Generalized 第2页

Generalized Focal Loss：Focal loss魔改以及预测框概率分布，保涨点 | NeurIPS 2020

为了高效地学习准确的预测框及其分布，论文对Focalloss进行拓展，提出了能够优化连续值目标的GeneralizedFocalloss，包含QualityFocalloss和DistributionFocalloss两种具体形式。QFL用于学习更好的分类分数和定位质量的联合表示，DFL通过对预测框位置进行general分布建模来提供更多的信息以及准确的预测。从实验结果来看，GFL能够所有one-

ronghuaiyang·2023-01-17 08:49

Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection

论文地址：https://arxiv.org/abs/2006.04388论文代码：https://github.com/implus/GFocal一阶段检测器基本将目标检测定义为密集的分类和定位(即包围框回归)。分类通常采用FocalLoss优化方法，锚框定位通常在狄拉克分布下学习。一阶段检测器最近的一个趋势是引入单个预测分支来估计定位质量，其中预测的质量有助于分类，从而提高检测性能。本文探讨了

小小小~·2023-01-17 08:48

改进YOLOv5系列：NeurIPS顶会论文，模型无损涨点｜首发最新改进广义焦点损失Generalized Focal Loss，将焦点损失从其离散形式推广到连续形式，以实现成功优化

该教程为改进进阶指南，包含大量的原创首发改进方式,所有文章都是全网首发原创改进内容本篇文章基于YOLOv5、YOLOv7芒果改进YOLO系列：芒果改进YOLOv5系列：NeurIPS顶会论文｜首发最新改进GeneralizedFocalLoss广义焦点损失，将焦点损失从其离散形式推广到连续形式，以实现成功优化，让模型无损涨点、打造全新YOLOv5检测器。重点：有不少同学已经反应专栏的教程提供的网络

芒果汁没有芒果·2023-01-17 08:47

目标检测无痛涨点之 Generalized Focal Loss V2

本文转载自知乎，已获作者授权转载，请勿二次转载。链接：https://zhuanlan.zhihu.com/p/313684358?老规矩，还是一句话总结：本文应该是检测领域首次引入用边界框的不确定性的统计量来高效地指导定位质量估计，从而基本无cost（包括在训练和测试阶段）地提升one-stage的检测器性能，涨幅在1~2个点AP。又是一个超超超良心技术，欢迎各位看官试用~-----------

我爱计算机视觉·2023-01-17 08:17

目标检测：Generalized Focal Loss（NIPS2020）

GeneralizedFocalLoss:LearningQualifiedandDistributedBoundingBoxesforDenseObjectDetectionCCF-AXiangLi/WenhaiWang/LijunWu/ShuoChen/XiaolinHu/JunLi/JinhuiTang/JianYangarXiv:ComputerVisionandPatternRecogn

cartes1us·2023-01-17 08:16

目标检测：Generalized Focal Loss V2（CVPR2020）

GeneralizedFocalLossV2:LearningReliableLocalizationQualityEstimationforDenseObjectDetectionCCF-AXiangLiWenhaiWangXiaolinHuJunLiJinhuiTangJianYangcomputervisionandpatternrecognitionarXiv:ComputerVision

cartes1us·2023-01-17 08:16

大白话讲解 Generalized Focal Loss

点击上方“机器学习算法那些事”，选择加"星标"或“置顶”重磅干货，第一时间送达作者丨李翔来源丨https://zhuanlan.zhihu.com/p/147691786编辑丨AIstudy导读效果：良心技术，别问，问就是无cost涨点一句话总结：基于任意one-stage检测器上，调整框本身与框质量估计的表示，同时用泛化版本的GFocalLoss训练该改进的表示，无cost涨点（一般1个点出头）

机器学习算法那些事·2023-01-17 08:45

CVPR 2022：Generalized Few-shot Semantic Segmentation 解读

文章目录1前言2概述3GFS-Seg和FS-Seg的Pipeline区别4TowardsGFS-Seg5上下文感知原型学习（CAPL）6实验7结论8参考链接1前言之前已经有过关于小样本语义分割的论文解读，关于如何用Transformer思想的分类器进行小样本分割，链接见：https://mp.weixin.qq.com/s/YVg8aupmAxiu5lGTYrhpCg。本篇是发表在CVPR2022

李响Superb·2023-01-14 15:51

【论文速递】CVPR2022 - 泛化的小样本语义分割

GeneralizedFew-shotSemanticSegmentation获取地址：https://openaccess.thecvf.com/content/CVPR2022/papers/Tian_Generalized_Few-Shot_Semantic_Segmentation_CVPR

凤⭐尘·2023-01-14 15:48

IoU系列（IoU, GIoU, DIoU, CIoU）

写在前面一、IoU（IntersectionoverUnion）1.1IoU的优点1.2作为损失函数会出现的问题(缺点)二、GIoU（Generalized）三、DIoU四、CIoU总结写在前面沉寂一段时间

Panbohhhhh·2023-01-12 20:55

GIOU LOSS pytoch代码

具体请参考：generalized-iou/Detectron.pytorch主要代码：x1,y1,x2,y2=bbox_transform(output,transform_weights)x1g,y1g

农夫山泉2号·2023-01-12 18:56

GIOU、DIOU、CIOU

1GIOU论文：https://arxiv.org/abs/1902.09630代码：https://github.com/generalized-iou/g-darknet1.1摘要IOU是目标检测中的度量标准

cdknight_happy·2023-01-12 18:34

说话人验证论文翻译：Generalized end-to-end loss for speaker verification

论文地址：2018_说话人验证的广义端到端损失论文代码：GeneralizedEnd-to-EndLossforSpeakerVerification地址：说话人验证论文翻译：Generalizedend-to-endlossforspeakerverification-凌逆战-博客园作者：凌逆战摘要在本论文中，我们提出了一种新的损失函数，称为广义端到端(generalizedend-to-end

凌逆战·2023-01-12 11:51

Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression

广义相交：边界框回归损失度量（解读）（原论文）IoU不能作为损失函数的原因:IoU在边界框与坐标轴对齐的情况下，可以用作回归损失。但是存在一种情况，当预测框与真实框不重叠的情况下，用IoU作为损失函数是不可行的。因为IoU是预测框A与真实框B的交并比，即IoU=|A∩B|/|A∪B|，如果预测框与真实框不重叠，那么A∩B=0，则IoU=0。此时继续进行迭代，剃度为0，不能优化参数，该损失函数完全失

肥羊汤·2023-01-12 07:18

generalized focal loss之quality focal loss（附代码）

参见paper其中包含有QualityFocalLoss和DistributionFocalLoss。先来说一下QualityFocalLoss,在这之前，先要了解一下FocalLoss,在这篇文章里有写过。它主要是解决classimbalance，同时降低容易分类的weight，使训练更集中到难分类的上面我们从crossentropy入手：crossentropy的公式如下：把其中的y=1时为p

蓝羽飞鸟·2023-01-11 10:59

Single-Domain Generalized Object Detection in Urban Scene(CVPR 22) 论文笔记

本文主要研究如何提高目标检测器的泛化能力。作者考虑一个现实的但具有挑战性的场景，即单域广义目标检测(Single-DGOD)，其目的是学习一个目标检测器，在许多看不见的目标域上表现良好，只有一个源域进行训练。对于Single-DGOD，提取包含对象本质特征的域不变表示(DIR)非常重要，这有利于提高对不可见域的鲁棒性。因此，我们提出了一种方法，即循环分离自我蒸馏，在没有领域相关注释(例如，领域标签

吃土男孩_·2023-01-10 11:19

Single-Domain Generalized Object Detection in Urban Scene via Cyclic-Disentangled Self-Distill阅读笔记

(一)Title论文来源CVPR2022代码地址:https://github.com/AmingWu/Single-DGOD(二)Summary研究背景:在本文中考虑的问题是Single-DomainGeneralizedObjectDetection(Single-DGOD),Single-DGOD解决的是tolearnadetectorthatperformswellonmanyunseen

不知道叫啥好一点·2023-01-10 11:15

ISPRS22 Generalized few-shot object detection in remote sensing images

Generalizedfew-shotobjectdetectioninremotesensingimagesReadPaper地址：点击这里Code地址：点击这里期刊：中科院大类一区，遥感小类也是一区，2022年影响因子11.7741.Motivation1）地理空间目标具有较大的类内多样性和较小的类间可分性；2）目前很多少样本目标检测算法更多关注新类的性能，而忽略在基类的效果，即会产生遗忘灾难

松阁~·2023-01-05 02:35

Contrastive Embedding for Generalized Zero-Shot Learning(广义零试学习的对比嵌入（CE-GZSL)_

目录整体框架实例级对比嵌入类级对比嵌入GZSL分类器数据集结论广义零试学习（GZSL）的目标是在只提供可见类中的标记示例的情况下，从可见类和不可见类中识别对象。最近的特征生成方法学习了一种生成模型，该模型可以合成不可见类的缺失视觉特征，以缓解GZSL中的数据不平衡问题。然而，由于原始视觉特征空间缺乏鉴别信息，因此对于GZSL分类来说，它是次优的。为了解决这个问题，建议将生成模型与嵌入模型相结合，生

搬砖小孩Superme·2023-01-01 08:45

NeurIPS2020 Generalized Focal Loss论文翻译

NeurIPS2020GeneralizedFocalLoss论文翻译摘要1.介绍2.相关工作3.方法4.实验5.结论参考论文地址：GeneralizedFocalLoss:LearningQualifiedandDistributedBoundingBoxesforDenseObjectDetection作者解读：https://zhuanlan.zhihu.com/p/147691786摘要o

Laughing-q·2022-12-29 11:46

2020-01-03 CVPR 2020 Self-supervised Domain-aware Generative Network for Generalized Zero-shot Learn

自监督生成广义零样本摘要动机方法-SDGN3.3.Cross-DomainFeatureGeneratingModule(CDFGM)3.4.Self-supervisedLearningModule(SLM)3.5.ModelTrainingandPrediction3.6.Discussions实验对比实验消融实验疑问CVPR2020Self-supervisedDomain-awareGen

一亩高粱·2022-12-20 18:19

多模态 Generalized Visual Language Models

点击上方“迈微AI研习社”，选择“星标★”公众号重磅干货，第一时间送达多年来，人们一直在研究处理图像以生成文本，例如图像字幕和视觉问答。传统上，此类系统依赖对象检测网络作为视觉编码器来捕获视觉特征，然后通过文本解码器生成文本。鉴于现有的大量文献，在这篇文章中，我想只关注解决视觉语言任务的一种方法，即扩展预训练的通用语言模型以能够消费视觉信号。我将此类视觉语言模型(VLM)大致分为四个类别：将图像转

Charmve·2022-12-15 22:16

论文笔记:TEACHTEXT: CrossModal Generalized Distillation for Text-Video Retrieval

跨模态广义蒸馏的文本-视频检索摘要介绍动机文本嵌入集合展示方法TEACHTEXT算法4.3.相似矩阵的学习学生模型老师模型结论摘要近年来，通过对视频和音频数据集进行大规模的预训练来构建强大的视频编码器，文本视频检索的任务取得了长足的进展。相比之下，尽管存在自然对称性，但开发大规模语言预训练的有效算法的设计仍有待探索。在这项工作中，我们首先研究了此类算法的设计，并提出了一种新的广义提取方法TEACH

帅帅梁·2022-12-10 04:35

点云配准各种方法总结

PointsCongruentSets，4PCS）Super4PCS(Super4-PointsCongruentSets)SK-4PCS（SemanticKeypoint4-PointsCongruentSets）G-4PCS（Generalized4

朽木白露·2022-12-07 05:21

语义分割中常用的损失函数

目前，语义分割种常用的损失函数包括crossentropy,generalized

八十八岁扶墙敲码·2022-12-06 23:59

A Generalized Extended Kalman Filter Implementation for the Robot Operating System 翻译

Author：三木之杨Date：2021.09.02Keywords:融合定位、IMU、GPS、Odom、EKF、UKFDescription：这是robotlocalization包的论文，旨在通过论文了解该包原理，后续会有具体的源码分析及包的具体使用。目录摘要I.INTRODUCTIONII.MOTIVATIONIII.EXTENDEDKALMANFILTERNODEA.ExtendedKal

无用之用@·2022-12-05 13:49

CVPR2019:Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression

摘要IntersectionoverUnion(IoU)isthemostpopularevaluationmetricusedintheobjectdetectionbenchmarks.However,thereisagapbetweenoptimizingthecommonlyuseddistancelossesforregressingtheparametersofaboundingbox

东升董事长·2022-12-03 15:17

[文章阅读] EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object ...

CVPR2022论文链接源代码：Github1速读1.1论文试图解决什么问题？这是否是一个新的问题？试图解决：基于PnPDE的单目物体位姿估计，需要获得图像中点的3D深度（通过深度网络之类的方法）以及2D-3D之间的关联，然后通过PnP求解得到物体位姿；而PnP本质上不可导，使得无法通过反向传播位姿的误差训练网络；文章通过将求解位姿转换为预测位姿的概率密度解决这一问题，实现了基于位姿真值的端到端训

感天动地大白狗·2022-12-03 11:38

Generalized Focal Loss(GFLv1)论文理解与代码分析

GFLv1是较早提出在训练和推理过程中，质量评估和分类不一致问题的论文。质量与分类往往被独立训练，（yolo输出中，有独立的一个维度用于目标的置信度评估，在训练时与分类解耦；fcos，atss则利用centerness作为质量评估，同样也与分类解耦），但在test过程中却被相乘联合使用。监督只分配给正样本，但有时候负样本可能会提供更高质量的监督，必然会存在一部分分数较低的“负样本”的质量预测是没有

小小小绿叶·2022-12-02 16:14

广义线性模型（Generalized Linear Model）

转载于：广义线性模型（GeneralizedLinearModel）-肉鹅阿笨-博客园(cnblogs.com)1.指数分布族我们在建模的时候，关心的目标变量Y可能服从很多种分布。像线性回归，我们会假设目标变量Y服从正态分布，而逻辑回归，则假设服从伯努利分布。在广义线性模型的理论框架中，则假设目标变量Y则是服从指数分布族，正态分布和伯努利分布都属于指数分布族，因此线性回归和逻辑回归可以看作是广义线

aichener2·2022-12-02 14:20

广义线性模型（Generalized linear model）

终于，对该concept有了一个初步且较为完整的理解了！本文为学习医咖会小课堂中《广义线性模型-stata教程》记录。对于数学原理，我没有深究，主要目的是为了理解glm是个啥？在广义线性模型中，相比简单线性模型，这是对因变量Y进行了变换，使变换后的Y和X呈线性关系分类：简单广义线性回归（simpleglm）；多元广义线性回归（multipleglm）其中，X可以是各种类型的变量（连续、分类）需要考

AbigaleXinn·2022-12-02 14:19

【步态识别】GaitGL 算法学习《Gait Recognition via Effective Global-Local Feature Representation and Local Temp》

（GlobalandLocalFeatureExtractor,GLFE）3.3特征图（FeatureMapping）3.3.1时间池化（TemporalPooling,TP）3.3.2广义平均池化（Generalized-Meanpooling

一只菟葵·2022-12-02 13:06

论文阅读13 | AGW: A New Baseline for Single-/Cross-Modality Re-ID

（2）Generalized-mean(

Hygge MrYang·2022-12-02 11:10

广义平均（Generalized Mean, GeM）

广义平均（GeneralizedMean,GeM）该操作来自图像检索方向的一篇文章，感兴趣的请移步：MultiGrain:aunifiedimageembeddingforclassesandinstances文中采用了一个generalizedmeanpooling（GeM）layer，具体形式如下：e=[(1∣Ω∣∑u∈Ωxcup)1p]c=1…Ce=\left[\left(\frac{1}{

__init__:·2022-12-02 11:06

Learning Generalized Spoof Cues for Face Anti-spoofing

LearningGeneralizedSpoofCuesforFaceAnti-spoofingpaperPDF文章目录IntorductionInnovationMethodAnomalydetectionResiduallearningSpoofcueGeneratorRegressionlossMetricLearningAuxiliaryClassifierTrainandTestingE

zcx_language·2022-11-30 19:04

Generalized Morphological Component Analysis for Hyperspectral Unmixing

X.Xu,J.Li,S.LiandA.Plaza,"GeneralizedMorphologicalComponentAnalysisforHyperspectralUnmixing,"inIEEETransactionsonGeoscienceandRemoteSensing,vol.58,no.4,pp.2817-2832,April2020,doi:10.1109/TGRS.2019.295

m0_51414342·2022-11-30 13:55

XLNet(Generalized Autoregressive Pretraining for Language Understanding) 论文笔记

目录1.论文简介1.1自回归语言模型和自编码语言模型(AR:autoregressive)2.2自编码语言模型(AE:autoencoding)2.两个模型（AR与AE）的优缺点分别为：2.1.独立假设2.2输入噪声2.3双向上下文3.XLNet贡献或主要改进3.2排列语言模型(PermutationLanguageModeling)3.2双流自我注意力结构(Two-StreamSelf-Atte

茫茫人海一粒沙·2022-11-23 05:43

Augmented semantic feature based generative network for generalized zero-shot learning

Accepted14April2021（NeuralNetworks）目录1.摘要2.思想3.创新与贡献4.增强语义4.1学习拓展语义性4.2可见类语义增强4.3不可见类语义增强5.视觉特征生成5.1VAE模块5.2WGAN模块5.3模式崩溃缓解模块5.4特征可分离约束模块6.实验6.1GZSL6.2ZSL设置下的Top-1准确度6.3数据集CUB和SUN消融实验结果7.总结1.摘要零样本学习(Z

all-izz-well·2022-11-23 01:56

Contrastive Embedding for Generalized Zero-Shot Learning：广义零样本学习的对比嵌入

CVPR2021paper目录1.摘要2.思想3.创新与贡献4.问题的引出与模型图5.框架5.1混合GZSL框架5.2实例级对比嵌入5.3类级别对比嵌入6.实验6.1GZSL6.2ZSL6.3组成分析6.4可视化7.总结1.摘要广义零样本学习（GZSL）的目标是当只提供可见类的已标记示例来识别可见类和不可见类的对象。生成模型可以合成不可见的类中缺失的视觉特征，以减轻GZSL中的数据不平衡问题。然而

all-izz-well·2022-11-22 13:04

learn to Adapt for Generalized Zero-shot Text Classification

第一天摘要学习步骤翻译—将引用文献的模型及解决的问题大致了解下——构建文章分析思路—了解框架——全部将其搞定都行啦的样子与样子，后续再自己斟酌，全部将其搞定都行啦的理由与打算。（后续再补充）争取一篇文章，把所有相关领域的全貌都了解以下，全部搞清楚都行啦的样子与打算。摘要生成式零样本文本分类目的是分类文本实例在已有的可见类别和逐渐增加的不可见类别。许多现存的方法效果很差，因为学习的参数仅能够优化可见

big_matster·2022-11-22 12:01

[论文阅读] BoxPolyp: Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations

[论文地址][代码][MICCAI22]Abstract准确的息肉分割对结直肠癌的诊断和治疗具有重要意义。然而，由于产生准确的mask注释的成本很高，现有的息肉分割方法存在严重的数据短缺和模型泛化受损的问题。反之，粗略的息肉边界盒注释更容易获得。因此，在本文中，我们提出了一个提升的BoxPolyp模型，以充分利用准确的mask和额外的coarseboundingbox注释。在实现中，box注释被应

xiongxyowo·2022-11-16 13:16

信号处理之声源定位

（2）广义互相关方法（generalized

chinabing·2022-10-16 13:07

论文阅读《Revisiting Domain Generalized Stereo Matching Networks from a Feature Consistency Perspective》

论文地址：https://github.com/jiaw-z/FCStereo源码地址：https://arxiv.org/pdf/2203.10887.pdf概述虽然目前立体匹配网络能取得不错的效果，但在跨域预测时的效果并不佳。在跨域预测过程中，保持匹配像素之间的特征一致性是提高立体匹配网络泛化能力的关键因素。为此，本文提出了像素级的对比学习，使用立体对比特征损失（Thestereocont

CV科研随想录·2022-10-13 07:14

纵向数据的分析方法之广义估计方程

英文教程地址https://data.library.virginia.edu/getting-started-with-generalized-estimating-equations/广义估计方程和混合效应模型及多水平模型的区别如下

灵活胖子的进步之路·2022-10-02 09:02

Learning Generalized Spoof Cues for Face Anti-spoofing论文解读及复现笔记

Paperlink:https://arxiv.org/abs/2005.03922Codelink:https://github.com/VIS-VAR/LGSC-for-FAS简介:最近读到了一篇百度在人脸活体领域的新作LGSC，感觉思路相当清奇，从异常检测的角度来解决活体问题，假设活体样本具有某种共同属性，属于一个closed-set，而攻击样本作为这个活体closed-set意外的异常，属

小克s·2022-08-20 07:58

【论文翻译】论文中英对照翻译--（Learning Generalized Deep Feature Representation for Face Anti-Spoofing）（其一）

【开始时间】2018.10.23【完成时间】2018.10.25【论文翻译】论文中英对照翻译--（LearningGeneralizedDeepFeatureRepresentationforFaceAnti-Spoofing）（其一）【中文译名】人脸反欺骗的广义深层特征表示【论文链接】论文链接【说明】此论文较长，本人将它分为了两部分，这是前半部分【补充】1）论文的发表时间是：2018年5月14日

C小C·2022-08-18 07:16

论文阅读笔记《Generalized and Incremental Few-Shot Learning……》

GeneralizedandIncrementalFew-ShotLearningbyExplicitLearningandCalibrationwithoutForgetting0第一次写CSDN博客，记录一下自己看过的论文本论文出自ICCV20211对论文的理解这篇文章主要是解决了一个generalizedfew-shotlearning(GFSL)的一个问题，GFSL是在baseclass的

痛却不说话·2022-03-15 07:33

强化学习的学习之路（四十八）2021-02-17 GAE（Generalized Advantage Estimation）

作为一个新手，写这个强化学习-基础知识专栏是想和大家分享一下自己学习强化学习的学习历程，希望对大家能有所帮助。这个系列后面会不断更新，希望自己在2021年能保证平均每日一更的更新速度，主要是介绍强化学习的基础知识，后面也会更新强化学习的论文阅读专栏。本来是想每一篇多更新一点内容的，后面发现大家上CSDN主要是来提问的，就把很多拆分开来了（而且这样每天任务量也小一点哈哈哈哈偷懒大法）。但是我还是希望

Chou_pijiang·2022-03-12 07:08

Out-of-Distribution Detection for Generalized Zero-Shot Action Recognition

AbstractGeneralizedzero-shotactionrecognitionisachallengingproblem,wherethetaskistorecognizenewactioncategoriesthatareunavailableduringthetrainingstage,inadditiontotheseenactioncategories.Existingappr

bxg1065283526·2022-02-21 07:21

广义霍夫变换

的实现更合理，更符合逻辑，代码可读性也高https://en.m.wikipedia.org/wiki/Generalised_Hough_transformhttp://www.itriacasa.it/generalized-hough-transform

sureironNerd·2022-02-19 03:26

推荐频道

Generalized