- 博客(68)
- 资源 (37)
- 收藏
- 关注
RSS订阅原创 论文阅读：TransFG
TransFG: A Transformer Architecture for Fine-grained Recognition文章目录TransFG: A Transformer Architecture for Fine-grained Recognition0 摘要1 引言2 相关研究3 方法3.1 transformer当作特征提取器图片序列化patch embedding3.2 TransFG 架构部件选择模块PSM对比特征学习4 实验4.3 消融研究4.4 可视化5 总结0 摘要本文提出了
2021-08-06 19:18:29
1801
原创 论文阅读：FFVT for FGVC
Feature Fusion Vision Transformer for Fine-Grained Visual Categorization文章目录Feature Fusion Vision Transformer for Fine-Grained Visual Categorization摘要1 引言2 相关研究3 方法3.1 Transformer3.2 FFVT架构特征融合模块相互注意力权重选择模块MAWS4 实验5 总结摘要深层的分类token更关注全局信息，缺乏局部和低级特征。文本提出
2021-08-06 19:16:44
2884
原创 论文阅读：Swin Transformer
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows文章目录Swin Transformer: Hierarchical Vision Transformer using Shifted Windows0 摘要1 引言2 相关研究3 方法3.1 整体架构3.2 基于移动窗口的自注意力非重叠窗口中的自注意力连续块中的移位窗口分区移位配置的高效批量计算相对位置偏置3.3 架构的变体4 实验4.1 图像分类4.2 目标检
2021-08-05 11:23:29
1399
原创 论文阅读：(InPS) Intra-class Part Swapping for Fine-Grained Image Classification
Intra-class Part Swapping for Fine-Grained Image Classification2021 WACV文章目录Intra-class Part Swapping for Fine-Grained Image Classification0 摘要1 引言3 方法3.1 注意力先验3.2 类内部分交换4 实验类内部注意力分析弱监督定位细粒度分类消融实验5 结论0 摘要mix类方法的局限性：混合随机图像内容可能会产生包含破坏对象结构的图像。由于类别差异主要存在
2021-06-19 21:16:25
233
1
原创 论文阅读：ExchNet
ExchNet: A Unified Hashing Network for Large-Scale Fine-Grained Image RetrievalECCV 2020ExchNet：用于大规模细粒度图像检索的统一哈希网络文章目录ExchNet: A Unified Hashing Network for Large-Scale Fine-Grained Image Retrieval摘要1 引言2 相关研究2.1 细粒度图像检索2.2 深度哈希3 方法3.1 表示学习3.2 通过局部特征
2021-06-13 15:58:36
698
原创 论文阅读：Localization-Aware Adaptive Pairwise Margin Loss for Fine-Grained Image Recognition
Localization-Aware Adaptive Pairwise Margin Loss for Fine-Grained Image Recognition用于细粒度图像识别的定位感知自适应成对边距损失文章目录Localization-Aware Adaptive Pairwise Margin Loss for Fine-Grained Image Recognition摘要1 引言3 方法3.1 部分定位感知CutMix3.2 自适应成对边距损失正集合负集合4 实验4.1 SOTA4.
2021-06-11 16:44:30
391
原创 论文阅读：RICAP: Random Image Cropping and Patching Data Augmentation for Deep CNNs
RICAP: Random Image Cropping and Patching Data Augmentation for Deep CNNs文章目录RICAP: Random Image Cropping and Patching Data Augmentation for Deep CNNs摘要1 引言3 方法3.1 RICAP3.2 优化4 实验摘要random image cropping and patching(RICAP)，随机裁剪四张图片并拼接构成一个新的训练图片。1 引言RI
2021-06-09 21:46:43
646
3
原创 论文阅读：MC-Loss
The Devil is in the Channels: Mutual-Channel Loss for Fine-Grained Image Classification（MC-Loss）2020,TIP文章目录The Devil is in the Channels: Mutual-Channel Loss for Fine-Grained Image Classification（MC-Loss）摘要1 引言3 MC-Loss3.1 判别性组件3.2 多样性组件4 实验SOTA比较消融摘要
2021-06-01 21:53:49
1558
1
原创 论文阅读：Grad-CAM guided channel-spatial attention module
Grad-CAM guided channel-spatial attention module for Fine-Grained Visual Classificationarxiv 2021文章目录Grad-CAM guided channel-spatial attention module for Fine-Grained Visual Classification摘要1 引言2 方法2.1 通道-空间注意力机制2.2 Grad-CAM2.3 指导损失3 实验摘要通道-空间注意力机制同时
2021-05-31 10:55:56
1553
1
原创 论文阅读：API-Net
Learning Attentive Pairwise Interaction for Fine-Grained Classification2020 AAAI。网络结构倒是不复杂，但是这么大的batch size要怎么跑起来。文章目录Learning Attentive Pairwise Interaction for Fine-Grained Classification摘要1 引言2 API-Net2.1 互矢量学习2.2 门向量2.3 成对交互2.4 训练与测试3 实验3.1 消融实验3.2
2021-05-25 19:45:18
1594
原创 论文笔记：Your “Flamingo” is My “Bird”: Fine-Grained, or Not
Your “Flamingo” is My “Bird”: Fine-Grained, or Not2021 CVPR，这还是第一篇看到还有从人工研究实验到模型的论文文章目录Your “Flamingo” is My “Bird”: Fine-Grained, or Not0 摘要1 引言2 相关研究3 人为研究数据参与者实验设置实验结果4 方法4.1 多粒度标签联合学习4.2 解耦和加强5 实验、结果和分析6 讨论7 结论0 摘要本文动机：在不同的专业水平下，如何为定制不同的细粒度定义。重新设
2021-05-24 22:26:34
1497
原创 论文阅读：PA-CNN
Learning Rich Part Hierarchies With Progressive Attention Networks for Fine-Grained Image Recognition2020 TIP，论文主要借鉴了MA-CNN。文章目录Learning Rich Part Hierarchies With Progressive Attention Networks for Fine-Grained Image Recognition1 引言3 方法3.1 多注意力模块及其损失3
2021-05-23 22:15:24
1194
1
原创 论文阅读：Bi-Modal PMA
Bi-Modal Progressive Mask Attention for Fine-Grained Recognition文章目录Bi-Modal Progressive Mask Attention for Fine-Grained Recognition摘要1 引言3 方法3.1 符号SAM模块QRM模块掩模模板3.2 视觉态PMA输入视觉表示PMA3.3 语言态PMA输入语言表示PMA3.4 特征聚合3.5 知识蒸馏4 实验2020 TIP摘要语言模态聚合被证明是一种改善视觉识别的技
2021-05-22 17:11:28
639
原创 论文阅读：Focus Longer to See Better
Focus Longer to See Better: Recursively Refined Attention for Fine-Grained Image Classification文章目录Focus Longer to See Better: Recursively Refined Attention for Fine-Grained Image Classification摘要1 引言3 方法3.1 双分支架构全局分类局部分支3.2 分类损失3.3 联合特征4 实验4.2 分析4.3 消融实验
2021-05-21 15:46:13
535
原创 论文阅读：(CCFR)Re-rank Coarse Classification with Local Region Enhanced Features for FGIR
Re-rank Coarse Classification with Local Region Enhanced Features for Fine-Grained Image Recognition字节跳动AI实验室文章目录Re-rank Coarse Classification with Local Region Enhanced Features for Fine-Grained Image Recognition摘要1 引言3 方法3.1 全局特征的多层次损失3.2 弱监督区别性区域定位3
2021-05-17 22:23:19
1184
2
原创 论文阅读：Attentive CutMix
Attentive CutMix: An Enhanced Data Augmentation Approach for Deep Learning Based Image Classification文章目录Attentive CutMix: An Enhanced Data Augmentation Approach for Deep Learning Based Image Classification摘要1 引言2 相关研究3 方法3.1 算法3.2 对CutMix的理论改进4 实验5 结论6 思
2021-05-17 15:00:09
1168
原创 论文阅读：SnapMix
SnapMix: Semantically Proportional Mixing for Augmenting Fine-grained DataAAAI2021解决cutmix对细粒度任务失败的问题进行改进.snapmix是针对细粒度的数据增广技术文章目录SnapMix: Semantically Proportional Mixing for Augmenting Fine-grained Data摘要1 引言2 相关研究3 SnapMix混合图像标签生成4 实验5 结论摘要数据混合
2021-05-11 21:55:18
1121
1
原创 Pytorch中shuffle=True的作用
shuffle=True用于打乱数据集，每次都会以不同的顺序返回。from torch.utils.data import Dataset, DataLoaderclass DataSet(Dataset): def __init__(self, n): self.n = n self.data = [i for i in range(n)] def __len__(self): return self.n def __ge
2021-05-11 16:10:57
24697
2
原创 论文阅读：CutMix
CutMix: Regularization Strategy to Train Strong Classifiers with Localizable FeaturesCutMix：正则化策略来训练具有局部特征的强大分类器，2019ICCV文章目录CutMix: Regularization Strategy to Train Strong Classifiers with Localizable Features摘要1 引言2 相关研究3 CutMix3.1 方法3.2 讨论4 实验4.1 分类
2021-05-10 21:23:13
1559
原创 论文阅读：Interpretable and Accurate Fine-grained Recognition via Region Grouping
Interpretable and Accurate Fine-grained Recognition via Region Grouping通过区域分组实现可解释且准确的细粒度识别。根据，特征图获得每个语义部分的分配图，再计算出每个语义的特征向量，形成特征矩阵，后续变换和分类。文章目录Interpretable and Accurate Fine-grained Recognition via Region Grouping摘要1 引言2 相关研究3 方法3.1 部分分割和正则化部分分配发现部分正
2021-05-04 17:35:29
1537
5
原创 论文阅读：CRA-CNN对比增强的注意力卷积神经网络
Contrastively-reinforced Attention Convolutional Neural Network for Fine-grained Image Recognition个人感觉，这篇论文没有太多创新点，效果也一般般文章目录Contrastively-reinforced Attention Convolutional Neural Network for Fine-grained Image Recognition摘要1 引言2 相关研究3 方法3.1 ART模块3.2
2021-04-29 16:58:35
647
1
原创 论文阅读：Tips and Tricks for Webly-Supervised Fine-Grained Recognition
Tips and Tricks for Webly-Supervised Fine-Grained Recognition: Learning from the WebFG 2020 Challenge偏向于技术报告，比赛总结。这篇论文是我们参加完计图人工智能挑战赛后才看到的，在比赛中加些技巧，说不定可以再提高点名次。看题目就知道是针对web数据，所以脏数据处理是大头，对专门提升模型在标准数据集（CUB、FVGC-Aircraft等）准确度来说不是很有意义，主要是针对比赛来说吧。文章目录Tips a
2021-04-26 17:05:23
273
原创 论文笔记：Towards Robust Fine-grained Recognition by Maximal Separation of Discriminative Features
Towards Robust Fine-grained Recognition by Maximal Separation of Discriminative Features通过 区分特征的最大分离 实现鲁棒的细粒度识别文章目录Towards Robust Fine-grained Recognition by Maximal Separation of Discriminative Features摘要1 引言2 相关研究3 预备阶段：解释对抗攻击4 方法4.1 架构4.2 区分特征分离5 实验6
2021-04-25 21:51:55
458
原创 论文阅读：Grad-CAM
Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization神经网络输出可视化文章目录Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization摘要1 引言2 相关研究3 方法论3.1 Grad-CAM泛化CAM3.2 Guided Grad-CAM3.3 反事实解释（Counterfactual E
2021-04-11 22:22:47
2083
9
原创 论文阅读：Learning Deep Features for Discriminative Localization（CAM）
Learning Deep Features for Discriminative Localization文章目录Learning Deep Features for Discriminative Localization摘要1 引言相关研究*2 类激活图（Class Activation Mapping，CAM）3 弱监督目标定位3.1 实验设置3.2 实验结果4 用于通用定位的深度特征4.1 细粒度识别4.2 模式发现5 可视化特定类别的单位6 总结摘要回顾全局平均池化GAP仅在图像标签级别上
2021-04-10 17:13:50
2992
原创 PyCharm连接Linux服务器运行代码
一、背景刚拿到服务器账号跑模型的时候，和大多数人一样，不知道怎么利用好这个资源。直接在Linux中的pycharm中写代码改代码然后跑，因为肯定是自己的电脑连服务器，由于网络等各方面的原因，会出现很慢之类的问题。在自己电脑上写完再sftp上传到服务器的话，要自己保证两边的同步，通常会服务器这边运行出错改了代码，自己电脑上忘了，这种问题。而Pycharm是能连接远程服务器的，所以记录一下。二、步骤2.1 建立连接设置好服务器的名字和连接方式。2.2 连接配置...
2021-01-19 17:37:52
1548
1
原创 论文笔记：Fine-Grained Visual Classification via PMG Training of Jigsaw Patches
Fine-Grained Visual Classification via Progressive Multi-Granularity Training of Jigsaw Patches文章目录Fine-Grained Visual Classification via Progressive Multi-Granularity Training of Jigsaw Patches0 摘要1 引言2 相关工作3 方法3.1 网络架构3.2 渐进式学习3.3 拼图生成4 实验4.1 细节4.2 比较SO
2021-01-19 11:54:10
2270
2
原创 论文笔记：Selective Convolutional Descriptor Aggregation for Fine-Grained Image Retrieval
Selective Convolutional Descriptor Aggregation for Fine-Grained Image Retrieval文章目录Selective Convolutional Descriptor Aggregation for Fine-Grained Image Retrieval0 摘要1 引言2 相关工作3 方法3.1 预备知识3.2 选择卷积描述符3.3 描述符聚合3.4 多层集成4 实验4.2 细粒度检索性能5 结论选择性卷积描述符聚合用于细粒度图像检
2021-01-16 16:28:45
1950
原创 论文笔记：Piecewise classifier mappings: Learning FG learners for novel categories with few examples
Piecewise classifier mappings: Learning fine-grained learners for novel categories with few examples文章目录Piecewise classifier mappings: Learning fine-grained learners for novel categories with few examples0 摘要1 引言2 相关工作3 方法3.1 学习策略、涉及到的符号3.2 模型特征表示分类器映射网络训
2021-01-15 17:21:24
506
原创 论文笔记：Attribute Mix
Attribute Mix: Semantic Data Augmentation for Fine-grained Recognition文章目录Attribute Mix: Semantic Data Augmentation for Fine-grained Recognition0 摘要1 引言2 相关工作3 方法3.1 属性挖掘3.2 Attribute Mix3.3 Attribute Mix+4 实验4.1 数据集、实现细节4.2 消融实验CUB4.3 SOTA比较5 结论0 摘要At
2021-01-12 22:22:10
903
原创 论文笔记：Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification
Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification from the Bottom Up文章目录Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification from the Bottom Up0 摘要1 引言2 相关工作3 方法3.1 总览3.2 弱监督目标检测和实例分割3.3 互补部分模
2021-01-01 20:30:38
972
2
原创 论文笔记：See Better Before Looking Closer: WS-DAN for Fine-Grained Visual Classification
See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification文章目录See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification0 摘要1 引言2 相关工作3 方法3
2020-12-27 11:21:29
1375
1
转载 LaTeX符号大全-基于lshort-zh-cn
文章目录1、几个注意事项2、文本/数学模式通用符号3、希腊字母4、二元关系符5、二元运算符6、巨算符7、数学重音符号8、箭头9、作为重音的箭头符号10、定界符11、用于行间公式的大定界符12、其他符号13、AMS希腊字母和希伯来字母14、AMS二元关系符15、AMS二元运算符16、AMS箭头17、AMS反义二元关系符和箭头18、AMS定界符19、AMS其它符号1、几个注意事项2、文本/数学模式通用符号3、希腊字母4、二元关系符5、二元运算符6、巨算符7、数学重音符号8、箭头
2020-12-25 20:36:06
856
原创 论文笔记ResNet：Deep Residual Learning for Image Recognition
Deep Residual Learning for Image Recognition文章目录Deep Residual Learning for Image Recognition0 摘要1 引言2 相关工作3 深度残差学习3.1 残差学习*3.2 通过捷径连接实现恒等映射*3.3 网络架构普通网络（34层为例）残差网络（34层，2层残差块）3.4 实现细节4 实验4.1 ImageNet分类任务普通网络*残差网络*捷径连接*深度瓶颈架构（3层残差块）ResNet50ResNet101、ResNet1
2020-12-11 15:37:37
660
原创 论文笔记GoogLeNet：Going Deeper with Convolutions
Going Deeper with Convolutions文章目录Going Deeper with Convolutions0 摘要1 引言2 相关工作3 动机和高级考虑*4 架构细节5 GoogLeNet6 训练策略7 ILSVRC2014分类检测8 结论9 关键代码10 发展（其他论文）GoogLeNet Inception V2Inception V3Inception V40 摘要提出了Inception（深度卷积神经网络架构），是ILSVRC2014分类和检测的冠军特点：在网络内部提
2020-12-11 15:36:15
220
原创 论文笔记VGG：VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITIONVisual Geometry Group，所以叫“VGG”文章目录VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION0 摘要1 引言2 卷积网络配置2.1 架构2.2 配置2.3 讨论3 分类框架3.1 训练细节3.2 测试细节4 分类实验4.1 单尺度测试评估4.2 多尺度测试评估4.
2020-12-11 15:34:50
156
1
原创 论文笔记AlexNet：ImageNet Classification with Deep Convolutional Neural Networks
ImageNet Classification with Deep Convolutional Neural Networks文章目录ImageNet Classification with Deep Convolutional Neural Networks0 摘要1 引言2 数据集*3 架构3.1 ReLU非线性变换3.2 多GPU训练3.3 LRN局部响应正则化3.4 重叠池化3.5 整体架构4 防止过拟合4.1 数据增强4.2 dropout5 细节6 实验6.1 定性评估7 探讨8 关键代码
2020-12-11 15:33:05
187
原创 卷积笔记
卷积神经网络CNN文章目录卷积神经网络CNN零、简单的说明一、卷积运算1.1 卷积操作1.2 特点二、池化2.1 池化的目的2.2 池化运算2.3 局部平移不变性2.4 卷积与池化作为一种无限强的先验三、其他参数3.1 并行卷积3.2 输入值与核3.3 填充3.4 步幅3.5 由标准卷积衍生出的变体四、其他卷积策略4.1 深度可分离卷积4.2 分组卷积4.3 扩张卷积五、典型卷积神经网络结构5.1 LeNet5.2 AlexNet5.3 ZFNet5.4 VGG5.5 GoogLeNet5.6 ResNe
2020-12-11 15:27:15
257
原创 北冥有鱼，化而为鸟
早起的虫儿被鸟吃保外失败是一种怎样的经历。背景说明某985软件学院专业排名第一，拿过国奖，无科研、竞赛经历六月自大一以来，一直以保研为目标，所以在学习上始终很努力。但是真正到这个抉择的时刻，反而退却了，读研真的是我想去做的事情吗，还是说只是为了逃避进入社会儿而找的借口？这段时间在一直闷闷不乐食欲不振，加上因为疫情只能在家里没法像学校和同学交流，整天郁郁寡欢。最后我终于和父母说了想要找工作的打算，我以为他们会说“想好了就去吧”这样之类的话，没想到却是一直坚持我读研，还拿亲戚家的哥哥姐姐举例子，让
2020-10-15 13:14:36
955
4
原创 java五子棋游戏
文章目录概述操作流程扩展概述一个课的实验。这个项目是使用java编写一个五子棋游戏，通过网络进行人人对战，本地进行人机对战。以下是效果展示。主界面：人人对战：人机对战：操作流程执行MainFrame（view包）的main方法开启主界面，这个时候有两个选择：人人对战或者人机对战，点击即可。注意，人人对战之前要先启动服务器（Contorller包下GameServer类），然后进入等待，这个时候新开一个客户端然后选择人人对战即可。扩展可以加入用户注册登录功能，根据战绩划分等级授予勋
2020-08-25 20:12:46
247
使用java编写的五子棋游戏
2020-08-25
java媒体播放器源代码
2020-08-06
山东大学软件学院2018-2019第二学期操作系统试题
2019-06-25
算法设计与分析试题.docx
2019-06-04
山东大学软件学院算法导论复习笔记
2019-06-03
山东大学软件学院数据结构课程设计——22.图的实现与分析1
2019-03-02
山东大学软件学院数据结构实验报告及源码
2019-01-07
山东大学软件学院软件测试实验
2020-09-10
山东大学软件学院智能机器人导论实验
2020-09-10
2019-2020山东大学软件学院项目管理期末试题.docx
2020-09-06
2019-2020第二学期山东大学软件学院软件测试技术期末试题
2020-09-04
山东大学软件学院数据科学导论实验报告
2020-01-12
机器学习实验报告与源码
2019-12-30
2019-2020第一学期软件工程专业 机器学习 试卷 回忆版
2019-12-30
2019-2020第一学期山东大学软件学院人机交互试题
2019-12-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人