【一步一步的积累】Auto-context and Its Application to High-level Vision Tasks

(CVPR 2008)  Auto-context and Its Application to High-level Vision Tasks

不论是分割还是分类,context都是很有用的信息。尤其是深度学习流行以后,能自动去挖掘一些context的内部相关性,所以对于如何引入尽可能多的context,成为了一个研究方向。这篇文章虽然和深度学习无关,但是有很多宝贵的观点。

作者认为

  1. Unlike many the energy minimization algorithms where the modeling and computing stages are separated, auto-context uses the same procedures in the two. 这是和传统的方法做对比的,对于深度学习来说,现在也是揉在一块了。因此这点不再赘述。
  2. 每一个被分类的像素除了常规的小领域信息,还会有更大领域的label信息,并且这些label信息还在一次一次的迭代中越来越准确。所以不同于一般的“图像patch +
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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