论文笔记《IS object localization for free? Weakly-supervised learning with convolutional neural network》

最新推荐文章于 2022-10-18 17:11:18 发布
原创 最新推荐文章于 2022-10-18 17:11:18 发布 · 2.8k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#weakly-loc

本文研究了基于CNN的弱监督学习在对象定位中的效果。通过修改Alexnet，将全连接层替换为卷积层，并利用多尺度训练，提升了小目标定位的准确性。实验表明，网络结构能较好地定位目标位置，而上下文信息对定位至关重要。尽管定义的定位标准非通用，但丰富的实验验证了方法的有效性。

motivation

作者指出对于检测来说，一般需要更多的标注信息，检测的效果才会好，但是标注信息需要浪费人工去标注，代价大，同时，也会加入标注者的主观信息，更重要的是标注信息并不是对所有的图片中的物体都有很好的检测效果，对于遮挡和裁剪的目标对象，标注信息就会非常困难。作者探究能否用image label训练。

Network architecture

这里写图片描述
网络结构是在Alexnet的基础上，将第六、七层的全连接层改为卷积层，再加上两层自适应卷积层，最后一个自适应卷积层后面添加max-pooling层，输出响应最大的点。因为整个网络只有卷积层，所以对输入图像的大小没有限制，前五个卷积层是在Imagenet上进行训练的，后面的几层是在Pascal数据集上进行训练的，所以虽然层数很多，但总体的训练时间没有很长。
这里写图片描述
该模型是对图片进行了scale之后训练的模型，该模型是对固定网络的不同输入，目的是:针对图片中很小的目标，将其进行放大。
本文作者做的比较好的一点是实验比较充分，对于提出的每一个trick都进行了实验

最低0.47元/天 解锁文章
论文笔记：Is object localization for free?
想变有趣的EMMA
03-02 3204
Is object localization for free? Weakly-supervised learning with convolutional neural networks摘要 提出一个弱监督卷积神经网络for 分类。主要贡献有：1. 输出正确的分类结果（image-level）2. 预测合理的位置3. 对比跟bounding box 引言本文利用的图片只有图片包含的
Weakly Supervised Object Recognition with Convolutional Neural Networks
Alan317的专栏
11-28 2105
文章把weakly supervised learning（这里只用到了image-level的annotation）与CNN融合来解决object recognition问题，同时网络产生的maps能从杂乱的背景中localizes objects，作者claim出的结果在Pascal VOC 2012的效果甚至好于fully supervised learning（每张图片annotated with object labels + corresponding bounding boxes）。
[CVPR2015] Is object localization for free? – Weakly-supervised learning with convolutional neural n...
A13120295的博客
04-03 564
Is object localization for free? –Weakly-supervised learning with convolutional neural networks. Maxime Oquab, Leon Bottou, Ivan Laptev, Josef Sivic http://www.di.ens.fr/~josef/publications/Oq...
A brief introduction to weakly supervised learning（简要介绍弱监督学习）
weixin_30474613的博客
03-14 1280
by 南大周志华 摘要 监督学习技术通过学习大量训练数据来构建预测模型，其中每个训练样本都有其对应的真值输出。尽管现有的技术已经取得了巨大的成功，但值得注意的是，由于数据标注过程的高成本，很多任务很难获得如全部真值标签这样的强监督信息。因此，能够使用弱监督的机器学习技术是可取的。本文综述了弱监督学习的一些研究进展，主要关注三种弱监督类型：不完全监督，即只有一部分样本有标签；不确切监督...
Weakly supervised object recognition with convolutional neural networks 论文解读
zhoujunr1的博客
08-11 644
1. Model Overview1.1 什么是weakly supervised learninghttps://stackoverflow.com/questions/18944805/what-is-weakly-supervised-learning-bootstrappingIn short: In weakly supervised learning, you use a limited
Towards 3D Human Pose Estimation in the Wild: a Weakly-supervised Approach论文翻译
qq_38522972的博客
10-25 6463
论文地址：https://arxiv.org/abs/1704.02447 code:https://github.com/xingyizhou/pytorch-pose-hg-3d Towards 3D Human Pose Estimation in the Wild: a Weakly-supervised Approach Xingyi Zhou1,2, Qixing Huang2,...
【深度学习】【CVPR 2016】Weakly Supervised Deep Detection Networks
Hana
02-11 827
【CVPR 2016】WSDDN 先学习一下SPP(spatial pyramid pooling)，如下图所示，在R-CNN中，进入卷积层之前必须对图片进行crop或者warp以保证大小相同(因为有全连接层)，但是这样不仅会影响识别精度，而且检测的速度也很慢，因为原始图片经过crop或者warp后得到的图片会重复使用卷积网络计算feature maps，但是SPP只计算一次原始图像的featur...
多示例学习（Multi Instance Learning）和 弱监督学习（Weakly Supervised Learning）
m0_61633560的博客
10-12 1017
多示例学习
[毕业设计]--弱监督学习调研--主要参考A brief introduction to weakly supervised learning
AnnCY
12-16 597
[毕业设计]–弱监督学习调研–主要参考A brief introduction to weakly supervised learning ​ 在机器学习领域，学习任务可大致划分为两类，一种是监督学习，另一种是非监督学习。通常，两者都需要从包含大量训练样本的训练数据集中学习预测模型，每个训练样本对应于事件/对象。但是由于数据标注过程的成本太高，很多任务很难获得如全部真值标签这样的强监督信息。而无...
浅谈弱监督学习（Weakly Supervised Learning）
idol24的博客
04-11 4021
来源：知乎—Lori地址：https://zhuanlan.zhihu.com/p/81404885之前看了周志华老师的《A Brief Introduction to Weakly Supervised Learning》，觉得大受启发，一直想动笔总结一下，今天终于来填坑了。机器学习在很多任务中取得了很大的成功。众所周知，在机器学习领域，学习任务可大致划分为两类，一种是...
Deep Self-Taught Learning for Weakly Supervised Object Localization
Yenpo Ma的博客
03-12 673
种子样本采集 1. Image-to-Object Transfer 训练一个多标签分类CNN模型作为识别种子样本的第一步，采用Hypothesis-CNN-Pooling (HCP)方法将图像中属于同一类物体的候选区域提取出来。在综合预测阶段对每一类采用cross-proposal max-pooling，筛选出一些与目标类最相关的候选区域。这样，图像级别的分类错误只能通过the most ...
Weakly Supervised Video Salient Object Detection
qq_49230659的博客
07-13 1757
Weakly Supervised Video Salient Object Detection摘要3. Our Method3.1. Overview3.2. Fixation guided scribble annotation 摘要 本文首次提出了基于重标注的“眼动点模糊标注”的弱监督视频显著性目标检测模型。本文提出了“Appearance-motion fusion module”和双向的LSTM；另外还设计了前背景similarity loss；另外还提出了一个weak annotation bo
Ubuntu16.04下Torch安装&程序运行笔记(Is object localization for free?)
Lucifer_zzq的博客
07-18 1536
安装指示如上。之前出现的错误一直是显示： module “cunxn” not found1、在第一步表示为安装torch7 cmake .. -DCMAKE_INSTALL_PREFIX=$PWD PWD表示显示为在当前目录下，但实际上应该在torch7-custom下，应用此句报错。 改为： cmake .. 依旧报错，出现permission权限问题，考虑加上权限sudo。 s
CVPR：Weakly-supervised Deep Convolutional Neural Network Learning for Facial Action Intensity Estima
cassiePython的专栏
06-27 853
Weakly-supervised Deep Convolutional Neural Network Learning for Facial Action Intensity Estimation Abstract AU强度检测在情感计算和人机交互中有着重要的作用，实际上以及有很多工作利用CNN来进行AU强度的检测，但是都需要大量的标注数据。因此本文提出一个“基于知识的半监督的深度卷积神...
论文笔记：Weakly Supervised Deep Detection Networks
嘿芝麻的树洞
11-17 1162
主要方法：第一步提取region-level特征，通过在卷积层最顶端插入spatial pyramid pooling layer；然后网络被分成两个数据流从region-level特征后面开始。 第一个数据流跟每个独立区域的类别得分有关 ，进行识别的任务，，第二个数据流，通过计算各个区域概率贡献来进行对比，从而确定出包含有图片中最显著信息的region，这个叫做检测。 网络的结构上图所示。 ...
Weakly  Supervised  Deep  Detection  Networks 论文笔记
qq_20481015的博客
03-06 1031
Weakly Supervised Deep Detection Networks 详细解读 论文大致意思是通过图像级的标注信息训练网络达到目标检测的目的，文中采用的方法如下图所示： abstract ：提出一种弱监督的深度检测架构，通过修改网络，只利用图像级别的标注，同时执行区...
Weakly Supervised Cascaded Convolutional Networks阅读笔记
CZ505632696的博客
01-10 1520
一、摘要部分   摘要部分是说他们针对弱监督情况下检测或分类任务提出了级联的网络架构，他们提出了两种模型结构，第一种结构分为两步，还有有一种结构分为三步，比第一种中间多了目标分割。实验是在PASCAKL VOC2007，2010，2012和ILSCRC 2013、2014上做的。 二、两步结构 两步分别是定位和多实例学习，这两步共享前面的卷积网络。 1、定位   通过一个带有全局池化层的去全卷积...
【弱监督显著目标检测论文】Weakly-Supervised Salient Object Detection via Scribble Annotations
ooooollll111的博客
10-18 2971
与费力的像素级密集标注相比，用涂鸦标注数据要容易得多，标注一张图片只需花费1∼2秒。然而，使用涂鸦标签来学习显著目标检测还没有被探索过。在本文中，我们提出了一个弱监督的显著目标检测模型，从这种标注中学习显著性。在此过程中，我们首先重新用涂鸦标注了现有的大规模显著目标检测数据集，记为S-DUTS。由于物体的结构和细节信息不被涂鸦所识别，直接用涂鸦标签进行训练会导致显著图的边界定位不佳。为了缓解这个问题，我们提出了一个辅助的边缘检测任务来明确定位物体的边缘，以及一个门控结构感知损失来对要恢复的结构范围进行约束。
我要A Novel Action Saliency and Context-Aware Network for Weakly-Supervised Temporal Action Localization这篇论文的代码集
最新发布
10-14
<think>嗯，用户这次的需求很明确，是要找一篇特定论文的代码集。论文标题是《A Novel Action Saliency and Context-Aware Network for Weakly-Supervised Temporal Action Localization》。从用户提供的引用内容来看，似乎和当前需求关联不大，可能是系统自动提供的无关引用。 用户应该是个计算机视觉或视频分析领域的研究者，正在复现弱监督时间动作定位的算法。这类请求很常见，研究者找到感兴趣论文后第一反应就是找实现代码。不过这篇论文的标题比较新，估计是近期发表的。 先回忆下论文信息：弱监督时间动作定位（WTAL）任务，只用视频级标签训练模型定位动作发生时段。论文提出的ASCA-Net结合了显著性图和上下文感知机制，2023年左右发表的。这类前沿论文的代码通常开源在GitHub或作者主页。 搜索策略要分几步走：首选GitHub，用论文全称和缩写组合搜索；其次查作者团队的主页；再看论文里是否声明代码链接；最后用学术代码搜索引擎兜底。用户可能需要具体操作指导，所以要把每种渠道的搜索方法写清楚，比如GitHub搜索语法。 注意到用户提到“参考站内引用”，但给的引用[1]是情感计算学者列表，引用[2]是另一篇论文的作者，确实和当前需求无关。这说明用户可能误操作了，或者是系统自动插入的。应该忽略这些无关引用，专注解决代码查找问题。 用户情绪可能有点着急，毕竟找不到代码会耽误研究进度。回复时要给出可立即操作的解决方案，同时降低预期——不是所有论文都开源代码。可以准备备选方案：建议用户邮件联系作者，或推荐其他同类开源模型（如SF-Net、BaSNet），这样即使找不到原代码也有替代方案。 最后考虑要不要补充论文背景知识，但从用户能准确说出论文全名来看，应该已经读过原文了，重点还是帮ta找代码。额外提醒下补充材料里的资源就够了。 </think>根据论文标题《A Novel Action Saliency and Context-Aware Network for Weakly-Supervised Temporal Action Localization》，以下是系统性的代码查找方案： ### 代码获取途径 --- #### 1. **官方开源平台（首选）** - **GitHub 搜索** 在 GitHub 直接搜索论文标题或缩写 `ASCA-Net`： ```bash site:github.com "Action Saliency and Context-Aware Network" OR "ASCA-Net" ``` - **作者主页** 通过论文作者（通常为一作或通信作者）的个人主页、实验室页面查找代码链接。例如： - 在 Google Scholar 检索作者姓名 + "homepage" - 查看作者所属机构的资源页面（如大学实验室的 `Publications` 版块） #### 2. **论文附属信息** - **检查论文正文**：通常在 `Implementation Details` 或 `Experiments` 章节末尾声明代码地址 - **arXiv 版本**：若论文发布于 [arXiv](https://arxiv.org)，查看 PDF 摘要页右下角的 `Code` 按钮 - **会议/期刊主页**：如发表在 CVPR/ICCV/ECCV，访问会议官网的论文页面补充材料 #### 3. **学术代码聚合平台** - **Papers With Code** 访问 [https://paperswithcode.com](https://paperswithcode.com) 搜索论文标题，查看是否收录： ``` "Weakly-Supervised Temporal Action Localization" site:paperswithcode.com ``` - **Model Zoo** 在开源框架的模型库中检索（如 PyTorch Hub, MMAction2）： ```python # PyTorch Hub 示例 import torch model = torch.hub.load('repo_owner/repo_name', 'ascanet') ``` #### 4. **替代方案** - **邮件联系作者** 从论文 PDF 获取通讯邮箱，模板参考： > Subject: Code Request - ASCA-Net (Your Paper Title) > Dear Prof. [Last Name], > Could you share the implementation of ASCA-Net for research replication? - **注意**：学术邮箱成功率 > 企业邮箱（如 `@gmail.com`） - **复现建议** 若代码未公开，可基于开源 WTAL 项目二次开发： - [SF-Net (CVPR 2020)](https://github.com/Flowerfan/SF-Net) - [BaSNet (AAAI 2020)](https://github.com/Pilhyeon/BaSNet-pytorch) ### 补充资源 - **相关数据集**：代码运行通常需 THUMOS14/ActivityNet - **依赖库**：准备 PyTorch + OpenCV + PyAV 环境 - **论文解读**：[Weakly-Supervised Action Localization综述](https://arxiv.org/abs/2205.15675) [^1] ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值