17-WILDCAT-Weakly-Supervised-Learning-of-DeepConvNets

最新推荐文章于 2022-06-12 19:08:02 发布
最新推荐文章于 2022-06-12 19:08:02 发布
阅读量1.3k 收藏 4
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 语义分割 弱监督学习
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。
本文链接：https://blog.youkuaiyun.com/u010067397/article/details/85222739
WILDCAT是2017年CVPR会议上提出的一种弱监督学习方法，用于图像语义分割。它通过1x1卷积层将特征图转换为多通道特征，然后采用WILDCAT Pooling将信息聚合到图像级别。该框架能识别物体的局部显著特征，适用于仅有图像级标签的数据。通过Class-wise和Spatial pooling操作，结合最高和最低激活值，WILDCAT能在弱监督情况下实现定位和分割任务。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

who(对谁有效)

  • 弱监督
  • 图像语义分割

where

  • 只有图像级标签的数据

when

  • CVPR 2017

what（WILDCAT是什么）

  • 这篇论文提出了一个框架，可以使用弱监督的方法识别一个物体显著的局部特征。
  • 首先我们来直观感受下结果，如下图所示，WILDCAT可以识别狗的头部和腿部信息，从而利用这些信息来对狗进行Localization和segmentation.

img

  • 结构

1545544803353

  • 从上图我们可以看出，整个网络的架构分成三个部分：最左边是FCN部分，主要是用来提取feature map； 中间的部分是Multi-map transfer layer，主要是将feature map分解为多通道的特征，每个通道对应于一个显著的局部特征；最右边是Pooling操作，主要是将生成的多通道feature map aggregate 到一个值，最后使用image level的ground truth信息进行学习。下面来分别讲解这三个部分。

how (如何实现的)

<
最低0.47元/天 解锁文章

200万优质内容无限畅学
Weakly- and Semi-Supervised Learning of a Deep Convolutional Network for Semantic Image Segmentation
dzm123lalala的博客
05-09 2003
abstract Deep convolutional neural networks (DCNNs) trained on a large number of images with strong pixel-level annotations have recently significantly pushed the state-of-art in semantic image segme...
CVPR2019/图像翻译：TransGaGa: Geometry-Aware Unsupervised Image-to-Image Translation几何感知的无监督图像到图像的翻译
ssshyeong的博客
06-23 1228
提出了一个新的解纠缠和翻译框架，以解决复杂的对象图像到图像的翻译任务。我们不直接学习图像空间上的映射，而是将图像空间分解为外观空间和几何潜在空间的笛卡尔积。具体地说，我们首先引入几何先验损失和条件VAE损失来鼓励网络学习独立但互补的表示。然后，翻译分别建立在外观和几何空间上。......
【论文阅读】WILDCAT: Weakly Supervised Learning of Deep ConvNets
qq_36182852的博客
11-19 401
概述 这篇论文提出了一个框架，可以使用弱监督的方法识别一个物体显著的局部特征。其实，这篇文章和Learning Deep Features for Discriminative Localization 类似。但是这篇论文有两个不同：1）它可以识别多个局部区域；而Learning Deep Feature for Discriminative Localization只能识别一个显著的区域。2）这篇文章将WILDCAT应用到了弱监督的语义分割上面。 如下图所示，WILDCAT可以识别狗的头部和腿部信息，
论文笔记（6）：Weakly-and Semi-Supervised Learning of a Deep Convolutional Network for Semantic Image Segme...
weixin_30604651的博客
01-31 357
这篇文章的主要贡献点在于： 1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型； 2.可以利用bounding box来进行训练，并且得到了较好的结果，这样可以代替用pixel-level训练中的ground truth； 3.当我们用少量的pixel-level annotations和大量的图像整体的弱标签来进行半监督学习时，其训练效果可和全部使用pixel-leve...
Weakly- and Semi-Supervised Learning of a Deep Convolutional Network for.pdf
05-22
Weakly- and Semi-Supervised Learning of a Deep Convolutional Network for.pdf Weakly- and Semi-Supervised Learning of a Deep Convolutional Network for.pdf
CVPR：Weakly-supervised Deep Convolutional Neural Network Learning for Facial Action Intensity Estima
cassiePython的专栏
06-27 821
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...
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
Jojo论文基地
08-28 3951
CVPR 2017 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
【CVPR2022】论文列表与下载——PartFour
TomRen
06-12 3280
【CVPR2022】完整论文列表
弱监督的语义分割论文汇总（持续更新ing）
PRIS-SCMonkey的博客
05-27 6973
弱监督的语义分割论文汇总弱监督语义分割导读弱监督语义分割论文整理基于Bounding box的弱监督语义分割基于Image-level labels的弱监督语义分割基于Scribbles的弱监督语义分割基于Points的弱监督语义分割 弱监督语义分割导读 一般认为，图像级的标注是弱标注（例如图像分类的类别标注），像素级的标注是强标注（例如分割标注的mask标注），对于普通的分割任务来说： 数据是图像，标注是mask，这属于完全监督问题Supervised； 如果标注是annotations或者图像级标注，
Evaluation of Deep Convolutional Nets for Document Image Classification and Retrieval 论文笔记
Jayxbx的博客
06-02 1597
0 摘要 &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;本文基于深度卷积神经网络学习的特征，提出了一种新的文档图像分类和检索的技术。 在物体分类和场景分析中，深度神经网络能够从像素级别的输入中学习到分层的抽象特征，并简洁地表达出来。目前在文档分析领域探索的一些工作表明，深度学习的特征表达策略优于传统流行的手工提取特征。实验还表明： （i）从CNN中提取的特征对于压缩具有鲁棒性； （ii）在...
【文献阅读】Zigzag Learning for Weakly Supervised Object Detection
xymdsg的博客
07-11 4057
Zigzag Learning for Weakly Supervised Object Detection：论文传送门
densenet论文_深度学习/图像处理历史最全最细-网络、技巧、迭代-论文整理分享...
weixin_39669265的博客
11-25 344
本资源整理了深度学习/图像处理技术发展过程中的所有模型、优化技巧、网络结构优化、迭代过程中所有经典论文，并进行了详细的分类，按重要程度进行了仔细的划分，对于想要了解深度学习模型迭代朋友来说非常值得参考。鲜美多汁的春见（耙耙柑）新鲜上市啦-淘宝网​item.taobao.com 本资源整理自网络，源地址：https://github.com/xw-hu/Reading-List基础模型...
行人属性识别：Improving Pedestrian Attribute Recognition With Weakly-Supervised Multi-Scale Attribute……
huangyiping12345的博客
04-09 9644
参考文献：Tang CF, Sheng L, Zhang ZX, Hu XL. Improving Pedestrian Attribute Recognition With Weakly-Supervised Multi-Scale Attribute-Specific Localization[J].ICCV-2019. 代码实现：https://github.com/chufengt/icc...
人体属性论文解读1-Improving Pedestrian Attribute Recognition With Weakly-Supervised Multi-Scale Attribute
DRACOYU的博客
10-15 802
Improving Pedestrian Attribute Recognition With Weakly-Supervised Multi-Scale Attribute-Specific Localization 文章：https://arxiv.org/abs/1910.04562 代码：https://github.com/chufengt/iccv19_attribute 核心点 该论文主要从两点进行行人属性分析： 1.使用多尺度的特征进行行人属性的判别，低层次的特征用于局部属性的判别，如是否佩
论文阅读笔记 | (IJCAI 2018 Oral) Collaborative Learning for Weakly Supervised Object Detection
z止于至善的博客
05-15 2876
论文来自于上海交通大学，点击下载Abstract训练一个高准确率的检测模型需要大量精细标注的图片数据，其成本很高。本文提出了一种弱监督协同学习框架，仅使用粗略标签的图片训练目标检测模型，测试结果显示其定位精确率和检测准确率均显著优于目前最先进的方法。本论文提出了一种弱监督协同学习（WSCL）的框架，将弱监督学习网络和强监督学习网络连接成为一个整体网络，通过一致性损失（consistency los...
目标检测（十一）--ConvNets目标检测概述
工作笔记
09-11 9638
转自：http://coolwyj.com/%E9%80%9A%E7%94%A8%E7%89%A9%E4%BD%93%E6%A3%80%E6%B5%8B%E6%96%B9%E6%B3%95%E5%B0%8F%E7%BB%93/ 略增删改 [overfeat](http://arxiv.org/abs/1312.6229) [RCNN](http://arxiv.org/abs/1311....
Very Deep Convolutional Networks for Large-Scale Image Recognition—中英文对照
SnailTyan
08-18 8128
文章作者：Tyan 博客：noahsnail.com &nbsp;|&nbsp; 优快云 &nbsp;|&nbsp; 简书 翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translation Very Deep Convolutional Networks for Large-Scale Image Recognit...
论文笔记Pedestrian Attribute Recognition（PAR）: A Survey
weixin_39225983的博客
09-12 2234
文章目录Pedestrian Attribute Recognition（PAR）: A Survey1、 Abstract2、 related concepts3、 本文打算解决的一些问题4、 challenge factors5、数据集和代码6、REGULAR PIPELINE FOR PAR、 多标签学习 Pedestrian Attribute Recognition（PAR）: A Su...
Multi-attribute Learning for Pedestrian Attribute Recognition in Surveillance Scenarios
cdknight_happy的专栏
12-19 1936
1 简介 自然场景下的属性识别，如人脸识别、目标识别，已经取得了良好的识别效果。但是，监控场景下图像分辨率小、模糊，包含大的姿势和光线变化，识别效果并不理想。 作者提出使用CNN模型进行行人属性识别。 核心点： 使用卷积神经网络(CNN)进行特征提取； 设计DeepSAR网络进行单个属性的识别； 设计DeepMAR网络多属性的联合识别，如长头发的行人性别更可能是女； 设计了加权sigmoid交叉...
单阶段弱监督语义分割模型：1-stage-wseg详细介绍
### 知识点 #### 一、单阶段语义分割技术 在计算机视觉领域，语义分割是将图像中的每个像素点分配到特定的类别中的过程。它能够识别出图像中的物体、场景的组成，以及物体间的关系。单阶段语义分割是一种端到端的...
评论
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