CVPRDec, 2020

OBoW: 自监督学习在线视觉词袋生成

PDF
TL;DR本文提出了一种基于教师 - 学生模型的在线 BoW 指导下的无监督学习策略，探索了图像的重建方法来学习视觉表示，并在多个任务上实现了前所未有的性能提升。
image representationsunsupervised learningconvolutional netbow representationreconstruction-based approaches
发现论文，激发创造
  • 复现 BowNet：通过预测视觉单词包学习表示

    该研究使用无标签数据自我监督学习的方法，使用词袋深度描述符作为学习目标以学习鲁棒、深度特征，该方法可以学习具有扰动不变性和上下文感知的图像特征，适用于几乎无样本的任务或有监督的后续任务，其中将深度特征用于 CIFAR-100 分类任务并未能像原论文中所述显著提高分类准确性。

    Jan, 2022

  • 通过预测视觉单词包学习表征

    本文提出了一种基于视觉词汇的自监督学习方法，通过将图像特征映射量化为视觉词汇，实现了对图像的分离表示，通过 Bag-of-Words 表示学习有用的下游图像理解特征，与类似自然语言领域的方法相比，该方法在目标检测和分类上表现出更好的迁移能力。

    Feb, 2020

  • 基于视觉词袋的图像重构

    本研究旨在从视觉单词（BoVW）中重建原始图像，提出了一种含自然性本地邻近性及全局位置的评估函数，并通过使用外部图像数据库获取相关参数的方法来估计原始布局，以达到成功重建 BoVW 的目的，并产生了 101 种不同物体的图像和新颖的 BoVW 图像。

    May, 2015

  • E$^2$BoWs：一种基于深度卷积神经网络的端到端词袋模型

    本文提出了一种基于深度卷积神经网络的端到端 BoWs 模型 (E$^2$BoWs)，并介绍了一种新的学习算法来增强生成的 E$^2$BoWs 模型的稀疏性，以进一步确保时间和内存效率。在多个图像搜索数据集上的实验结果表明，与最近的基于深度学习的检索方法相比，我们的模型在准确性和效率上都取得了很好的表现。

    Sep, 2017

  • 可扩展实例搜索的局部卷积特征包

    本文提出了一个基于卷积神经网络的局部特征编码和基于词袋模型的实例检索方法，该方法将每个卷积层中的局部激活函数数组映射到可视化词汇中，从而实现了空间重新排序和检索的目的，并在 Oxford 和 Paris buildings benchmarks 中取得了具有竞争力的性能表现。

    Apr, 2016

  • 动作识别中的视觉词袋和融合方法：全面研究和最佳实践

    本研究对 Bag of Visual Words 模型（BoVW）中的五个步骤以及特征融合方法做了全面的研究，探讨了不同的局部特征提取和编码对行为识别的影响，并且基于不同 BoVW 框架和本地描述符的互补性，提出了一个简单而有效的表示方法，被称为混合表示，用于进行行为识别，使得识别率达到了 state-of-the-art。

    May, 2014

  • 用潜在词袋生成释义

    本文提出一种基于离散词袋模型的转述生成方法，使用 Gumbel Top-K 重参数化技术，实现对目标词袋的不可导取样，提高了解码器的性能，同时，该方法的可解释性得到了验证。

    Jan, 2020

  • 自举型潜变量：自监督学习的一种新方法

    本文提出了一种新的自监督图像表示学习方法 Bootstrap Your Own Latent（BYOL），通过在线网络和目标网络相互交互和学习，从图像的增强视图中训练在线网络以预测在不同增强视图下相同图像的目标网络表示，并同时使用在线网络的缓慢移动平均更新目标网络，通过使用 ResNet-50 架构进行线性评估，BYOL 在 ImageNet 具有 74.3％的 top-1 分类准确率，在转移和半监督基准测试中 BYOL 表现与当前技术水平相当或更好。

    Jun, 2020

  • 即使没有批量统计数据，BYOL 仍然有效

    本研究提出 Bootstrap Your Own Latent (BYOL) 作为一种自监督学习方法，用于图像表示学习，并探讨与批归一化 (batch normalization) 的关系。实验结果表明，使用批独立归一化可以取得与传统 BYOL 相当的性能，未必需要批归一化。

    Oct, 2020

  • BoQ：一个地方值得一袋可学习的查询

    在视觉地点识别中，通过引入一种名为查询包（BoQ）的新技术，该技术学习一组全局查询来捕捉普遍的地点特征，并利用交叉注意力实现一致的信息聚合。BoQ 通过与 CNN 和 Vision Transformer 骨干网络集成，并通过对 14 个大规模基准进行广泛实验表明了卓越的性能。同时，作为一种全局检索技术（一阶段），BoQ 在速度和效率上超过了 Patch-NetVLAD、TransVPR 和 R2Former 等两阶段检索方法。

    May, 2024