关键词mean average precision
搜索结果 - 26
- 弱监督音频分类的多层注意力模型
本文提出了一个多级关注模型来解决弱标签音频分类问题。 实验证明,与单级关注模型和 Google 基线相比,该模型在 Google 音频数据集上表现出更高的平均精度(mAP)。
- 使用卷积神经网络检测图像中的人权侵犯
通过使用不同类型的深度卷积神经网络结构来识别人权侵犯,我们在 Human Rights Understanding 数据集上进行了实验,结果显示最好表现的 CNN 结构可以获得高达 88.10%的平均精度,并且当使用非常深的网络时,增加训练 - 用于平均精度目标类别检测器的端到端训练
该文研究了一种利用均值平均精度作为训练损失的方法来直接训练 CNN 基础物体分类器,并探讨了如何有效计算这些损失的梯度。该方法在训练时同时使用非极大值抑制,使得训练与测试时使用相同的模型和损失函数。在 PASCAL VOC 2007 和 2 - NIPS事件检测的多模态稀疏编码
本文介绍一种多模态稀疏编码的方法,用于学习多模态共享的特征表示,应用于多媒体事件检测,与其他特征学习方法进行比较,通过 TRECVID MED 2014 数据集的交叉验证分类准确性和平均精度来评估单模态和多模态设置下的特征学习。
- 多元分类器的多数投票用于后期融合
研究了多媒体索引中的后期分类器融合问题,提出了一种基于 MinCq 的扩展方法,使用一个适用于排名的有序损失函数来提高平均准确率,同时考虑初始投票者的多样性。该方法在 PASCAL VOC'07 基准测试中表现良好。
- 学习仅需最少监督的物体定位
本论文提出了一种新方法,通过图像级标签,结合判别子模块覆盖问题和平滑的潜在 SVM 公式,实现仅需很少的监督,即可学习定位对象。实验表明,该方法在 PASCAL VOC 2007 检测中,相对于现有技术有 50%的平均精确度提升。