Feb, 2024

基于区域的再思考

PDF
TL;DR我们研究了基于区域的表示方法在识别中的有效性，并展示了最近的类别不可知分割器，如 SAM 结合强无监督表示方法 (DINOv2) 的有效性，以及在语义分割、基于对象的图像检索和多图像分析等各种任务上的应用。提取出的掩模和特征使得即使使用线性解码器，这些表示方法也能实现竞争性能，使其非常适用于需要自定义查询的应用。该表示方法的紧凑性也使其非常适用于视频分析和其他需要在多个图像之间进行推理的问题。
region-based representationsrecognitionclass-agnostic segmentersunsupervised representationscustom queries
发现论文，激发创造
  • 学习区域表示增强通用分割

    本文提出了一个新的方法，该方法将分割相关性的像素表示与边缘映射相结合，从而产生一种新的分割算法，在大多数质量度量方面提供了最先进的结果或改进。

    Nov, 2019

  • 识别任意区域

    RegionSpot 是一个集成了定位基础模型和 ViL 模型的新颖、通用且高效的区域识别架构，在开放世界物体识别的领域中展现了显著的性能提升和计算节省。

    Nov, 2023

  • 基于区域的语义分割与端到端训练

    本文提出一种新的语义分割方法，该方法基于区域分类方法和全卷积方法相结合，能够实现端到端的培训。与目前现有的算法相比，该方法在语义分类的平均准确性方面提高了成绩，在 SIFT Flow 和 PASCAL Context 上达到了 64.0% 和 49.9% 的成绩，并且在物体边界方面特别准确。

    Jul, 2016

  • 遥感图像基于区域分类的深度学习框架有多有用？

    本文研究分割算法在基于深度学习的遥感影像分类中的影响，特别是通过使用预训练的深度神经网络作为特征提取器来分割图像以便分类。我们比较了生成超像素的算法和传统的遥感分割算法，发现超像素算法可以提高分类准确性。

    Sep, 2016

  • 分析自监督视觉变压器的局部表征

    自本文中，我们对各种自监督视觉变换器（ViTs）进行了比较分析，重点研究了它们的局部代表能力。我们设计了一个评估框架，分析了在少样本语义分割、实例识别、目标检索和跟踪等背景下的局部表示质量。我们发现，基于对比学习的方法如 DINO 产生了更通用的局部表示，可以立即应用于无参数调整的下游任务，而掩蔽图像建模的方法中学习的嵌入具有高方差特征，对于大多数下游任务没有有用信息。此外，通过对本工作的基准和 Scale-MAE 的分析，我们证明了移除这些高方差特征对 k-NN 算法的改进。最后，我们发现 DINOv2 在多训练数量级的数据上预训练的模型在物体实例检索方面表现比计算消耗较小的 DINO 模型更差。

    Dec, 2023

  • 早期区域代理的语义分割

    本文提出了一种名为 RegProxy 的模型，通过 Transformer 实现了以区域为中心的上下文编码和预测，相比现有的方法在性能和效率上取得了更好的平衡。

    Mar, 2022

  • 基于选择性深度卷积特征的图像检索紧凑二进制表示

    该论文提出了一种新的计算量小、效果好的框架，其中采用了不同的掩码计算策略和最新的嵌入聚合方法来提高图像检索的准确性；同时还利用哈希模块生成非常紧凑的二进制图像表示，并在六个图像检索基准测试中取得了最好的检索性能。

    Feb, 2018

  • DFR: 无监督异常分割的深度特征重建

    本文提出了一种基于无监督分割的异常检测方法，使用多尺度区域特征生成器从预训练的深度卷积网络中生成描述子区域的特征，借助这些特征设计一个深度自编码器并通过快速特征重建对图像中的异常区域进行检测，该方法在多个基准数据集上取得了最新技术进展，并具有实际应用潜力。

    Dec, 2020

  • 卷积神经网络在视觉实例检索中的最佳实践是什么？

    本文对多种因素对卷积神经网络（CNN）提取的特征代表性的影响进行了全面评估，提出了一种新的多尺度图像特征表示方法来有效编码图像，并在可视化目标检索的四个典型数据集上表现出了优异的性能。

    Nov, 2016

  • 面向深度神经网络可视化的区域多尺度方法

    该论文提出了一种基于区域的方法来估计图像中特征的重要性，利用多尺度分割产生更具类别区分度和视觉效果的显著图，通过对输入图像进行多尺度分割来构建一个正态分布，并对边界先验进行仿真，证明该方法比传统方法更有效。

    Jul, 2018