object parts | BriefGPT - AI 论文速递

关键词object parts

搜索结果 - 12

ICCVPDiscoNet：细粒度识别的语义一致性部分发现
通过使用图像级类别标签和鼓励部件具有判别性、紧凑性、相互区分性、等变性以及在部分图像中激活的先验，我们提出了 PDiscoNet 来发现物体的部件，并且通过适当的损失函数编码这些先验，获得比之前的方法更好的部件发现性能，而不需要额外的超参数
PDF10 months ago
CVPR自监督学习目标部分应用于语义分割
本文介绍了以往自我监督的学习方式大多聚焦于图像级的表示学习，不能为无监督图像分割等需要空间多样的表示的任务带来改进，通过自我监督学习物体部件提出了新的解决途径，并结合目前趋势的 Vision Transformer，利用稠密聚类任务进行空间
PDF2 years ago
CVPR无监督部件分割：通过分离外观与形状
研究无监督发现和分割物体部分的问题，通过分离物体部分的外貌和形状表示来进一步优化分割性能，获得更一致的具有语义意义的部分。
PDF3 years ago
可组合通用的三维结构预测
本文在单目图像 3D 形状重建领域引入了组合通用性的概念，并提出了一个新的框架来 better generalize 到那些有着非常不同的形状几何分布的看不见的目标类别。实验证明，我们的方法在 PartNet 中达到了比最先进的方法更高的性
PDF4 years ago
CVPR特征对齐下的无监督部件发现
本文提出利用无监督学习的方法发现物体的不同部位，通过神经网络构建特征并实现物体识别和部位检测。
PDF4 years ago
CVPR可解释准确的细粒度识别：区域分组方法
本研究提供了一种可解释的深度模型，通过在深层神经网络中将基于区域的部件发现和归因结合起来实现细粒度视觉识别，并通过图像级对象标签进行训练，可以有效地识别图像中的对象部件，提高细粒度识别和对象部件定位的准确性。
PDF4 years ago
ICLR无监督发现部件、结构和动态
本文提出了基于无标注视频的 “物体部件、结构和动态模型”（PSD）模型，可以同时学习层次化、解耦合的物体表示以及物体部件的动态模型，并且在多个真实和合成数据集上都表现良好，实现了物体部件的分割、层次结构的构建以及运动分布的捕捉。
PDF5 years ago
ECCV物理基元分解
本篇研究论文提出了一种新颖的物理基元分解方法，通过解释物体的外观和物理行为来学习其组成部分，以便于智能体更好地探索和交互世界。
PDF6 years ago
利用决策树解释卷积神经网络
本文介绍了一种利用决策树定量解释预训练卷积神经网络的预测理由的方法，通过分解 CNN 高卷积层的特征表示为对象部件的基本概念的方式，使决策树告诉人们哪些对象部分激活了哪些滤波器以及它们对预测得分的贡献有多大。
PDF6 years ago
可解释性卷积神经网络
本文提出了一种方法，将传统的 CNN 转换为可解释的 CNN，以澄清 CNN 高卷积层中的知识表示。在可解释的 CNN 中，高卷积层中的每个滤波器表示某个物体部分，无需任何部件或纹理的注释就可以在学习过程中自动分配。实验表明，可解释的 CN
PDF7 years ago
自适应部件的属性识别
本文提出了一种端到端的深度学习方法，通过关键点生成对象部件并进行属性识别，采用多任务学习，实现对象部件和属性识别的联合优化，从而克服了以往基于部件的属性识别方法中存在的部件优化不足的问题，并在两个数据集上进行了广泛的实验验证了该方法的有效性
PDF8 years ago
用 Part-Stacked CNN 进行细粒度视觉分类
本文提出了一种基于部位的 CNN 模型，在手动标注的强部位注释的基础上，通过模拟物体部件之间微小的差异来显式解释精细分类过程，同时由计算多个物体部分之间的共享策略，提高了效率，并获得了良好的准确度和模型可解释性的实验结果。
PDF9 years ago