weakly

【论文阅读】LLM4SGG: Large Language Models for Weakly Supervised Scene Graph Generation

【论文阅读】LLM4SGG:LargeLanguageModelsforWeaklySupervisedSceneGraphGenerationabstract由于全监督方法严重依赖昂贵标注，最近弱监督场景图生成(WSSGG)研究替代方案出现。在这一点上（Inthisregard），针对WSSGG的研究主要利用图像标题（imagecaption）来获取非局部三元组，而主要关注将非局部三元组建立在图

进击的乔洋·2024-08-28 19:03

弱监督时间动作定位的等效分类映射Equivalent Classification Mapping for Weakly Supervised Temporal Action Localization

该论文介绍了用于弱监督时间动作定位的等效分类映射（ECM）方法。它将预分类和后分类两种分类流程结合到一个统一的框架中。该方法强调等价机制，确保两个管道之间的分类分数和聚合权重一致。它还提出了一个权重转换模块和等效的训练策略来提高性能。ECM在基准数据集上的动作定位方面显示出有希望的结果，而无需详细的帧级注释。先分类（Pre-classification）和后分类（Post-classificati

六个核桃Lu·2024-02-13 21:26

时序动作定位｜使用 ‘注意力机制’ 的弱监督时序动作定位顶会论文理解笔记（Weakly-Supervised Temporal Action Localization）

目录WeaklySupervisedActionLocalizationbySparseTemporalPoolingNetwork（CVPR2018）W-TALC:Weakly-supervisedTemporalActivityLocalizationandClassification

六个核桃Lu·2024-02-04 01:01

离歌欢笑_4c54·2024-01-12 10:23

【图像拼接】论文精读：Weakly-Supervised Stitching Network for Real-World Panoramic Image Generation

第一次来请先看这篇文章：【图像拼接（ImageStitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用说明、创新思路分享等（不定期更新）图像拼接系列相关论文精读SeamCarvingforContent-AwareImageResizingAs-Rigid-As-PossibleShapeManipulationAdaptiveAs-Natural-As-PossibleImag

十小大·2024-01-04 17:15

Weakly Supervised Visual Question Answer Generation

hanranV·2023-11-29 17:32

论文阅读：PReGAN Answer Oriented Passage Ranking with Weakly Supervised GAN

PReGAN：具有弱监督GAN的以答案为导向的文章排名摘要：文章中的答案实体不一定与给定问题相关。为了解决这个问题，我们提出了一种称为PReGAN的基于生成对抗性神经网络的通道重新排序方法，该方法除了包含主题相关性的鉴别器之外，还包含了对回答能力的鉴别。目标是迫使生成器在主题相关且包含答案的段落中排名更高。在五个公共数据集上的实验表明，PReGAN可以更好地对适当的段落进行排序，这反过来提高了QA

张·2023-11-20 21:55

（论文阅读26/100）Weakly-supervised learning with convolutional neural networks

26.文献阅读笔记简介题目Weakly-supervisedlearningwithconvolutionalneuralnetworks作者MaximeOquab，LeonBottou，IvanLaptev

朽月初二·2023-11-13 14:50

人群计数结合超图神经网络：Hypergraph Crowd Counting

HypergraphAssociationWeaklySupervisedCrowdCounting链接：https://dl.acm.org/doi/pdf/10.1145/3594670代码：GitHub-Boli-trainee/Hypergraph-Association-Weakly-Supervised-Crowd-Counting

目睹闰土刺猹的瓜·2023-11-08 19:48

内存优化之ISA是什么？

使得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_as

大王叫我来巡山丨·2023-10-29 17:34

【AI视野·今日NLP 自然语言处理论文速览第五十五期】Mon, 16 Oct 2023

CS.NLP自然语言处理论文速览Mon,16Oct2023Totally53papers上期速览✈更多精彩请移步主页DailyComputationandLanguagePapersPromptRE:Weakly-SupervisedDocument-LevelRelationExtractionviaPrompting-BasedDataProgrammingAuthorsChuf

hitrjj·2023-10-19 12:00

弱监督目标检测：ALWOD: Active Learning for Weakly-Supervised Object Detection

论文作者：YutingWang,VeliborIlic,JiatongLi,BranislavKisacanin,VladimirPavlovic作者单位：RutgersUniversity;TheInstituteforArtificialIntelligenceResearchandDevelopmentofSerbia;NvidiaCorporation论文链接：http://arxiv.o

学术菜鸟小晨·2023-09-16 08:07

# iOS weak弱引用实现原理以及释放原理。

isa.weakly_referenced&&!isa.has_assoc&&!isa.has_cxx_dtor&&!isa.has_sidetable_rc)){ass

孙优秀丶Unique·2023-08-30 05:58

iOS-内存管理知识点整理

的话就仅是一个内存指针，如果为0的话则意味着内存的64位不仅仅用于存储内存指针has_assoc代表该对象是否有关联属性has_cxx_dtor代表对象是否有和c++相关的属性shiftcls代表对象实际的内存地址weakly_referenced

木子奕·2023-08-29 13:48

论文阅读 - Large-scale weakly-supervised pre-training for video action recognition

文章目录1概述2数据的收集方式3使用的模型4预训练时的一系列问题4.1预训练的数据是不是越多越好？4.2用于预训练的模型是不是越大越好？4.3预训练数据的标签种类和数量是不是越多越好？4.4用于预训练的每个video有长有短，时长该如何选取？5总结1概述本文是对论文Large-scaleweakly-supervisedpre-trainingforvideoactionrecognition的阅

七元权·2023-08-17 11:49

十一章：Weakly-Supervised Semantic Segmentation Network —— 基于深度种子区域增长的弱监督语义分割网络

0.摘要本文研究了只使用图像级别标签作为监督来学习图像语义分割网络的问题，这是重要的，因为它可以显著减少人工标注的工作量。最近在这个问题上的最新方法首先使用深度分类网络推断出每个对象类的稀疏和有区别的区域，然后使用有区别的区域作为监督来训练语义分割网络。受传统图像分割方法中种子区域生长的启发，我们提出了一种从有区别的区域开始训练语义分割网络，并逐渐增加像素级别监督的方法，通过种子区域生长引入。种子

Joney Feng·2023-07-28 03:41

四章：Constrained-CNN losses for weakly supervised segmentation——弱监督分割的约束CNN损失函数

0.摘要基于部分标记图像或图像标签的弱监督学习目前在CNN分割中引起了极大关注，因为它可以减轻对完整和繁琐的像素/体素注释的需求。通过对网络输出施加高阶（全局）不等式约束（例如，约束目标区域的大小），可以利用未标记数据，以领域特定知识指导训练过程。不等式约束非常灵活，因为它们不需要准确的先验知识。然而，出于计算可行性的原因，深度网络中很大程度上避免了受约束的拉格朗日对偶优化。据我们所知，Patha

Joney Feng·2023-07-26 19:04

三十五章：Weakly Supervised Semantic Segmentation by Pixel-to-Prototype Contrast ——弱监督语义分割通过像素到原型对比

0.摘要尽管基于图像级弱监督的语义分割（WSSS）在ClassActivationMaps（CAMs）作为基石的情况下取得了巨大的进展，但分类和分割之间的大量监督差距仍然阻碍了模型生成更完整和精确的伪掩码用于分割。在本研究中，我们提出了一种弱监督的像素到原型对比方法，可以提供像素级的监督信号来缩小这一差距。我们的方法受到两个直观先验的指导，通过在不同视图和单个图像视图内执行，旨在施加跨视图特征语义

Joney Feng·2023-07-24 19:24

三十四章：Class Re-Activation Maps for Weakly-Supervised Semantic Segmentation ——弱监督语义分割中的类别重新激活图

0.摘要提取类别激活图（CAM）可以说是生成弱监督语义分割（WSSS）伪掩码的最常用步骤。然而，我们发现导致伪掩码不理想的关键在于广泛使用的二元交叉熵损失（BCE）在CAM中的应用。具体而言，由于BCE的类别求和池化特性，CAM中的每个像素可能对同一感受野中出现的多个类别都有响应。结果就是，对于给定的类别，其热点CAM像素可能错误地侵占了属于其他类别的区域，或者非热点像素实际上可能是该类别的一部分

Joney Feng·2023-07-24 19:53

《论文阅读11》SQN: Weakly-Supervised SemanticSegmentation of Large-Scale 3D Point Clouds

一、论文研究领域：弱监督3D语义分割论文：SQN:Weakly-SupervisedSemanticSegmentationofLarge-Scale3DPointClouds笔记链接论文链接二、论文概要

Darren_pty·2023-07-17 01:42

NARI Microgrid Solution 2 - Industrial Parks Weakly Connected Power Grid Economic Dispatch Solution

High-energy-consumingmetallurgicalenterprises,suchaselectrolyticaluminumandlarge-scalechemicalindustries,oftenhavetheirownpowerplantsduetotheirhighload.Innormaloperation,thepowergeneratedbythecaptivep

输配电世界·2023-06-16 20:31

NeRF-Pose: A First-Reconstruct-Then-Regress Approach for Weakly-supervised 6D Object Pose Estimation

论文解读：NeRF-Pose:一种先重建再回归的弱监督6D物体姿态估计方法论文：https://arxiv.org/abs/2203.04802《NeRF-Pose:一种先重建再回归的弱监督6D物体姿态估计方法》是一篇关于物体姿态估计的论文。该方法采用先重建物体再回归姿态的策略，通过弱监督学习实现6D物体姿态的估计。论文的主要思想是利用神经场重建物体的隐式表示，称为OBJ-NeRF，并使用相对相机

LeapMay·2023-06-10 22:38

论文笔记：NetVLAD: CNN architecture for weakly supervised place recognition（转）

原文NetVLAD是一个较早的使用CNN来进行图像检索或者视频检索的工作，后续在此工作的基础上陆续出了很多例如NetRVLAD、NetFV、NetDBoW等等的论文，思想都是大同小异。一、图像检索VLAD和BoW、FisherVector等都是图像检索领域的经典方法，这里仅简介下图像检索和VLAD的基本思想。图像检索（实例搜索）是这样的一个经典问题：1、我们有一个图像数据库IiI_iIi，通过函数

Lavau·2023-06-09 12:59

Weakly-supervised Grounded Visual Question Answering using Capsules论文笔记

Weakly-supervisedGroundedVisualQuestionAnsweringusingCapsules论文笔记一、Abstract二、引言三、相关工作3.1VQA和视觉定位3.2VQA

乄洛尘·2023-04-19 07:40

弱监督学习梳理

数据不完美，算法显神威——弱监督机器学习专题论坛Weakly-supervisedandUnsupervisedLearningWorkshopattheSIAMInternationalConferenceonDataMining

jiandanjinxin·2023-04-14 05:22

【弱监督显著目标检测论文】Weakly-Supervised Salient Object Detection Using Point Supervison

2022年在AAAI上发表的一篇使用点监督的弱监督显著目标检测论文论文原文代码地址文章目录摘要一、创新点二、方法1.AdaptiveFloodFilling2.Non-SalientobjectSuppression(NSS)3.NetworkDetails（网络详情）TransformerpartEdge-preservingDecoder(边缘保留解码器)LossFunction三、实验摘要目

一根大白菜·2023-04-09 01:22

弱监督学习系列：Inter-Image Communication for Weakly Supervised Localization

原文链接https://arxiv.org/pdf/2008.05096.pdf代码链接(ECCV2020)Inter-ImageCommunicationforWeaklySupervisedLocalization-GitHub-xiaomengyc/I2C:(ECCV2020)Inter-ImageCommunicationforWeaklySupervisedLocalizationhtt

yafee123·2023-04-08 17:08

弱监督学习系列：Attention-Based Dropout Layer for Weakly Supervised Single Object Localization and Semantic

原文链接：CVPR2019&TPAMI2020https://arxiv.org/abs/1908.10028https://arxiv.org/abs/1908.10028代码连接：tensorflow版本https://github.com/junsukchoe/ADLwsolevaluation论文中实现的pytorch版本https://github.com/clovaai/wsoleva

yafee123·2023-04-08 17:08

弱监督目标检测算法论文阅读（六）Erasing Integrated Learning : A Simple yet Effective Approach for Weakly Supervised

这是一篇CVPR2020的中山大学的一篇文章，提出了一个新颖的擦除网络。Abstract弱监督对象定位（WSOL）旨在仅通过图像级别标签之类的弱监督来定位对象。但是，基于分类网络的可用技术的一个长期存在的问题是，它们经常导致突出显示最有区别的部分，而不是突出对象的整个范围。然而，相反，尝试探索对象的整体范围可能会降低图像分类的性能。为了解决这个问题，我们通过引入一种新颖的对抗擦除技术，即擦除综合学

橘子味的苹果·2023-04-08 17:35

Deep Learning for Weakly-Supervised Object Detection and Localization: A Survey

系列文章目录弱监督目标检测：（0）DeepLearningforWeakly-SupervisedObjectDetectionandLocalization:ASurve)前言弱监督对象检测(WSOD)和局部化（WSOL)是目标检测中长期存在且具有挑战性的任务，本文对SWOD近年来得一些方法进行了总结。提示：以下是本篇文章正文内容，下面案例可供参考一、WSOD的定义？**定义：**在训练阶段仅使

Aurora@lxx·2023-04-08 17:35

弱监督目标检测算法论文阅读（二）Rethinking the Route Towards Weakly Supervised Object Localization

个人阅读文章的一点理解，有其他不同理解的同学问欢迎评论交流。这是南京大学一篇CVPR2020的文章，论文提出了一个伪监督目标定位的方法，生成伪grountruth进行训练。文章分析了现有的目标检测方法的弊病，联合优化定位与分类并不能两者达到最优。文章创造性的提出了把分类任务和定位任务分开，单独进行训练，取得了很好的效果。Abstract弱监督对象定位（WSOL）旨在仅使用图像级标签来定位对象。先前

橘子味的苹果·2023-04-08 17:05

【论文阅读--WSSS】WeakTr: Exploring Plain Vision Transformer for Weakly-supervised Semantic Segmentation

论文链接：https://arxiv.org/abs/2304.01184代码链接：https://github.com/hustvl/weaktr这篇文章有两部分内容，一部分是CAMGeneration，另一部分是Segmentation。但由于Segmentation部分也是基于Transformer，那部分就暂时忽略了。方法CAMGeneration部分整体大框架还是MCTFormer。关于

Nastu_Ho-小何同学·2023-04-08 17:34

【论文阅读--WSSS】Multi-class Token Transformer for Weakly Supervised Semantic Segmentation

文章目录方法实验Limitation论文链接：https://arxiv.org/abs/2203.02891代码链接：https://github.com/xulianuwa/mctformer方法plainViT只有一个clstoken,对应得到的attnmap是class-agnostic；为了使得attnmap变得class-specific，采用num_classes个clstoken分

Nastu_Ho-小何同学·2023-04-08 17:03

Deep Learning for Weakly-Supervised Object Detection and Object Localization: A Survey

摘要弱监督目标检测(WSOD)和定位(WSOL)，即使用图像级标签检测图像中包含边界框的多个或单个实例，是CV领域中长期存在且具有挑战性的任务。随着深度神经网络在目标检测中的成功，WSOD和WSOL都受到了前所未有的关注。在深度学习时代，已有数百种WSOD和WSOL方法和大量技术被提出。为此，本文将WSOL视为WSOD的一个子任务，并对近年来WSOD的成就进行了全面的综述。具体来说，我们首先描述了

Wanderer001·2023-04-08 16:31

弱监督目标定位综述的理解《Weakly Supervised Object Locolization and Detection : A Survey》

弱监督目标定位综述的理解《WeaklySupervisedObjectLocolizationandDetection:ASurvey》TPAMI最新发布了关于WSOD和WSOL的综述，分享一下阅读论文的一些收获。论文链接link把论文读薄作为一篇综述性质的期刊，内容是很丰富的，我们先整体的看一下这篇文章文章分为九个部分，以总分总的形式讨论，1，2部分从现状挑战引出了对该领域的划分（3大类8小类）

ustcjinggg·2023-04-08 16:30

Rethinking the Route Towards Weakly Supervised Object Localization笔记

CVPR2020本文提出伪监督目标定位方法（PSOL）解决弱监督目标定位问题。将定位与分类分为两个独立的网络，在训练集上使用DDT生成伪groundtruth，通过回归与真实GTbox对比，整体效果达到SOTA。在不同数据集上，PSOL方法不需要fine-tuning也具有很好的定位能力，迁移能力。由于训练集数据大量标注困难，成本高。很多开始研究如何使用弱监督方法来学习目标定位。弱监督训练数据只包

枫叶--·2023-04-08 16:28

Rethinking the Route Towards Weakly Supervised Object Localization 论文笔记

前言通常来说，深度学习在一些计算机视觉任务上的应用，比如分类、定位和检测，需要大量精确标注的数据，而模型在这些数据集上进行预训练之后，并不能直接应用到其它的任务中。为了减少这种限制，人们开始利用弱监督方法来进行学习，弱监督的训练数据一般只有image-level标签，没有大型数据集中的location-level（bbox和关键点）和pixel-level（每个像素都有一个类标签，用于语义分割）标

头柱碳只狼·2023-04-08 16:57

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

TS-CAM：用于弱监督目标定位的令牌语义耦合注意图1.摘要：弱监督对象定位(WSOL)是一个具有挑战性的问题，当给定图像类别标签时，需要学习对象定位模型。优化卷积神经网络(CNN)进行分类，倾向于激活局部区分区域，而忽略完整的对象范围，导致部分激活问题。在本文中，我们认为部分激活是由CNN的内在特征引起的，其中卷积操作产生局部接受域，并难以捕获像素之间的长程特征依赖性。我们引入了令牌语义耦合注意

feng3355·2023-04-08 16:25

【论文阅读--WSOL】Spatial-Aware Token for Weakly Supervised Object Localization

文章目录方法实验Limitation论文：https://arxiv.org/abs/2303.10438代码：https://github.com/wpy1999/SAT/blob/main/Model/SAT.py方法这篇文章的方法应该属于FAM这一类。额外添加的一个spatialtoken，从第10-12层开始，利用其得到的attnmap(对hea求mean–B,1,1,N+2)作为visu

Nastu_Ho-小何同学·2023-04-08 16:53

Weakly-Supervised Crowd Counting Learns from Sorting rather than Locations 论文阅读笔记

弱监督人群计数:基于排序而非位置信息ECCV2020作者：中国科学院大学中国科学院大数据挖掘与知识管理重点实验室中国科学院智能信息处理重点实验室意大利-特兰托大学1、摘要在人群计数数据集中，位置标签是昂贵的，但它们没有被纳入评价指标。此外，现有的多任务方法采用高级任务来提高计算精度。这种研究趋势增加了对注释的需求。本文提出了一种弱监督计数网络，在没有位置监督的情况下直接回归人群数量。此外，我们通过

今天也学习了嗷·2023-03-31 02:32

# LoongArch 内存模型与栅障

内存模型1.1访存类型龙芯架构下支持三种存储访问类型，分别是：一致可缓存（CoherentCached，简称CC）、强序非缓存（Strongly-orderedUnCached，简称SUC）和弱序非缓存（Weakly-orderedUnCached

小菜刀_·2023-03-22 22:15

本周的总结

目录本周完成的计划论文阅读1ABSTRACT（摘要）1INTRODUCTION（介绍）2METHODOLOGY（方法）PhaseOne(classification)PhaseTwo(segmentation)A.Weakly-supervisedPseudoMaskGeneration

ZN_daydayup·2023-02-02 11:42

【论文阅读】SPMF-Net: Weakly Supervised Building Segmentation...

文章目录摘要2.Methodology2.1WeakSupervisionLabelGeneration2.1.1SuperpixelPooling2.1.2Multi-ScaleFeatureFusion2.1.3.CAMCalculation2.2BuildingExtraction3ResultsandAnalysis3.1.Dataset3.2DataProcessing3.3Parame

Jiazhou_garland·2023-02-01 11:35

Objective-C 对象释放方法调用过程

isa.weakly_referenced&&//无弱引用指向!isa.has_assoc&&//无关联对象!

MangK·2023-01-30 21:33

isa—联合体位域

objc源码iOS是小端模式读取的时候一个变量一个变量从右往左读（nonpointer:1+has_assoc:1+has_cxx_dtor:1）&（shiftcls:44）&（magic:6+weakly_referenced

来根黄鹤楼啊·2023-01-30 09:02

Weakly Guiding Fibers(弱导光纤)

WeaklyGuidingFibers定义注意特性今天来给大家介绍一下什么是弱导光纤，这个名词很有迷惑性，很多人在看到这个名词的第一反应都是错误的，因此，这里我们给大家介绍一下。定义拥有低折射率对比度的光纤。也就是说，低折射率对比度光纤就是弱导光纤。关于什么是低折射率光纤，可以查看—lowindexcontrastwaveguideandhighindexcontrastwaveguide(超链接

勤奋的大熊猫·2023-01-15 13:53

RTFM：Weakly-supervised Video Anomaly Detection with Robust Temporal Feature【ICCV 2021】附代码注释

论文解读【摘要】具有弱监督视频级别标签的异常检测通常被表述为多实例学习（MIL）问题，其中我们旨在识别包含异常事件的片段，每个视频被表示为一个视频片段包（Bag）。尽管当前的方法显示出有效的检测性能，但它们对正样本（即异常视频中的稀有异常片段）的识别在很大程度上受到大量负样本的影响，尤其是当异常事件是与正常事件相比仅表现出微小差异时。在许多忽略重要视频时间依赖性的方法中，这个问题更加严重。为了解决

计算机视觉从零学·2023-01-14 11:58

有向加权图最大弱连通分支_Weakly Supervised VAD | 弱监督视频异常检测

一直以来，异常检测都是focuson无监督（也有说是半监督），所需要挑战的数据集多是监控视频下的行人道上的数据集，所要挑战的异常都是未见物体/异常运动(快速运动为主)。这些数据集和真实情景期望解决的危险有所差别，于是[1]提出了UCF-Crime数据集，并且引入了弱监督的多示例学习的方法进入异常检测。1.CVPR2018:RealWorldAnomalyDetectioninSurveillanc

weixin_39788986·2023-01-14 11:26

论文阅读 (64)：Weakly-supervised Video Anomaly Detection with Robust Temporal Feature Magnitude Learning

理论动机2.2多尺度时间特征学习2.3特征量级学习2.4RTFM帧级分类器3实验3.1数据集和度量标准3.2实现细节1引入1.1题目 2021CVPR：用于弱监督视频异常检测的健壮性时间特征量级学习(Weakly-supervisedvideoanomalydetectionwithrobusttemporalfeature

因吉·2023-01-14 11:53

NetVLAD: CNN Architecture for Weakly Supervised Place Recognition

NetVLAD:CNNArchitectureforWeaklySupervisedPlaceRecognitionNetVLAD:用于弱监督位置识别的CNN架构ReljaArandjelovic,PetrGronat,AkihikoTorii,TomasPajdla,JosefSivic;TheIEEEConferenceonComputerVisionandPatternRecognition

Grace_yanyanyan·2023-01-12 07:16

推荐频道