Weakly 第3页

【论文阅读】Regional Semantic Contrast and Aggregation for Weakly Supervised Semantic Segmentation

论文标题：RegionalSemanticContrastandAggregationforWeaklySupervisedSemanticSegmentation作者信息：代码地址：https://github.com/maeve07/RCA.gitAbstract弱监督分割是一个非常具有挑战的任务。很多方法从单个图像或者图像对获得相对有限的语义标注信息。作者提出来使用弱标签的训练集数据进行丰富

阿委困的不能行·2022-10-19 14:19

【论文阅读】Cross Language Image Matching for Weakly Supervised Semantic Segmentation

这篇论文是CLIP模型较早的在弱监督分割上应用的论文。论文标题：CrossLanguageImageMatchingforWeaklySupervisedSemanticSegmentation作者信息：代码地址：https://github.com/CVI-SZU/CLIMSAbstract（CAM的缺点）CAM只激活个别类别的对象区域，并且经常错误的把很多相似的区域也包含进来。（WSSS的缺点

阿委困的不能行·2022-10-19 14:19

学习汇报汇报

学习内容：1、DefectGAN:Weakly-SupervisedDefectDetectionusingGenerativeAdversarialNetwork（GAN的半监督方法进行缺陷检测）2、

ZZE15832206526·2022-10-07 13:02

【cvpr-论文笔记】《Seed, Expand and Constrain: Three Principles for Weakly-Supervised Image Segmentation》

目录文章概述符号解读核心思路SeedinglosswithlocalizationcuesExpansionlosswithglobalweightedrankpoolingConstrain-to-boundaryloss训练与反向传播研究相关测试方法实验方法现有不足本文记录弱监督语义分割领域论文笔记《Seed,ExpandandConstrain:ThreePrinciplesforWeakl

想吃可爱多_·2022-10-06 07:24

近年多示例论文阅读(3): Efficient multi-kernel multi-instance learning using weakly supervised and imbalanced

目录基本信息1.主要思想1.1摘要1.1.1目标1.1.2方法1.1.3结果1.2引言基本信息题目:使用弱监督和不平衡数据进行糖尿病视网膜病变诊断的高效多核多示例学习等级:2018年发表在医学顶刊ComputerizedMedicalImagingandGraphics(CMIG)。代码:暂无bib:@article{cao2018efficient,title={Efficientmulti-k

starplus酱·2022-09-19 11:30

Semi and Weakly Supervised Semantic Segmentation Using Generative Adversarial Network

SemiandWeaklySupervisedSemanticSegmentationUsingGenerativeAdversarialNetwork3.3WeaklySupervisedlearningusingConditionalGenerativateAdversarialNetworksGAN的最近扩展是条件GAN[16]，其中向发生器和鉴别器提供额外信息（例如，图像类标签）以驱动发生

而濡木染·2022-09-10 07:12

DISCOBOX: Weakly Supervised Instance Segmentation and Semantic Correspondence from Box Supervision

0.AbstractWeintroduceDiscoBox,anovelframeworkthatjointlylearnsinstancesegmentationandsemanticcorrespondenceusingboundingboxsupervision.Speciﬁcally,weproposeaself-ensemblingframeworkwhereinstancesegmen

LiBiGo·2022-09-07 10:08

Learning Affinity from Attention End-to-End Weakly-Supervised Semantic Segmentation withTransformers

LearningAffinityfromAttention:End-to-EndWeakly-SupervisedSemanticSegmentationwithTransformers来源：CVPR2022，武汉大学、京东、悉尼大学导言本文是一篇做自然图像弱监督语义分割的论文，利用图像级的类别标签来实现像素级的语义分割。文中方法采用了基于transformer模块作为骨干网络，利用分类网络各类别

Yeelinsen·2022-09-01 07:27

【论文笔记】Tensor Completion for Weakly-dependent Data on Graph for Metro Passenger Flow Prediction

论文笔记目录前言IntroductionLiteratureReviewFormulationExperimentsConclusionandFutureWork前言最近有荔枝要成为最有钱途的科研小哥，哼！所以开始了苦逼的科研生活，所以需要分享我的论文笔记，并且希望能够跟众大科研学者沟通交流以及多多请教！好了话不多说开始本次第一个论文笔记分享。首先分享一下这篇论文的摘要内容，这篇文章的摘要主要讲了

BOLD-Rainbow·2022-07-01 07:38

TS-CAM: Token Semantic Coupled Attention Map for Weakly Supervised Object Localization

TS-CAM：由VisionTransformer架构产生CAM类别激活图的一种方法文章目录TS-CAM：由VisionTransformer架构产生CAM类别激活图的一种方法前言一、论文链接和代码链接以及重新训练模型得到可视化结果二、TS-CAM论文是如何由VisionTransformer得到类别激活图的？1.embedding层2.transformerencoder层+Conv2dhead

宇宙小琦·2022-06-06 07:56

isa 指针

isa指针表示的内容变得更为丰富，除了表明对象属于哪个类之外，还附加了引用计数extra_rc，是否有被weak引用标志位weakly_referenced，是否有附加对象标志位has_assoc等信息

姜涛12345·2022-02-19 20:11

(D3DFR)Accurate 3D Face Reconstruction with Weakly-Supervised Learning From Single Image to Image...

亮点：主要是提出了通过同一人多张图来生成更精细的人脸3D模型的方案，主要框架是基于3DMM的。Lambertiansurface-朗伯面：即入射光会向所有方向均匀反射，也即漫反射的期望状态sphericalharmoniclighting-球谐光照：就是用来模拟光照的一个方案。类似于傅里叶变换，将一个复杂的函数分解为多个正交的基底函数，通过计算他们的系数来获得最终的结果。主要目的是为了快速模拟复杂

深蓝蓝蓝蓝蓝·2022-01-05 12:03

行人属性数据集pa100k_人物属性小结

关于行人属性的开源代码资源，主要就Weakly-supervisedLearningofMid-levelFeaturesforPedestrianAttributeRecognitionandL

曲继风·2020-12-29 04:46

Improving Facial Attribute Prediction using Semantic Segmentation, in arxiv 2017.04

笔者最近在关注fine-grained方面的paper，发现有以下的方面去做：1part-based2weakly-supervised的，如second-orderlesspooling（CompactBilinearPooling

_menglan_Zi·2020-09-14 16:25

CTF中常见的 PHP 弱类型漏洞总结

%E6%BC%8F%E6%B4%9E/https://www.cnblogs.com/Mrsm1th/p/6745532.htmlhttps://blog.spoock.com/2016/06/25/weakly-typ

weixin_30569001·2020-09-14 16:42

【论文阅读】RepNet: Weakly Supervised Training of an Adversarial Reprojection Network for 3D-HPE,CVPR2019

摘要：简单的神经网络只会记忆训练集中2D与3D的拟合坐标，而不会考虑其真正的投影关系。因此本文利用GAN学习3D坐标的同时学习相机参数，通过重投影损失，降低直接估计的过拟合问题。该方法能对未知数据具有很好泛化能力。一、介绍模型包含三部分,输入到3Dpose输出的生成器，判别3Dpose是否合理可行的判别器，以及学习相机参数的NN。其中，判别器不仅记忆了来自数据集的3Dpose，还能有效学习到判断合

睡觉不准打呼噜·2020-08-26 23:01

【CVPR 2016】Weakly Supervised Deep Detection Networks

【CVPR2016】WSDDN结构实验结构先学习一下SPP(spatialpyramidpooling)，如下图所示，在R-CNN中，进入卷积层之前必须对图片进行crop或者warp以保证大小相同(因为有全连接层)，但是这样不仅会影响识别精度，而且检测的速度也很慢，因为原始图片经过crop或者warp后得到的图片会重复使用卷积网络计算featuremaps，但是SPP只计算一次原始图像的featu

Hanawh·2020-08-26 23:47

论文阅读学习 - CurriculumNet: Weakly Supervised Learning from Large-Scale Web Images

原文：论文阅读学习-CurriculumNet:WeaklySupervisedLearningfromLarge-ScaleWebImages-AIUAI论文：CurriculumNet:WeaklySupervisedLearningfromLarge-ScaleWebImages-ECCV2018作者：ShengGuo,WeilinHuang,HaozhiZhang,ChenfanZhuan

AIHGF·2020-08-26 23:15

聊聊SWIM Protocol

序本文主要研究一下SWIMProtocolSWIMProtocolSWIM的全称是Scalable,Weakly-Consistent,Infection-Style,ProcessesGroupMembershipProtocolheartbeats

codecraft·2020-08-24 15:40

【点云识别】Weakly Supervised Semantic Point Cloud Segmentation: Towards 10x Fewer Labels(CVPR 2020)

WeaklySupervisedSemanticPointCloudSegmentation:Towards10xFewerLabels本文介绍一篇cvpr2020里面关于点云弱监督分割的文章。论文目前还没有开源代码1.问题点云的弱监督分割2.思想根据弱监督的特点，提出了incompletesupervisionbranch和inexactsupervisionbranch。同时，作者认为任何一个

orientliu96·2020-08-17 20:53

Weakly Supervised Data Augmentation Net-work (WS-DAN)

WeaklySupervisedDataAugmentationNet-work(WS-DAN)原文：WeaklySupervisedDataAugmentationNet-work(WS-DAN)（Huetal.,“SeeBetterBeforeLookingCloser:WeaklySupervisedDataAugmentationNetworkforFine-GrainedVisualCl

Moon00zz·2020-08-17 17:12

《STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation》笔记

《STC:ASimpletoComplexFrameworkforWeakly-supervisedSemanticSegmentation》笔记学习笔记，如有谬误，还请不吝赐教！解决的问题以及方法框架及细节InitialDCNNEnhanced-DCNNPowerful-DCNN后记学习笔记，如有谬误，还请不吝赐教！解决的问题以及方法Imagelevel的弱监督分割算法，从简单的背景简单、前景单

lytxiaohou·2020-08-16 07:05

[综述]弱监督动作定位Weakly Supervised Temporal Action Localization 论文阅读

今天开始要正式做ActionLocalization方向的研究了，之前也是磕磕绊绊地看了几篇论文也看不进去，还是需要写博客督促自己啊。第一次做弱监督，理解上真是太难了。首先数据集以THUMOS为例，官网上给出的训练集是UCF101但事实上动作定位的训练集是THUMOS的验证集，二十个类别视频，这也就是为什么开源代码直接用I3D处理后的features一共才20类，而不是101类。每个视频里面包含一

xia.sir·2020-08-13 22:24

论文阅读：AutoLoc: Weakly-supervised Temporal Action Localization in Untrimmed Videos

AutoLoc:Weakly-supervisedTemporalActionLocalizationinUntrimmedVideos作者贡献Outer-Inner-ContrastiveLossForwardBackwardAutoLoc

仙草冻奶茶·2020-08-13 17:14

Weakly Supervised Action Localization by Sparse Temporal Pooling Network

摘要我们提出了一种使用卷积的未修剪视频的弱监督时间动作定位算法神经网络。我们的算法预测给定视频级别标签的人类动作的时间间隔，而不需要动作的时间定位信息。这个目标是通过提出一种新颖的深度神经网络来实现的，该网络通过视频片段的自适应时间汇集来识别动作并识别与动作相关联的稀疏关键片段集合。我们设计网络的损失函数包含两个术语-一个用于分类错误，另一个用于选定片段的稀疏性。在识别出针对关键段的稀疏关注权重后

nclgsj1028·2020-08-13 16:07

Weakly-Supervised Discovery of Geometry-Aware Representation for 3D Human Pose Estimation CVPR 2019

gold:learnageometry-aware3DrepresentationG\mathcal{G}Gforthehumanposediscoverthegeometryrelationbetweenpairedimages(Iti,Itj)(I^i_t,I^j_t)(Iti,Itj)whichareacquiredfromsynchronizedandcalibratedcamerasi,

DZzz丶·2020-08-03 03:49

人体姿态2019（七）Weakly-Supervised Discovery of Geometry-Aware Representation for 3D Human Pose Estimation

《Weakly-SupervisedDiscoveryofGeometry-AwareRepresentationfor3DHumanPoseEstimation》论文解读Abstract1.Introduction2

Raywit·2020-08-02 20:13

【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch，ICLR 2018

ACore-SetApproach1Abstract2Introduction2.1CNN2.2AL2.3Tailoranalmethod3RelatedWorks3.1ActiveLearning3.2Core-SetSelection3.3Weakly-SupervisedDeepLearning4Method4.0ProblemDefinition4.1ActiveLearn

Brandon Bryant·2020-08-01 00:33

【深度学习论文翻译】Weakly Supervised Action Localization by Sparse Temporal Pooling Network全文翻译

PhucNguyen（UniversityofCaliforniaIrvine,CA,USA）TingLiu，GautamPrasad（GoogleVenice,CA,USA）BohyungHan（SeoulNationalUniversitySeoul,Korea）目录文章目录目录摘要1.介绍2.相关工作3.提出算法3.1.动作分类3.2.时间类激活映射3.3.双流CNN模型3.4.时间动作定位

唐申庚·2020-07-29 20:08

【配准】弱监督(Weakly-Supervised)系列配准论文阅读

弱监督系列论文汇总表序号发表情况要点1ISBI2018弱监督配准框架2MIA2018多尺度Dice，新的网络，大量的实验3TMI2018GAN来代替形变场正则项1、Label-DrivenWeakly-SupervisedLearningForMultimodalDeformableImageRegistration问题多模态医学影像配准当前的主要方法及面临的问题。基于灰度相似性测度的方法。传统配

云若祯初·2020-07-28 03:04

《Weakly Supervised Semantic Segmentation Based on Web Image Co-segmentation》笔记

《WeaklySupervisedSemanticSegmentationBasedonWebImageCo-segmentation》笔记学习笔记，如有谬误，还请不吝赐教！解决的问题流程方法后记BasedonWebImageCo-segmentation》笔记)学习笔记，如有谬误，还请不吝赐教！解决的问题还是弱监督，嗯，兄弟和弱监督干上了，后面也还是弱监督…这个就是用分类标签弱监督图像分割（都是

lytxiaohou·2020-07-13 07:51

2019 ICCV之多光谱行人检测：Weakly Aligned Cross-Modal Learning for Multispectral Pedestrian Detection

WeaklyAlignedCross-ModalLearningforMultispectralPedestrianDetection当前的问题及概述：真实的多光谱数据存在位置偏移问题，即彩色热像对没有严格对齐，使得一个物体在不同的模式中有不同的位置。在本文中，提出了一种新的对齐区域CNN(AR-CNN)来处理端到端的弱对齐数据。a是目前数据集弱对齐图示，b为本文的框架思路，c为本文的实验结果。模

matlabLKL·2020-07-10 00:07

弱监督语义分割--Weakly Supervised Semantic Segmentation using Web-Crawled Videos

WeaklySupervisedSemanticSegmentationusingWeb-CrawledVideosCVPR2017https://arxiv.org/abs/1701.00352一不小心看到了一篇关于弱监督的语义分割的文献，这才发现仅一个弱监督语义分割就是大坑啊，看看这篇文章的参考文献就知道了。与弱监督对应的就是强监督语义分割，即我们平时所说的语义分割，训练样本就是基于像素标记的

O天涯海阁O·2020-07-09 05:27

CAMEL: A Weakly Supervised Learning Framework for Histopathology Image Segmentation

论文：https://arxiv.org/abs/1908.10555参考网页。今天是20190801，暂时没能搜到该篇文章。但根据参考网页进行了学习，然后将自己的理解整理成了博客。简介在本研究中，我们提出了弱监督学习框架CAMEL，整套框架仅使用图像级别的标注即可完成像素级识别模型的搭建。CAMEL包括两个步骤：监督信息增强（labelenrichment）和有监督模型训练（segmentati

mjiansun·2020-07-08 10:15

论文笔记（七）泛读：Weakly Supervised Region Proposal Network and Object Detection

文章目录论文笔记（七）泛读：WeaklySupervisedRegionProposalNetworkandObjectDetectionmethod候选框粗糙生成候选框微调弱监督检测网络experiment论文笔记（七）泛读：WeaklySupervisedRegionProposalNetworkandObjectDetection--------------------分割线--------

lzrrrrr·2020-07-07 15:42

WS-DAN:Weakly Supervised Data Augmentation Netowrk for Fine-Grained Visual Classification

SeeBetterBeforeLookingCloser:WeaklySupervisedDataAugmentationNetowrkforFine-GrainedVisualClassificationPaperPDF文章目录AbstractInnovationPipelineWeaklySupervisedAttentionLearningSpatialRepresentationBilin

language_zcx·2020-07-07 12:31

RepNet:Weakly Supervised Training of an Adversarial Reprojection Network for 3D Human PoseEstimation

RepNet:WeaklySupervisedTrainingofanAdversarialReprojectionNetworkfor3DHumanPoseEstimation论文赏析前言文章框架（Framework）摘要（Abstract）引言（Introduction）相关工作（RelatedWork）方法论（Method）整体结构图（Overview）PoseandCameraEstima

dyh_bupt·2020-07-06 17:07

Weakly Supervised Learning of Instance Segmentation with Inter-pixel Relations论文阅读

文章目录1.Introduction2.RelatedWork3.ClassAttentionMaps4.Inter-pixelRelationNetwork4.1IRNetArchitecture4.2Inter-pixelRelationMiningfromCAMs4.3LossforDisplacementFieldPrediction4.4LossforClassBoundaryDetec

chaser_ming7·2020-07-05 00:22

Learning Deep Features for Discriminative Localization论文阅读

文章目录1.Introduction2.ClassActivationMapping3.Weakly-supervisedObjectLocalization4.DeepFeaturesforGenericLocalization5

chaser_ming7·2020-07-05 00:21

Simple Does It: Weakly Supervised Instance and Semantic Segmentation论文阅读

文章目录1.Introduction2.Fromboxestosemanticlabels2.1Boxbaselines2.2Box-drivensegments3.Semanticlabellingresults3.1MainResult3.2Semi-supervisedcaseAttention:更多论文解读的博客原文第一时间发布于个人github论文合集和博客欢迎关注，有想法欢迎一起讨论！

chaser_ming7·2020-07-05 00:21

DR-Net: Transmission Steered Single Image Dehazing Network with Weakly Supervised Refinement

Abstract尽管最近在图像去雾方面取得了进展，但是仍然存在很多问题，例如对于变化的场景的鲁棒性，重建图像的视觉质量以及应用的有效性和灵活性。为了解决这些问题，我们提出了一种新的深度网络架构，用于单图像去雾，称为DR-Net。我们的模型包括三个主要子网：预测输入图像的传输图的传输预测网络，重建由传输图控制的潜在图像的雾霾去除网络，以及增强去雾结果的细节和颜色属性的细化网络通过弱监督学习。与以前的

风之羁绊·2020-07-04 13:02

行人属性识别：Improving Pedestrian Attribute Recognition With Weakly-Supervised Multi-Scale Attribute……

参考文献：TangCF,ShengL,ZhangZX,HuXL.ImprovingPedestrianAttributeRecognitionWithWeakly-SupervisedMulti-ScaleAttribute-SpecificLocalization[J].ICCV-2019.代码实现：https://github.com/chufengt/iccv19_attribute包括理解

huangyiping_dream·2020-07-02 03:09

learn2reg-监督、弱监督和监督图像配准

learn2reg.github.io/https://www.kaggle.com/adalca/learn2reghttps://github.com/learn2reg/tutorials2019Supervised,weakly-supervisedandsupervisedimageregistration

shchojj·2020-07-01 23:18

【文献阅读】Zigzag Learning for Weakly Supervised Object Detection

ZigzagLearningforWeaklySupervisedObjectDetection：论文传送门这篇CVPR2018的论文《ZigzagLearningforWeaklySupervisedObjectDetection》针对的是弱监督目标检测任务，和为大众所熟知的目标检测任务相比，弱监督目标检测任务的GroundTruth只包含图像中所有目标的类别信息而没有框的坐标。解决的问题目前针

TreeNewBee(0v0)·2020-06-30 04:28

Generative Adversarial Learning Towards Fast Weakly Supervised Detection(CVPR2018)阅读笔记

弱监督目标检测相对于一般的目标检测任务来说，训练样本不需要实例级别的标注，只需要图片级别的标注，即告诉图片中有什么而不需标注位置信息，这种标注图片容易获取，能节省标注时间及精力。现有的大部分方法在进行若监督目标检测任务时，采用多实例学习方法和two-stage的跟踪框架，检测速度不如one-stage的检测方法，如SSD，YOLO等。本文提出了一种新颖的生成式对抗学习方法，在训练阶段，使用一个on

weixin_30868855·2020-06-28 01:45

A brief introduction to weakly supervised learning（简要介绍弱监督学习）

by南大周志华摘要监督学习技术通过学习大量训练数据来构建预测模型，其中每个训练样本都有其对应的真值输出。尽管现有的技术已经取得了巨大的成功，但值得注意的是，由于数据标注过程的高成本，很多任务很难获得如全部真值标签这样的强监督信息。因此，能够使用弱监督的机器学习技术是可取的。本文综述了弱监督学习的一些研究进展，主要关注三种弱监督类型：不完全监督，即只有一部分样本有标签；不确切监督，即训练样本只有粗粒

weixin_30474613·2020-06-27 20:34

【论文总结】weakly- and semi-supervised learning of a DCNN for semantic Image Segmentation

一、概述这篇文章研究了如何从弱注释的训练数据（如边界框或图像级标签）或少量强标记图像和许多弱标记图像的组合中学习DCNN用于语义图像分割的问题，在弱超监督和半监督条件下提出了期望最大化（EM）方法。代码：https://bitbucket.org/deeplab/deeplab-public（caffe框架）二、研究内容及方法文章将焦点放在用弱标签训练调参上，所以训练阶段没使用CRF，只在测试阶段

ACGlyt·2020-06-27 01:01

论文阅读笔记：A brief introduction to weakly supervised learning

论文：Abriefintroductiontoweaklysupervisedlearning/对弱监督学习的简要介绍作者：Zhi-HuaZhou/周志华发表刊物：NationalScienceReview发表年度：2018下载地址：https://academic.oup.com/nsr/article/5/1/44/4093912Abstract 近年来，基于自然语言处理技术的推荐系统取得了

烟雨风渡·2020-06-26 20:04

【论文笔记】Weakly supervised multiple instance learning histopathological tumor segmentation

这篇文章太过抽象，如果有纰漏之处，还望指出，不胜感激。这篇文章是属于多实例学习（MIL）的一个病理组织学方面的应用创新。创新贡献点在于：1）从WSI（wholeslideimage）二进制值（binaryvalues）生成标签，用来训练分割模型2）通过只训练二进制值WSI标注来生成实例级别的预测模型3）公开可用的肿瘤标注库TCGA已经发布，含6481个样本比之前的多出一个数量级4）WSI预处理工具

MC.zeeyoung·2020-06-26 12:22

See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visu

SeeBetterBeforeLookingCloser:WeaklySupervisedDataAugmentationNetworkforFine-GrainedVisualClassification一篇基于attention机制的细粒度分类模型细粒度是粗粒度的延深，类间差距小，类内差距大。早期的研究中主要使用较多的人工标注来认为的定位attention区域。但是这样会造成很高的成本。本文主

Walter Wu·2020-06-25 14:10

推荐频道

Weakly