”个文件的5个标签 视频显著目标检测 伪标记 半监督方法 深度学习“ 的搜索结果

半监督视频显著目标检测及其在VOS、DAVIS和FBMS数据集上的性能评估

标签：   个文件的5个标签 视频显著目标检测 伪标记 半监督方法 深度学习

     7284基于伪标记的半监督视频显著目标检测闫鹏翔1李冠斌1谢元1，2李振3王传4陈天水1、2 梁琳1、21中山大学2DarkMatter AI研究4旷视科技3香港中文大学（深圳）深圳大数据研究院[email protected]，...

基于深度学习的显著性目标检测方法综述

标签：   深度学习  目标检测  计算机视觉

     本文首先对深度监督学习下的显著性目标检测模型进行了综述，并从检测粒度的角度分类综述了这些方法间的联系及各自的优缺点.然后根据训练图像中标注信息来源的不同，详细阐述了弱监督学习下的网络模型.另外，本文介绍...

结合深度学习的图像显著目标检测

标签：   图像处理 显著目标 神经网络 特征融合 显著图 image pro salient o neural ne feature f salient m

     基于一种改进的跨层级特征融合的循环全卷积神经网络, 提出了一种结合深度学习的图像显著目标检测算法。通过改进的深度卷积网络模型对输入图像进行特征提取, 利用跨层级联合框架进行特征融合, 生成了高层语义特征的...

无监督目标检测、显著度检测（简介）：Unsupervised Object Discovery using Normalized Cut

标签：   深度学习  机器学习  人工智能

     本文提出了一个简单但有效的基于图的无监督目标检测方法，TokenCut。

密集伪标签：用于半监督对象检测的有效方法

标签：   密集伪标签 半监督目标检测 DPL作为密集教师 伪标签形式 监督学习方法

     +v：mala2255获取更多论文arXiv：2207.02541v2 [cs.CV] 2022年7Dense Teacher：用于半监督对象检测的密集伪标签Hongyu Zhou1，3 Yuan，Zheng Ge1 Yuan，Songtao Liu1，Weixin Mao1， 2，Zeming Li1，Haiyan Yu3，and...

伪标记是一种简单的半监督学习方法

标签：   伪标记  半监督  kaggle

     在这篇文章中，我将展示一种称为伪标记的简单半监督学习方法，它可以利用未标记的数据提高您最喜欢的机器学习模型的性能。 伪标签 为了训练具有监督学习的机器学习模型，必须对数据进行标记。这是否意味着未标记...

基于图像级标签及超像素块的弱监督显著性检测

标签：   深度学习 弱监督 显著性检测 超像素

     针对获得训练数据集代价高昂问题，提出了一种用于图像显著性检测的弱监督新方法，在训练网络模型时仅使用图像级标签。方法分为两个阶段，在第一阶段，根据图像级标签训练分类模型，获得前景推断图；在第二阶段，对原...

【CVPR2022 BoostMIS 论文笔记】自适应伪标记和信息主动标注的医学图像半监督学习

标签：   计算机视觉  深度学习  人工智能

     【CVPR2022 BoostMIS 论文笔记】自适应伪标记和信息主动标注的医学图像半监督学习,BoostMIS: Boosting Medical Image Semi-supervised Learning with Adaptive Pseudo Labeling and Informative Active Annotation

深度无监督显著性检测中的多源不确定性挖掘

标签：   深度无监督显著性检测 多源不确定性挖掘 标签生成网络 像素级不确定性图 无监督SOD方法

     11727用于深度无监督显著性检测的多源不确定性挖掘王毅芬1，张文波1，王丽君1*，刘婷3，路沪川1，21大连理工大学，2鹏程实验室，3阿里巴巴集团摘要基于深度学习的图像显著对象检测（SOD）严重依赖于具有逐像素标记的...

深度半监督学习方法总结

标签：   深度学习  神经网络  半监督学习

      为了解决这个问题半监督学习 ( semi-supervised learning) 具有巨大实用价值。 SSL 是监督学习和无监督学习的结合，它使用一小部分标记示例和大量未标记数据，模型必须从中学习并对新示例进行预测。 基本过程涉及...

深度半监督学习中伪标签方法综述

标签：   学习  人工智能  深度学习

     本文以伪标签方法作为切入点展开详细的叙述,该方法旨在标签数据上训练模型,用以预测无标签数据的类别（即伪标签）,再将新生成的伪标签数据扩充训练数据。然而,目前只有少数方法与伪标签方法相结合,而合理的组合策略...

"无标记图像中的重要人物半监督检测方法

标签：   文件研究 重要人物检测 半监督学习 伪标签估计 数据集评估

     4146学习在无标记图像中检测重要人物用于半监督重要人物检测Fa-Ting Hong1，4，5，Wei-Hong Li3，and Wei-Shi Zheng1，2，51中山大学数据与计算机科学学院2鹏程实验室，深圳5180053英国爱丁堡大学信息学院VICO Group...

ECCV2022 | 半监督目标检测新SOTA！PseCo（商汤、南京大学）

标签：   大数据  算法  python

     作者|Herschel 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/572297576点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货...论文题目：PseCo: Pseudo Labeling and Consistency Training for Semi-Supe...

数据不确定性引导的半监督目标检测多阶段学习-王振宇李亚莉*

标签：   目标检测 数据不确定性 半监督方法 学习方法 实验结果

     现有的基于伪标签的半监督方法受噪声影响严重，容易过拟合噪声标签，从而不能很好地学习不同的未标记知识。为了解决这个问题，我们提出了一个数据不确定性引导的多阶段学习方法的半监督目标检测。我们综合考虑不同...

论文解读《基于伪标签自训练的局部对比损失半监督医学图像分割》

标签：   计算机视觉  深度学习  机器学习

     论文解读《Local contrastive loss with pseudo-label based self-training for semi-supervised medical image segmentation》 ...摘要： 基于监督深度学习的方法可以为医学图像分割提供精确的结果。然而，它们需要

深度目标检测中的主动学习和自监督学习方法的标注成本与性能的比较

标签：   标注成本 主动学习 深度神经网络 目标检测 自动标记

      Alvarez21TUM2NVIDIA3CALTECH144920并非所有标签都相等：理性化训练目标检测的标注成本0摘要0深度神经网络在目标检测方面取得了很高的准确性，但其成功取决于大量的标记数据。为了减少对标签的依赖性，已经提出了...

弱监督目标检测中监督的补救：一个弥合WSOD和FSOD差距的新方法

标签：   弱监督目标检测 监督补救 弱图像级标签 半监督对象检测 改善方法

     为了弥合WSOD和FSOD之间的性能和技术差距，本文提出了一个新的框架，监督补救（SoS），其核心思想是利用WSOD中的每个潜在有用的监督信号：弱图像级标签，伪标签和半监督对象检测的能力。本文提出了有效利用这些弱噪

Curriculum Labeling：重新审视半监督学习的伪标签

标签：   深度学习  机器学习  概率论

     Curriculum Labeling (CL)，在每个自训练周期之前重新启动模型参数，优于伪标签 (PL)Pseudo-Labeling (PL) 通过将伪标签应用于未标记集中的样本以在自训练周期中进行模型训练。Curriculum Labeling (CL)中，应用类似...

目标检测YOLO实战应用案例100讲-基于深度学习的遥感目标检测算法FPGA部署实现研究

标签：   深度学习  目标检测  YOLO

     目标检测网络是计算机视觉领域的一个重要研究方向，目前在研究和使用的目标检测网络都是基于深度学习的深度神经网络。基于深度学习的目标检测网络算法大致可以分为两大类，一类是单阶段目标检测网络，一类是二阶段...

目标检测YOLO实战应用案例100讲-无监督领域自适应目标检测方法研究与应用

标签：   目标检测  YOLO  深度学习

     本章首先介绍了本文工作所使用的目标检测框架Faster R­CNN，然后阐述了领域自适应目标检测的相关理论基础，最后介绍本文所用到的目标检测评价指标。Faster R­CNN[10]是经典的两步目标检测模型，该模型提出用RPN来...

基于深度学习的小目标检测方法的调查和性能评估

标签：   深度学习  神经网络

     A survey and performance evaluation of deep learning methods for small object detection 此文为翻译论文,原文地址: ...原文 ...本文综述了近年来发展起来的用于小目标检测的深度学习方法。我们总结

【ICLR 2021】半监督目标检测：Unbiased Teacher For Semi-Supervised Object Detection

标签：   目标检测  深度学习  人工智能

     半监督学习，即同时使用有标记和未标记数据的训练网络，最近取得了重大进展。 然而，现有的工作主要集中在图像分类任务上，而忽略了目标检测。 因此在这项工作中，作者重新讨论了半监督对象检测（SSOD），并确定了...

3D目标检测学习笔记

标签：   计算机视觉  深度学习  目标检测

     ​博主初学3D目标检测，此前没有相关学习背景，小白一枚～现阶段的学习重点是点云相关的3D检测。 本文是阅读文章：3D Object Detection for Autonomous Driving: A Review and New Outlooks 后的学习笔记和总结。...

半监督学习（主要伪标签方法）

标签：   学习  机器学习  深度学习

     目前许多研究的假设都是利用聚类假设而进行训练的，这些方法都基于一个概念，即如果给一个无标签样本增加扰动，那么扰动数据的预测和原数据的预测不会有明显的改变，在聚类假设下，具有不同真实标签的数据点应当在低...

基于软教师的端到端半监督目标检测方法及其性能改进

标签：   教师网络 伪标签质量 盒抖动方法 标记数据比例

     3060基于软教师的端到端半监督目标检测徐梦德1†*郑章1，2*‡韩虎2‡王建峰2王丽娟2魏芳云2白翔1刘自成21华中科技大学{mdxu，xbai}@ hust.edu.cn，[email protected]{zhez，hanhu，jianfw，lijuanw...

目标检测YOLO实战应用案例100讲-基于深度学习的无人机小目标检测

标签：   目标检测  YOLO  深度学习

     同时，在无人机大量使用的背景下，其拍摄的图像和视频中包含用户感兴趣的小目标。在公开数据集中，一般认为小于32×32像素的目标为小目标。如果所有小目标检测都是手动执行的，则会消耗大量的人力和资源。

重新分配偏置的伪标签用于半监督语义分割：DARS方法的基线调查

标签：   自训练 偏倚的伪标签 半监督语义分割 分布对齐和随机采样

     69300重新分配偏倚的伪标签用于半监督语义分割：一个基线调查0Ruifei He 1, 2 * , Jihan Yang 1 � , Xiaojuan Qi 1 †01 香港大学 2 浙江大学[email protected], { jhyang, xjqi } @eee.hku....

目标检测YOLO实战应用案例100讲-基于深度学习的光学遥感图像目标检测及价值评估

标签：   深度学习  目标检测  YOLO

     受益于我国科学技术的不断进步，光学遥感成像技术取得了长足发展，创造了大量可供学习和研究的高质量光学遥感图像。...光学遥感图像的目标检测是对光学遥感图像的重要研究与应用方向之一，目的是从给定的图。

目标检测YOLO实战应用案例100讲-基于深度学习的自动驾驶目标检测算法研究

标签：   目标检测  YOLO  深度学习

     近年来，随着人工智能技术以及车载感知器件的快速发展，国内外许多传统汽车企业与互联网巨头强强联手，开始在自动驾驶的战场上布局。如图1-1所示,百度、特斯拉、谷歌以及华为等科技公司已经在自动驾驶领域取得了阶段...

多源弱监督显著性检测

标签：   多源弱监督显著性检测 统一框架 分类网络和上限网络

     6074多源弱监督显著性检测曾宇1，诸葛云智1，卢沪川1，张立和1，钱明阳1，于一舟21大连理工大学2Deepwise AI Lab，中国zengyu@mail....为此，我们提出了一个统一的框架来训练具有不同弱监督源的显著性检测模型。在本文

推荐文章