weixin_44529634的博客

一.Deep Ordinal Regression Network for Monocular Depth Estimation用于单目深度估计的深度有序回归网络CVPR 2018在3D视觉感知主题里，单目图像深度估计是一个重要并且艰难的任务。虽然目前的方法已经取得了一些不错的成绩，但是这些方法普遍忽略了深度间固有的有序关系。针对这一问题，我们提出在模型中引入排序机制来帮助更准确地估计图像的深度信息。具体来说，我们首先将真值深度（ground-truth depth）按照区间递增（SID）的方法预分为

Rank-consistent Ordinal Regression for Neural Networks摘要分类任务的网络结构已经得到显著的发展，但是常用的损失函数（例如多类别交叉熵）不能解决ranking（排名）和序数回归的问题。本文作者提出了一个新框架（Consistent Rank Logits，CORAL），该框架具有rank-monotonicity（排名单调性） and consistent confidence scores（置信分数一致性）的理论保证。预测一致性问题（后面有讲）通过

Soft Labels for Ordinal RegressionCVPR-2019Abstract提出了简单有效的方法约束类别之间的关系（将度量惩罚无缝合并到ground-truth label表示中）这种encoding使得NN可以自动学习类内和类间的关系，不需要显示修改网络结构我们的方法将数据标签转换成软概率分布，使其与常见的分类损失函数(如交叉熵)很好的匹配结果表明，该方法在...