attribute localization | BriefGPT

关键词attribute localization

搜索结果 - 8

面向广义零样本学习的高判别属性特征学习
零样本学习（ZSL）旨在根据观察到的类别的语义知识，识别未接触过的新类别，然而，当前基于注意力的模型对于学习图像区域特征时，可能忽视了视觉特征的可转移性和属性定位的独特性。为了解决这些问题，我们提出了一种名为高辨别属性特征学习的创新方法（H
PDF3 months ago
属性定位和修订网络用于零样本学习
本文介绍了 Attribute Localization and Revision Network（属性定位和修正网络），通过属性定位模块（ALM）和属性修正模块（ARM）实现了零样例学习任务，并且通过综合实验结果验证了该模型的有效性。
PDF9 months ago
适用于任意样本学习的属性原型网络
提出一种基于属性本地化的图像表示学习框架，通过视觉语义嵌入层学习全局特征，并通过属性原型网络同时回归和解相关属性，为任意样本，包括零样本和少样本图像分类任务提供有益的属性知识转移，并引入变焦模块以局部化和裁剪信息区域鼓励网络显式地学习最有效
PDF2 years ago
CVPR面向目标的注视估计用于零样本学习
在零样本学习中，结合由类级属性指导的目标定向注视估计模块（GEM），本文通过预测人眼凝视位置来改善较强的属性定位，同时通过学习任务相关注意力和回归局部属性特征来优化全局图像特征；在实验中验证了该方法的竞争优势以及在属性定位方面的准确性，并表
PDF3 years ago
零样本学习的属性原型网络
通过集成属性局部化能力的图像表示，建议使用只有类别级别的属性来更好地将基于属性的知识从已知类别转移到未知类别，为此，提出了一种新的零样本表示学习框架，使用属性原型网络共同学习具有区分性全局和局部特征。对于三个零样本学习基准测试，我们的局部增
PDF4 years ago
ECCVFashionpedia: 本体学、分割和属性定位数据集
通过探索时尚领域，引入 Fashionpedia 及 Attribute-Mask RCNN 模型，提出物体实例分割及属性定位的任务，以此为基础构建了时尚领域的本体论和数据集，并提出一种新的评估模型。
PDF4 years ago
AAAI通过粗到细的注意力机制，基于注意力特征学习，实现人体属性识别中的注意力分析
本文提出一种新的深度学习方法，即分心感知的人体属性识别（Distraction-aware HAR），通过改进注意力机制来提高属性定位，从而提高深度 CNN 特征学习的准确性，在 WIDER-Attribute 和 RAP 数据库上进行广泛
PDF5 years ago
ICCV利用弱监督的多尺度属性特定定位改善行人属性识别
提出适用于行人属性识别的属性定位模块 (ALM)，以自适应方式发现最具有区分性的区域并学习每个属性的区域特征，并引入特征金字塔架构以实现低水平的属性特定局部化。
PDF5 years ago