Mar, 2024

不仅仅是鸟和车：专业视觉识别的通用、可扩展和可解释模型

PDF
TL;DR该论文介绍了一种可扩展且可解释的模型 Pro-NeXt，它在各种专业领域中展现了优秀的泛化性能，并具备可靠的物体检测和分割能力。
visual recognitionprofessional categoriesscalable modelpro-nextobject detection
发现论文，激发创造
  • CoProNN: 基于概念的原型最近邻方法解释视觉模型

    该研究提出了一种通过生成基于概念的原型来解释计算机视觉模型预测的方法，该方法可以快速创建领域专家可直观理解的基于概念的解释。通过与其他基于概念的解释方法的对比，该方法在粗粒度图像分类任务上表现出很好的竞争力，并且在更具挑战性的细粒度任务上甚至可能表现更优。该方法在人机协作环境中通过定性和定量用户研究证明其有效性。

    Apr, 2024

  • 变色龙：一种在野外进行密集视觉预测的数据高效通用模型

    通过使用元学习框架及一些改进技术，我们构建了一个适应不同稠密标签结构的通用模型，并在各种真实场景中进行了评估，表明我们的模型在最多使用 50 张标记图像的情况下，比现有的数据高效通用方法取得了显著的进展。

    Apr, 2024

  • 通向通用视觉系统

    本文提出了一种通用视觉语言体系结构 GPV-1，它可以学习和执行涉及接收图像和生成文本和 / 或边界框的任务，包括分类、定位、视觉问答、字幕等多个任务，并通过实验证明 GPV-1 在多个任务上是有效的，可以重新利用跨任务的概念知识，并可以在零样本情况下执行指称表达式任务。

    Apr, 2021

  • 这像那样：用深度学习进行可解释的图像识别

    介绍了 ProtoPNet，一种深度神经网络架构，该模型通过识别图像的原型部分并将原型部分的证据结合起来，类似于鸟类学家、医生和其他人解决图像分类任务的方式，提供了一定程度的可解释性，并在 CUB-200-2011 数据集和 Stanford Cars 数据集上实现了可比较的准确性。

    Jun, 2018

  • ProtoS-ViT：稀疏自解释分类的视觉基础模型

    冷冻预训练的 ViT 后骨干能有效地转化为示范性模型，提高模型的准确性、简洁性和可解释性，通过一系列定量和定性指标评估模型可解释性。

    Jun, 2024

  • 看起来比那个更好：使用 ProtoPNeXt 获得更好的可解释模型

    使用 ProtoPNeXt 框架，结合贝叶斯超参数调整和角度原型相似度度量，有效提高了原始 ProtoPNet 在 CUB-200 上的准确性，同时优化了原型的可解释性，产生了具有显著改进的模型。

    Jun, 2024

  • 通用视觉模型的网络监督概念扩展

    本文介绍了一种有效且廉价的方法：利用监督数据集学习技能，利用网络图像搜索学习概念，再利用 GPV 跨技能传递视觉知识，以实现 web-based 的概念扩展；同时，提出了支持各种任务的新架构 GPV-2，在多项基准测试中表现优异。

    Feb, 2022

  • 基于特征的通用预测模型：感知和抽象推理的统一

    人类智能的一个特征是能够从有限的经验中推断出抽象规则，并将这些规则应用于陌生情境。本研究介绍了一个使用特征检测、仿射变换估计和搜索的算法方法来进行规则检测和应用，并在简化版的 Raven's Progressive Matrices 任务中展示了模型具有类似人类水平的一次性学习和符号推理能力。

    Mar, 2024

  • 一种高效的通用模块化视觉模型，通过多任务异构训练实现

    我们提出了一种通用视觉模型，采用集成式的训练方式，使其可同时进行多任务，具有较强的泛化能力和模块化特性，并可在保证较小的训练参数、模型参数和计算量的同时，灵活地满足各种下游任务的需求，且适用于不断学习而无需遗忘的情境。

    Jun, 2023

  • 大规模细粒度分类和领域特定的迁移学习

    本研究提出了一种从大规模数据集到小规模、特定领域细粒度图像分类（Fine Grained Visual Categorization, FGVC）任务的迁移学习方法，并通过 Earth Mover's Distance 提出了一种衡量领域相似度的方法，实现了目标领域与数据源领域之间的知识迁移，得到了最先进的结果。

    Jun, 2018