很好的文章
https://zhuanlan.zhihu.com/p/47991650原创 2021-03-11 19:00:27 · 335 阅读 · 0 评论 -
读论文:Uninformed Students: Student–Teacher Anomaly Detection with Discriminative Latent Embeddings
目前实际的异常检测遇到的一个很大的困难,是在实际的场景中(例如工业流水线等),异常样本往往很难获得,甚至很多时候没有异常样本。这就迫使我们采用semi-supervised或者unsupervised的方法。接下来介绍的文章也都是semi-supervised或者unsupervised的方法。所以现在的异常检测主要通过: generative algorithms such as Generative Adversarial Networks (GANs) or Variational Autoencod原创 2021-03-11 15:33:56 · 2191 阅读 · 0 评论