- 博客(25)
- 收藏
- 关注
RSS订阅原创 Task-Independent Knowledge Makes for Transferable Representations for Generalized Zero-Shot Learning
论文《Task-Independent Knowledge Makes for Transferable Representations for Generalized Zero-Shot Learning》提出了一种双对比嵌入网络（DCEN），旨在提升广义零样本学习（GZSL）中特征的迁移性。传统GZSL方法依赖语义属性对齐，但容易过拟合可见类，泛化能力差。DCEN通过同时学习任务相关和任务无关知识来解决这一问题。任务相关知识通过跨模态对比学习和掩码属性预测实现语义对齐，而任务无关知识则通过实例判别学习低
2025-05-20 11:00:22
907
原创 Domain-aware Visual Bias Eliminating for Generalized Zero-Shot Learning
提出了一种新颖的面向领域的视觉偏差消除网络（DVBE），以解决广义零样本学习（GZSL）中的偏倚识别问题。不同于以往仅关注语义对齐表示的方法，考虑到语义无关表示（semantic-free representation）在缓解偏倚识别方面的作用 —— 通过已知类预测的熵来检测未见类图像。
2025-05-12 15:41:36
490
原创 Fine-Grained Generalized Zero-Shot Learning via Dense Attribute-Based Attention
核心思想CUB 200种鸟类图像 已见/未见：150/50 每类312个属性 细粒度数据集 11788张图像SUN 717种场景图像 已见/未见：645/72 每类102个属性 细粒度数据集 14340张图像AWA2 50种动物图像 已见/未见：40/10 每类85个属性 粗粒度数据集 37322张图像DeepFashion 46个服装类别 已见/未见：36/10 289,222张图像。
2025-04-22 17:20:23
819
原创 An embarrassingly simple approach to zero-shot learning
代码参考：https://github.com/foxtrotmike/ESZSL。
2025-04-14 10:41:43
895
原创 Attribute Prototype Network for Zero-Shot Learning
提出了一种属性原型网络（APN），旨在改善图像表示在零样本学习中的局部性。APN通过同时回归和去相关化中间层特征的属性，来学习编码语义视觉属性的局部特征。
2025-04-09 19:55:22
561
原创 Part in Part Embedding Network for Zero-Shot Learning
本文提出的 PPEN 模型通过CLA（跨层聚合）和 PIPA（局部注意力）两个核心模块提升了 ZSL 的表现。CLA 通过 MFE（特征增强）和 ACA（跨层融合） 在探索特征的多尺度信息并促进不同层之间特征的融合，使得每一层都能从其他层学到的知识中受益。而 PIPA 通过局部注意力机制提升语义信息提取能力，使模型能更精准地匹配视觉特征和语义信息。
2025-04-01 15:35:15
610
原创 Learning a Deep Embedding Model for Zero-Shot Learning
通过重新选择嵌入空间，解决了零样本学习中的Hubness问题。
2025-03-27 19:46:43
897
原创 Progressive Semantic-Guided Vision Transformer for Zero-Shot Learning
核心创新在于动态语义引导：用语义信息直接修正视觉特征，像老师用关键词引导学生注意重点。通过SET增强语义关联，通过VIE修剪无关信息，逐步优化特征。
2025-03-20 11:17:44
1029
原创 TransZero++: Cross Attribute-Guided Transformer for Zero-Shot Learning
跨属性引导 Transformer 网络，包括AVT和VAT，引入语义协同学习。实现对零样本学习的图像分类。
2025-03-19 11:03:20
597
原创 TransZero: Attribute-Guided Transformer for Zero-Shot Learning
本文提出了一种 属性引导 Transformer 网络（attribute-guided Transformer network, TransZero），用于：优化视觉特征，提升可迁移性。精准定位对象的属性，提取 区分性区域特征。该方法是非端到端的（non end-to-end model），从而降低计算成本，同时保证有效的 视觉-语义交互。
2025-03-11 14:16:24
592
原创 MSDN: Mutually Semantic Distillation Network for Zero-Shot Learning
MSDN 主要贡献提出互语义蒸馏网络（MSDN），结合属性→视觉 & 视觉→属性注意力子网，提升零样本学习能力。核心创新双向语义蒸馏（Mutual Semantic Distillation）
2025-03-01 18:32:41
589
原创 Python + Selenium + Chrome WebDriver 环境变量配置
解决selenium无法调用chrome webdriver问题
2021-12-01 13:18:15
3332
原创 Layui表单验证lay-verify属性
Layui表单验证lay-verify属性Layui框架有自带的表单验证功能，在input标签中加入lay-verify属性，通过给定不同属性值，来对表单输入框进行不同的验证layui官网自定义验证： https://www.layui.com/doc/modules/form.html#verify(自定义验证)layui 表单自带校验：lay-verify：是表单验证的关键字其中对其指定不同值可实现简单验证required (该输入框必填项)phone（手机号）email（邮箱）ur
2021-08-02 16:02:00
14147
1
原创 Mysql 查询语句（七）
Mysql 查询语句（七）自关联和子查询这里我们用到中国省市区数据表来介绍自关联中国省市区SQL表数据——自关联这里我们介绍下数据库文件导入数据库1.首先先下载好数据库文件2.cd：当前路径（文件所在的）3.进入mysql，执行：use 目标数据库名4.导入文件：source 数据库文件名我们先创建一张areas表create table areas( aid int primary key, atitle varchar(20), pid int);从sql文件中导入数据
2020-11-22 15:17:45
224
原创 Mysql 查询语句（六）
Mysql 查询语句（六）连接查询我们的链接查询类似于数学集合中的交并补将多张表进行记录的连接查询(按照某个字段指定的条件进行数据的拼接)；进行数据的拼接(两张表的内容显示在一个结果表中 使用连接查询)最终的结果是：记录数有可能变化，字段数一定会增加(至少两张表的合并)意义：在用户查看数据的时候，显示的数据来自于多张表我们先说说内连接—— inner join查询的结果为两个表匹配到的数据 也就是A表和B表交集语法：selete * from 表1 inner或left或right j
2020-11-18 15:15:20
259
原创 Mysql 查询语句（五）
Mysql 查询语句（五）排序——order by对所查询出来的字段按照要求进行排序--asc从小到大排序，也就是我们所说的升序--desc从大到小排序，也就是我们所说的降序--示例： --查询年龄在18到34岁之间的男性，按照年龄从小到大排序 select * from students where (age between 18 and 34) and gender = 1; --这个我们查询出了年龄在18到34岁之间的男性，下面我们用order by进行排序 select * fro
2020-11-12 17:11:48
580
原创 Mysql 查询语句（四）
Mysql 查询语句（四）分组—group by语法：select … from 表名 group by 字段名分组大多与聚合函数一起用，单独使用用处不大！--示例：--按照性别分组，查询所有的性别select name from students group by gender;--此处查询语句是错的，这里报错输出的结果是叫target list，就是我们需要的那个信息，就是select后面跟着的字段由于开启了ONLY_FULL_GROUP_BY的设置，所以如果一个字段没有在targe
2020-11-11 17:41:51
188
原创 Mysql 查询语句（三）
Mysql 查询语句（三）–范围查询表示在一个非连续的范围内——in(1, 3, 8)表示在不非连续的范围内——not in(1, 3, 8)--查询年龄为18、34的姓名 select name,age from students where age = 18 or age = 34;--需求：此时我们还想加一个年龄为12岁的，按照上面的语句，我们可以在后面加上or age = 12 select name,age from students where age = 18 or ag
2020-11-10 20:04:32
232
原创 Mysql 查询语句（二）
Mysql 查询语句（二）– 条件查询比较运算符：<, >, <=, >=, =语法：select ..... from 表名 where .....-- >--查询大于18岁的信息select * from students where age > 18;--<--查询小于18岁的信息select * from students where age < 18;--<=--查询小于或等于18岁的信息select * from s
2020-11-08 15:01:12
152
原创 Mysql 查询语句（一）
Mysql 查询语句（一）查询是数据库中最重要的一个功能，数据库中增删改查都离不开查询，下面介绍一下Mysql中的查询语句一、基础查询语法SELECT column_name,column_nameFROM table_name[WHERE Clause][OFFSET M ][LIMIT N]二、基本查询–查询所有字段select * from 表名；//以上此的students表为例 我们来实现下select * from students;–查询指定字段select
2020-11-07 14:37:28
249
原创 Mysql数据准备，向数据库中插入数据
Mysql数据准备，向数据库中插入数据语法： insert into table_name (column_list) values (value_list); //table_name: 指定要插入数据的表名。 //column_list: 指定要插入数据的列。 //value_list: 指定每个列要插入的数据。注意：此处插入数据时字段数量和数据值的数量必须相同代码示例：//引用上次创建按的数据库python_test_1及数据表students和cl
2020-11-05 15:15:52
563
原创 Mysql创建数据库，数据表
Mysql创建数据库，数据表首先我们进入到数据库这里我们就进入到数据库了，我们可以使用 show databases; 命令来查看我们的数据库中有哪些数据库。接下来我们创建数据库，创建数据库的命令create databse 库名 charset=utf8;这里我们就用python_test_1为库名进行介绍；使用数据库命令：use 库名;我们来看一下实际操作：这里我们可以看到Database changed，这说明我们已经进入python_test_1这个数据库中。接下来我们创建数据表
2020-11-04 15:11:28
548
【计算机视觉】基于属性原型网络的零样本学习：提升图像表示局部性和属性定位能力的设计与实现
2025-04-24
【计算机视觉】基于属性密集注意力机制的细粒度图像识别：解决长尾分布与昂贵标注问题
2025-04-23
【计算机视觉】PPENET：基于跨层聚合与多特征增强的深度网络（复现论文，代码问题解答）
2025-04-17
进程同步互斥pv操作
2023-11-19
TA创建的收藏夹 TA关注的收藏夹
TA关注的人