ILSVRC2017:Beyond ImageNet Large Scale Visual Recognition Challenge

「Deep Learning」ILSVRC2012-2017图像分类经典卷积网络 Sina Weibo:小锋子Shawn Tencent E-mail:403568338@qq.com http://blog.youkuaiyun.com/dgyuanshaofeng/article/details/78007901     最近,人工智能自动驾驶创业公司Momenta的Jie Hu发布了ILSVRC2017图像分类的冠军模型SENets。团队WMW的另外 阅读详情

引自:http://image-net.org/challenges/beyond_ilsvrc

Introduction

The workshop will mark the last of the ImageNet Challenge competitions, and focus on unanswered questions and directions for the future. The workshop will 1) present current results on the challenge competitions including new taster challenges, 2) review the state of the art in recognition as viewed through the lens of the object detection in images and videos, and classification competitions in the challenge. There will be a focus on 3) how this relates to the state of the art in computer vision techniques that are deployed in industry---one of the original goals of the challenge. The invited speakers will also be tasked with 4) presenting views on remaining future challenges, from cognitive vision, to robot vision, and beyond.

News

  • Jul 17, 2017: ILSVRC2017 Results announced.
  • Jun 16, 2017: Tentative schedule is announced.
  • May 23, 2017: The workshop will feature a poster session from past ILSVRC participants. If you would like to apply, please email us for instructions before May 30.
  • Mar 13, 2017: Webpage launched!

History

2016 2015 2014 2013

Challenges

Workshop Schedule

The workshop will be on Wednesday, July 26th. Following is the tentative schedule.

Poster Sessions: Recent works from winners of ILSVRC 2010-2016

  • [2013, NEC-MU] RED-Net: A Recurrent Encoder-Decoder Network for Video-based Face Alignment - (Xi Peng, Rogerio S. Feris, Xiaoyu Wang, Dimitris N. Metaxas)
  • [2013, NEC-MU] SEP-Net: Simple and Effective Pattern Networks - (Zhe Li, Xiaoyu Wang, Xutao Lv, Tianbao Yang)
  • [2014, TTIC-Chicago] DenseReg: Fully Convolutional Dense Shape Regression In-the-Wild - (Riza Alp Guler, George Trigeorgis, Epameinondas Antonakos, Patrick Snape, Stefanos Zafeiriou, Iasonas Kokkinos)
  • [2016, ResNeXt] Aggregated Residual Transformations for Deep Neural Networks - (Saining Xie, Ross Girshick, Piotr Dollar, Zhuowen Tu, Kaiming He)
  • [2016, Trimps-Soushen] Brain MRI Diagnostic Using Deep Convolutional Network - (Shao Jie, Zhang Jie, Wu Jinsong, Zhang Zheng)
  • [2013-2014, Overfeat,GoogLeNet] Unsupervised Imitation Learning - (Pierre Sermanet, Corey Lynch, Kelvin Xu, Jasmine Hsu, Sergey Levine)
  • [2011-2015, UvA/Euvision,Qualcomm] SNPE: Snapdragon Neural Processing Engine powering deep learning on mobile devices - (Koen van de Sande, Cees Snoek)
  • [2014-2016, CUHK,CUImage,CUVideo] Modeling context and deformation in object detection - (Wanli Ouyang, Hongsheng Li, Junjie Yan, Xingyu Zeng, Kai Kang, Tong, Xiao, Kun Wang, Hongyang Li, Zhe Wang, Yucong, Zhou, Bin Yang, Xuanyi Dong, Ping Luo, Shi Qiu, Yonglong Tian, Shuo Yang, Yuanjun Xiong, Chen Qian, Zhenyao Zhu, Ruohui Wang, Yubin Deng, Buyu Li, Xin Zhu, Xihui Liu, Chen-Change Loy, Shengen Yan, Dahua Lin, Xiaogang Wang, Xiaoou Tang)

Poster Sessions: Winning entries of ILSVRC 2017

  • [DeepView(ETRI)] DeepView ObjectNet: Rank of Experts - (Seung-Hwan Bae, Youngjoo Jo, Joongwon Hwang, Youngwan Lee, Young-Suk Yoon, Yuseok Bae, Jongyoul Park)
  • [KAISTNIA_ETRI] Aggregating multi-level/shape features and confidence penalty for object detection - (Keun Dong Lee, Seungjae Lee, JongGook Ko, Jaehyung Kim, Jun Hyun Nam, Jinwoo Shin)
  • [SIIT_KAIST-SKT] Deep Pyramidal Residual Networks - (Dongyoon Han, Jiwhan Kim, Gwang-Gook Lee, Junmo Kim)
  • [MIL_UT] MIL_UT at ILSVRC2017 (CLS Task) - (Yuji Tokozume, Kosuke Arase, Yoshitaka Ushiku, Tatsuya Harada)
  • [NUS-Qihoo-UIUC_DPNs] Improving Context Modeling for Video Object Detection and Tracking - (Yunchao Wei, Mengdan Zhang, Jianan Li, Yunpeng Chen, Jiashi Feng, Jian Dong, Shuicheng Yan, Honghui Shi)

Organizers

Affiliated Challenge

Contact

Please feel free to send any questions or comments to ilsvrc@image-net.org.
视觉特征-自监督-对比学习:SimCLR(在潜空间用对比损失最大化同一样本经不同数据增强所得视图间的一致性来学习表示)【Loss:对比损失函数】【同批次非同源样本作为负样本】【2020-02】 Abstract摘要本文提出了SimCLR:一个用于视觉表征对比学习的简单框架。我们简化了近期提出的对比式自监督学习算法,无需专门的架构或记忆库。为了理解是什么使对比预测任务能够学习到有用的表征,我们系统地研究了该框架的主要组成部分。我们表明:(1)数据增强的组合在定义有效预测任务中起着关键作用;(2)在表征与对比损失之间引入可学习的非线性变换,可显著提升所学习表征的质量;(3)与监督学习相比,对比学习受益于更大的批量大小和更多的训练步骤。 阅读详情

相关推荐

ImageNet Large Scale Visual Recognition Challenge(泛读)

一.文献名字和作者     ImageNet Large Scale Visual Recognition Challenge,Olga Russakovsky, Jia Deng, Hao Su, Jonathan Krause , Sanjeev Satheesh, Sean Ma, Zhiheng Huang, Andrej Karpathy, Aditya Khosla, Micha

小胜爱捣鼓 4959

2017年大规模视觉识别挑战赛(ILSVRC2017)imagenet2012 数据集下载 含百度云盘

2017年大规模视觉识别挑战赛(ILSVRC2017) 返回主页 引文 使用DET或CLS-LOC数据集时,请引用: Olga Russakovsky *,Jia Deng *,Hao Su,Jonathan Krause,Sanjeev Satheesh,Sean Ma,黄志恒,Andrej Karpathy,Aditya Khosla,Michael Bernstein,Alexand...

python深度学习笔记,一起学习的加QQ2737499951 1万+

ImageNet数据集(百度网盘)

原文: ILSVRC 2012, commonly known as 'ImageNet' is an image dataset organized according to the WordNet hierarchy. Each meaningful concept in WordNet, possibly described by multiple words or word phrases, is called a "synonym set" or "synset". There are more

不务正业的猿 9391

imagenet原图片下载地址

http://pan.baidu.com/share/link?shareid=2767435494&uk=4213844887&qq-pf-to=pcqq.group

han____shuai的专栏 2910

ILSVRC_2017.tar.gz

这个是ImageNet2012工具包,tensorflow官方指定图像分类模型唯一评测工具包!!!亲测可用的。

ImageNet-数据集

ImageNet is provided by Standford University.本数据集由斯坦福大学提供。 imagenet_ILSVRC2017_datasets.zip

ILSVRC-2015 ILSVRC-2017VID数据集下载

ILSVRC2017VID下载链接 ILSVRC2015VID下载链接

安卓 高通 bsp ,同行欢迎交流 1727

ImageNet Large Scale Visual Recognition Challenge.pdf

ImageNet Large Scale Visual Recognition Challenge.pdf

ImageNet下载资源(2017年)

首先用教育网邮箱(edu.cn 或edu结尾的)注册个帐号,便可下载这些资源Download links to ILSVRC2017 image data.http://image-net.org/challenges/LSVRC/2017/download-images-1p39.php This link is for authorized users only. Please do not

achirandliu的专栏 1万+

[小技巧] 如何复制知乎电子书中的文字和图片

文章目录一、背景二、复制文字1.最简单的方法(适合短小文字)2. 进阶方法(适合大段文字)三、复制图片四、注意事项 一、背景 有时候希望从书中摘录一部分文字作为笔记,但是知乎电子书阅读时候是禁止copy的,要么手打,要么OCR,给学习带来了一些不便。 审查元素后发现,知乎电子书是把文字分成一段一段的,试图F12直接copy不太方便。 本问将以谷歌Chrome浏览器为例,给出复制小技巧。 二、复制文字 1.最简单的方法(适合短小文字) 选中你需要的文字,左键单击不放,直接拖到地址栏。 然后可以从地址栏中

江南蜡笔小新 9246

STM32G030C8T6 ADC+DMA实战:同时采集外部电压和芯片温度的完整代码流程

本文详细介绍了STM32G030C8T6芯片通过ADC+DMA实现外部电压和芯片内部温度采集的完整流程。从硬件设计到CubeMX配置,再到驱动模块化实现与系统优化,提供了高精度多通道采集系统的实战指南,特别适合嵌入式开发者在工业控制和环境监测项目中应用。

weixin_42653691的博客 467

A number of problems from coded in ARM assembly language Problems

http://www.fourtheye.org/cgi-bin/language.pl?language=asm NOTE: This documents my investigation into assembly language programming on the ARM processor running my SheevaPlug. This runs Debian GNU/L

张同光 (Tongguang Zhang):Hello everyone ! 2万+

CentOS 环境 sngrep 安装及使用

在呼叫中心类应用开发过程中,经常需要对 SIP 信令抓包,分析排查问题。通常抓包的工具非常多样,如 Wireshark、tcpdump、ngrep 等都是可选项,但是针对 SIP 信令的抓包,sngrep 则更为好用。因为 sngrep 不仅提供了图形界面,还会将一通会话的 SIP 信令关联汇总,非常直观执行以下命令下载 的相关依赖库 1.2 添加 sngrep 的源并导入 执行下面的命令新增一个源仓库配置文件 然后在该文件中写入以下配置内容 执行命令导入源仓库的公钥 1.3 安装 sngrep

谈谈1974 8144

#今日论文推荐#ICLR 2022:超越源域的攻击,面向黑盒域制作对抗样本丨AI Drive

#今日论文推荐#ICLR 2022:超越源域的攻击,面向黑盒域制作对抗样本丨AI Drive 由于可转移性质,对抗样本对深度神经网络构成了严重的安全威胁。 目前,大量工作都为提高对抗样本跨模型的可转移性付出了巨大努力。通常来说,这些工作大多假设替代模型与目标模型在同一域训练。然而,在现实中,所部署模型的相关信息不太可能泄露。因此,建立一个更实用的黑盒威胁模型来克服这一局限性并评估部署模型的脆弱性是至关重要的。 ICLR 2022的一项研究,则仅凭ImageNet领域的知识,提出了一个Beyond Im

w1hsxn的博客 489

Yolov8-pose关键点检测:训练准备篇 | 自己数据集从labelme标注到生成yolo格式的关键点数据

yolov8-pose关键点检测系列:从数据集标记到生成适合yolo的关键点格式

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 5872

拼多多Android面试题及参考答案

Android 系统采用分层架构设计,从底层到上层依次为Linux 内核层硬件抽象层(HAL)系统运行时库层应用框架层应用层,共五层。位置:Linux 内核层与系统运行时库层之间,是“硬件与系统的隔离层”。核心作用:屏蔽硬件差异,为上层提供统一的硬件访问接口,解决 Android 开源与硬件厂商闭源的矛盾,具体功能如下:硬件能力抽象:将硬件的具体实现(如不同厂商的摄像头芯片、音频芯片)封装为标准化接口(如Camera HALAudio HAL。

大模型大数据攻城狮的专栏 1279

今晚直播 | ICLR 2022:超越源域的攻击,面向黑盒域制作对抗样本

本期 AI Drive,我们邀请到电子科技大学硕士生章琪泷,为大家在线解读其发表在 ICLR 2022 的最新研究成果。本次报告的主题为「超越源域的攻击,面向黑盒域制作对抗样本」。对本期主题感兴趣的小伙伴,4 月 14 日(本周四)晚 7 点,我们准时相约 PaperWeekly 直播间。直播信息对抗样本由于他们的可转移性质对深度神经网络构成了严重的安全威胁。目前,大量工...

Paper weekly 668

030、微透镜阵列与光场成像:从光场相机到深度感知的演进

文章摘要: 光场成像通过微透镜阵列(MLA)同时记录光线的位置与方向,实现单次曝光获取三维信息。其核心架构包括主镜头+MLA+传感器或相机阵列,各有分辨率与体积的权衡。光场支持先拍照后对焦和深度估计,但受限于微透镜基线短,精度较低。深度算法需结合多视角立体匹配与极平面图像分析,并处理噪声和温度漂移等实际问题。光场适用于短距离动态场景(如手势识别),而远距离高精度需求仍需激光雷达。建议初学者通过二手光场相机和开源工具入门,理解光场“角度域”与“空间域”的协同机制。

sundong_81的博客 50

机器学习11-经典网络解析

用于提取图像特征的卷积层以及用于分类的全连接层是同时学习的;卷积层与全连接层在学习过程中会相互影响、相互促进重要技巧:Dropout策略防止过拟合;使用加入动量的随机梯度下降算法,加速收敛;验证集损失不下降时,手动降低10倍的学习率;采用样本增强策略增加训练样本数量,防止过拟合集成多个模型,进一步提高精度Inception结构最初在2014年被提出,并在ImageNet图像分类挑战赛上取得了显著成果。

qq_41810539的博客 1423

RK3568平台(camera篇) MPP编码

同芯片的差异,为使用者提供统一的视频媒体处理接口(Media Process Interface,缩写 MPI)。瑞芯微提供的媒体处理软件平台(Media Process Platform,简称 MPP)是适用于瑞芯微芯片系列的。mpi_enc_test 的命令参数中,图像宽度(w)图像高度(h),码流类型(t)为强制要求参数,其他参。视频拷贝,缩放,色彩空间转换,场视频解交织(Deinterlace)数如输入文件(i),输出文件(o),编码帧数(n)等为可选参数。设置一些MPP的模式。

weixin_49303682的博客 7379

踩遍Windows所有坑:Codex CLI桌面端+命令行双环境安装避坑实战

Windows下装Codex CLI的坑,本质上都是Windows本身的路径、环境变量、权限、编码这些历史遗留问题,和工具本身关系不大。只要避开中文路径、正确配置PATH、注意终端环境差异,其实安装非常简单。这套双环境方案配好之后,桌面端适合可视化调试、多会话管理,终端适合嵌入编辑器、脚本调用,一套配置两边通用,体验还是很流畅的。按照上面的流程走,基本不会出大问题,就算出问题也能在排查表里找到对应解法。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 297

ILSVRC2017 Object detection

ILSVRC2017

hrsstudy的博客 4379

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

ILSVRC2016

全球最权威的计算机视觉竞赛ILSVRC2016落下帷幕 日前,全球最权威的计算机视觉竞赛ILSVRC2016落下帷幕,中国学术界和工业界团队包揽了多项冠军。具体成绩如下: CUImage(商汤科技和港中文):标检测第一; Trimps-Soushen(公安部三所):目标定位第一; CUvideo(商汤和港中文):视频中物体检测子项目第一; NUIST(南京信息工程大学):视频中

asd8705的专栏 1万+

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

一个时代的终结:ImageNet 竞赛 2017 是最后一届

2017 年 7 月 26 日,将标志着一个时代的终结。 那一天,与计算机视觉顶会 CVPR 2017 同期举行的 Workshop——“超越 ILSVRC”(Beyond ImageNet Large Scale Visual Recogition Challenge),将宣布计算机视觉乃至整个人工智能发展史上的里程碑——IamgeNet 大规模视觉识别挑战赛将于 2017

liuyuehui的专栏 2万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

ILSVRC竞赛详细介绍(ImageNet Large Scale Visual Recognition Challenge)

ILSVRC(ImageNet Large Scale Visual Recognition Challenge)是近年来机器视觉领域最受追捧也是最具权威的学术竞赛之一,代表了图像领域的最高水平。 ImageNet数据集是ILSVRC竞赛使用的是数据集,由斯坦福大学李飞飞教授主导,包含了超过1400万张全尺寸的有标记图片。ILSVRC比赛会每年从ImageNet数据集中抽出部分样本,以2012年为...

我是天才很好 1万+
上一篇: ANGEL:一个新型的分布式机器学习系统
下一篇: CVPR2017论文
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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