objectness | BriefGPT - AI 论文速递

关键词objectness

搜索结果 - 9

CVPR具有分离的客体性学习和类别识别的持续分割
基于强大的目标性和防遗忘特性，我们提出了 CoMasTRe 方法，它将持续分割任务分为两个阶段，通过学习抗遗忘的目标性特征和经过良好研究的分类特征，采用简单但有效的蒸馏策略来强化目标性，并通过多标签类蒸馏策略减轻旧类别的遗忘，实验证明该方法
PDF4 months ago
在混乱世界中观察物体：基于视频中的运动的计算物体特征
通过计算方法，我们展示了利用运动线索和时空注意力来推断客观性而不需要对象模型的能力，并展示了如何在混乱的场景中稳健地感知个别被关注的对象，甚至在模糊和相机抖动的情况下。我们展示了数据多样性和扩增的作用，以最小化偏差并便于应用于真实视频，并描
PDF5 months ago
粗糙更好？一种利用未筛选图片自监督学习的新管线
该研究提出了一种新的场景图像自监督学习（SSL）流水线，可以成功地从未被筛选过的场景数据集（如 MS-COCO）中学习高质量的视觉表示，并且不需要依赖于外部的以物体为中心的数据集，从而更好地应用到非对比性 SSL 方法中。
PDFa year ago
ECCV多模态变换器实现无类别物体检测
本文提出使用多模态视觉变换器结合图像 - 文本对进行目标检测，证明了该方法可有效地提高跨领域和新颖目标的性能，并开发了一个高效的 MViT 体系结构，具有多尺度特征处理和多语言融合功能。
PDF3 years ago
联合人物客体性和排斥力用于人物搜索
本文提出了 OR 相似度来综合考虑对象性和排斥信息，其中对象性术语可以减少不包含人的干扰样本的相似度，提高正样本的排名，而排斥项可减少不与探针人最相似的干扰图像的相似度。在人物检测和人物匹配反馈上，实验证明所提出的 OR 相似度可提高人物搜
PDF4 years ago
CVPR无监督视频目标分割中的实例嵌入迁移
提出一种用于无监督视频目标分割的方法，通过转移图像实例嵌入网络中封装的知识。通过将实例嵌入与物体性和光流特征相结合，无需模型重新训练或在线微调，即可将物体链接起来。该方法在 DAVIS 数据集和 FBMS 数据集上优于最先进的无监督分割方法
PDF7 years ago
使用无监督深度学习进行早期视觉概念学习
本文提出了一种基于无监督学习、从神经科学中获得灵感的方法，利用变分自编码器对图像数据进行学习，从而获得解耦表示。该方法可以使神经科学的研究成果得以应用到实际中，同时还有零样本推理和直观理解的优点。
PDF8 years ago
IJCAI通过增强假设进行显著对象检测
本文提出了一种基于加强的假设的显著对象检测方法，其中考虑了物体性、前景与紧凑性。该方法通过四个步骤生成显著性地图，从而能够有效地检测、区分前景和背景，并在两个具有挑战性的数据集中表现良好。
PDF9 years ago
ICCV使用卷积网络学习物体性质的 DeepBox
使用卷积神经网络的数据驱动语义方法，提出一种提高目标建议排名的新框架 “DeepBox”，可以显著提高目标检测平均准确度，并在保持较高召回率的同时大幅降低计算时间。
PDF9 years ago