计算机视觉论文阅读三：Learning Discriminative Features via Label Consistent Neural Network

最新推荐文章于 2024-11-11 10:01:12 发布
最新推荐文章于 2024-11-11 10:01:12 发布
阅读量632 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： 人工智能 深度学习 人工智能论文阅读
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/u013249853/article/details/79985831
本文提出了一种新的监督学习方法，该方法不仅作用于输出层，还扩展到了隐含层，为每个神经元分配特定标签，确保它们仅由对应标签的输入激活。这种方法通过计算每个神经元的错误差值并与类别错误差值相结合来定义目标函数，从而有效解决了梯度消失问题并加速了模型收敛。此外，这种方法还能提高最新隐含层输出特征的区分能力，适用于视频处理，也可应用于图像识别，且易于与其他网络算法集成。

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

摘要

  • 作者认为，监督只作用于输出层，并没有作用于隐含层
  • 给隐含层每个神经元一个特定的标签，只被相同标签的输入信号激活
  • 计算每个神经元的错误差值，和类别错误差值结合这就是本论文的目标函数
  • 减轻梯度消失和更快收敛
  • 使得最新的隐含层输出的feature更具有分辨力
  • 可用于视频，也可以推广到图像，很容易融合进其他网络

算法

Discriminative Feature Learning for Unsupervised Video Summarization（论文翻译）
weixin_43590290的博客
12-27 1473
Discriminative Feature Learning for Unsupervised Video Summarization Abstract 在本文中，我们解决了无监督视频摘要的问题，该问题会自动从输入视频中提取关键镜头。具体而言，我们根据经验观察结果解决了两个关键问题：（i）由于每帧输出重要性得分的平均分布而导致无效的特征学习，以及（ii）处理长视频输入时的训练难度。为了缓解第一个...
【人脸识别】视频帧聚合：Discriminative Aggregation Network
Lingyun
08-10 1137
paper：Learning Discriminative Aggregation Network for Video-based Face Recognition 论文链接：Learning_Discriminative_Aggregation_ICCV_2017 同样是2017 ICCV的paper，文章提出了一个DAN（discriminative aggregation network...
Learning Discriminative Model Prediction for Tracking（论文翻译）
MJ17709005513的博客
11-14 2824
摘要 当前端到端可训练计算机视觉系统的努力对视觉跟踪任务提出了重大挑战。与大多数其他视觉问题不同，跟踪需要在推理阶段在线学习健壮的特定于目标的外观模型。因此，为了端到端可训练，目标模型的在线学习需要嵌入到跟踪体系结构本身中。由于这些挑战，流行的Siamese范例只是简单地预测目标特征模板，而忽略了推理过程中的背景外观信息。因此，预测模型具有有限的目标-背景分辨能力。 我们开发了一种端到端的跟踪体系结构，能够充分利用目标和背景外观信息进行目标模型预测。我们的体系结构是通过设...
Learning Discriminative Features with Multiple Granularities for Person Re-Identification
DeepHao'Blog
07-22 1425
全局特征和局部特征的结合已经成为在人的重识别任务中提高辨别性能的基本解决方案。以前的基于部分的方法主要集中在定位具有特定预定义语义的区域来学习局部表示，这增加了学习难度，但对于具有大差异的场景来说效率不高或不健壮。在本文中，我们提出了一种端到端的特征学习策略，该策略集成了不同粒度的判别信息。我们精心设计了多粒度网络(Multiple Granularity Network，MGN)，这是一个多分支的深度网络体系结构，由一个用于全局特征表示的分支和两个用于局部特征表示的分支组成。我们不是在语义区域上学习，而是
Learning Discriminative Features with Class Encoder
weixin_30404405的博客
10-10 185
近来论文看了许多，但没多少时间总结下来。今天暂时记录一篇比较旧的论文，选择理由是 Discriminative features。 做图像说白了就是希望有足够有判别性的特征，这样在分类或者匹配、检索的时候才能有较好的精度。 一. 综述 这篇论文思想很简单。如何称之为有判别性的特征？作者利用编码器的思想，对于同一ID的图形的特征，如果编码后仍可以较好的解码为同一ID的特征，那么我们就说这...
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
基于视觉的机器人抓取: 论文及代码(Vision-based Robotic Grasping: Papers and Codes)
dsoftware的博客
10-22 2万+
最近总结了基于视觉的机器人抓取的相关论文及代码，同步于github。根据抓取的类别，基于视觉的机器人抓取可以分为两类：2D平面抓取以及6D空间抓取。这个页面总结了近年来涉及到的各种各样的方法，其中大部分都使用了深度学习。总结的中文框架结构如下： 0.综述论文 1. 2D平面抓取 这类方法将抓取，用平面内旋转的矩形框表示； 1.1基于RGB或者RGB-D的方法 采用基于目标检测类的方法，直接得到2D...
AAAI 2022 论文列表
热门推荐
gbstack08的专栏
02-15 2万+
链接及代码之后会更新 GitHub链接：https://github.com/gbstack/AAAI-2022-papers Scaled ReLU Matters for Training Vision Transformers Pichao Wang, Xue Wang, Hao Luo, Jingkai Zhou, Zhipeng Zhou, Fan Wang, Hao Li, Rong Jin Search Strategies for Topological Network Optimizat
【论文阅读】小样本学习相关研究
Glass_Gun的博客
11-11 1153
不可靠的经验风险最小化器是FSL的核心问题。基于先验知识如何处理核心问题，可以将FSL分为三个角度：数据使用先验知识来增强监督经验，模型通过先验知识约束假设空间，算法使用先验知识改变对假设空间中最佳假设参数的搜索。这篇小样本学习综述论文从Data、Model、Algorithm三个方面介绍了现有的小样本学习领域内的方法，以数学的形式具体解释了小样本学习中的困难点。
【CVPR2020】计算机视觉与模式识别会议论文完全清单_Part2
TomRen
06-11 3678
CVPR 2020 的论文已经于6月10号放出 由于篇幅限制分两部分发出—>part1 Todo：word-cloud Relative Interior Rule in Block-Coordinate Descent Author: Tomas Werner,Daniel Prusa,Tomas Dlask Learning Combinatorial Solver for Graph Matching Author: Tao Wang,He Liu,Yidong Li,Yi Jin,Xi.
Learning Discriminative Features with Multiple Granularities for Person Re-Identification 论文学习
calvinpaean的博客
09-01 678
Abstract 将全局和局部特征结合已经成为提高行人重识别任务表现的关键方案。以前的基于局部特征的方法主要是利用预先定义的语义信息来定位区域，学习局部表征，这增加了学习难度，且对复杂场景来说其鲁棒性和效率都差一些。本文提出了一个端到端的特征学习策略，用多样化的细粒度来集成判别信息。作者仔细设计了 Multiple Granularity Network，它是一个多分支的深度网络结构，一个分支用于全局特征，另两个分支用于局部特征。本文的方法没去学习语义区域，而是将图像拆分成多个条纹，改变不同的局部分支中的
文献阅读总结：计算机视觉
优快云TianJi的博客
10-25 2512
本文是对计算机视觉 (Computer Vision, CV) 领域已读文献的归纳总结，长期更新。
Learning Discriminative Representations for Skeleton Based Action Recognition
weixin_46687145的博客
04-01 1462
最近，人们开始设计基于GCN的模型来从骨架中提取特征，以执行人类动作识别任务，因为骨架表示比其他模态（如RGB帧）更高效、更健壮。然而，当使用骨架数据时，一些重要的线索（如相关项目）也被丢弃了。这导致一些模糊的动作很难被区分，并且往往被错误分类。为了缓解这个问题，我们提出了一个辅助特征精炼头（FR Head），它由空间-时间解耦和对比特征精炼组成，以获得骨架的判别性表示。模糊样本在特征空间中被动态发现和校准。
论文笔记-------Learning Discriminative Features with Multiple Granularity for Person Re-Identification
Leo_whj的博客
07-23 997
云从科技在跨镜追踪（行人再识别）技术（ReID）上获取重大突破paper，
【ReID】Learning Discriminative Features with Multiple Granularities for Person Re-identification
锥栗的博客
04-19 1241
阅读2018 ACM Multimedia一篇著名SOTA，Learning Discriminative Features with Multiple Granularities for Person Re-Identification[1]，文章设计了一个结合多分支和表征度量双学习策略的切片网络，提取全局粗粒度和局部细粒度特征。通过多种细粒度特征的提取和学习来得到更好的具有判别力的表征，实验显......
论文阅读笔记《Learning Discriminative and Transformation Covariant Local Feature Detectors》
深视
04-08 693
核心思想   本文提出一种基于学习的局部特征描述算子，需要注意的是本文提到的特征，与常见的特征向量不是一个概念，而是指图像中的一系列点或者一系列椭圆构成的集合。一个好的特征检测器应该具备两个优点：1.能够发现图像中局部的具备区分度的信息；2.当场景经过多种变换后，仍能够重复检测出一致的特征，作者将其分别称为同一性约束（identity constraint）和协变约束（covariant constraint ）。为了同时满足上述两个约束，本文提出一种变换预测网络，根据输出的图块预测出一个变换矩阵gig_i
Label-Consistent Backdoor Attacks
austinyxx的博客
03-01 4511
By injecting a small number of maliciously constructed inputs into the training set, an adversary is able to plant a backdoor into the trained model.
[深度学习论文笔记][CVPRW 16]Learning Discriminative Features with Class Encoder
KFXW的专栏
03-13 1500
[深度学习论文笔记][metric learning][CVPRW 16]Learning Discriminative Features with Class Encoder
Learning Domain-Invariant Discriminative Features for Heterogeneous Face Recognition阅读笔记
Malidong的博客
03-16 944
Shanmin Yang; Keren Fu; Xiao Yang; Ye Lin; Jianwei Zhang; Cheng Peng 2020 IEEE 一、简介 提出了一个用于学习HFR的域不变鉴别特征的四元组框架，它在一个统一的网络中集成了域级和类级对齐。域级比对减少了跨域分布差异。基于一个特殊的四元组损失的类级比对被进一步发展以减少类内变异和扩大实例间的类间可分性，从而处理域级比对面临的错位和对抗平衡问题。通过双向跨域数据选择策略，基于四元组丢失的方法显著地丰富了训练集并进一步消除了跨模态偏移。
Learning Discriminative Dynamics with Label Corruption for Noisy Label Detection这篇文章的源代码
最新发布
07-26
我们正在处理用户关于获取论文《Learning Discriminative Dynamics with Label Corruption for Noisy Label Detection》源代码的请求。 根据之前的对话历史，用户已经询问过这篇论文，并且我们提供了关于论文的基本...
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