- 利用人类_概念形成避免视觉分类中的灾难性遗忘
该研究提出了 Cobweb4V,一种新颖的视觉分类方法,通过借鉴人类逐步学习新概念的方式,有效地学习视觉概念而不会出现灾难性遗忘效应,与人类认知的学习策略相符,是一种有前景的神经网络方法替代方案。
- 作物和杂草分类的组条件确认预测:基于分位数回归校准
基于深度学习的精准农业系统中,缺乏对高度复杂、不透明和不确定的模型的用户信任是自动化解决方案被采纳的一大障碍。本文介绍了一种提供对任何黑盒预测机器的预测性能进行有效统计保证的符合预测框架,应用于实际环境中的深度视觉分类问题。同时介绍了针对不 - 基于随机单词和广泛概念的视觉分类性能探讨
本文提出了一种名为 WaffleCLIP 的框架,通过简单地替换 LLM 生成的描述符为字符和词串,而无需查询外部模型,就在大量的视觉分类任务中实现类似的性能提升,并通过实验研究了 LLM 生成的描述符引入附加语义的影响和缺陷。
- ShuffleMix:通过通道洗牌插值隐藏状态来提高表征
本文提出了 ShuffleMix 概念,将 Mixup 样式数据增强算法中的 dropout 策略引入到特征空间。与 Manifold Mixup 相比,ShuffleMix 在单标签和多标签视觉分类任务上表现更优。
- 基于原型增强学习的叶片品种识别
本研究提出了一种深度学习方法,通过生成软目标来提供更有效的监督,并结合原始的 one-hot 标签信息和实例与原型之间的相似度评分,以在植物叶子识别中实现更好的性能。
- 基于视觉的大米颗粒缺陷分类和重量估计
本文提出了一种基于视觉分类的自动化稻米质量评估系统,利用多阶段工作流程和新颖的指标实现多种缺陷稻米的精确分类和质量估计,从而取代繁琐和容易出错的人工操作。
- 优化视觉 Transformer 的相关性地图以提高鲁棒性
本论文提出一种监测模型关联信号并在细调阶段对模型进行操作使其聚焦于前景物体的方法,实验结果表明在 ViT 模型上应用该方法可以显著提高模型在领域变化方面的鲁棒性,同时无需附加监督信号。
- 在联邦学习中,由不诚实的中央服务器完美准确地推断会员身份
本篇研究介绍了一种针对 relu 激活函数的简单而有效的成员推理攻击算法,通过视觉分类任务对 MNIST、CIFAR10、CIFAR100 和 CelebA 数据集进行实证评估,结果表明,该方法能够在包含数千个样本的训练集中识别一个样本,并 - CVPR计算机视觉中的混合差分隐私
AdaMix 是一种自适应差分隐私算法,用于使用私有和公共图像数据训练深度神经网络分类器。它采用 few-shot training 和 zero-shot learning 来解决视觉分类中的隐私和准确性之间的权衡问题,并提供强大的理论隐 - ICLR可学习性锁:通过对抗可逆转换的授权学习控制
本研究提出了一种名为 “可学习性锁” 的新概念来控制模型在使用特定密钥的训练集时的可学习性,并提出了基于类的扰动方法来防止数据样本被机器学习模型使用,从而提高数据隐私保护。
- CVPR2021 年打击人口贩卖酒店识别竞赛数据集
酒店识别是反人类贩卖调查中的一项重要任务,我们为此提出了一个基于 2021 年 Hotel-ID 数据集的新方法,该数据集由 TraffickCam 移动应用程序提供,利用该数据集训练的模型可以准确地缩小正确酒店的范围,以帮助打击人类贩卖。
- ICLR激活松弛:脑内反向传播的局部动态逼近
提出了 Activation Relaxation (AR) 算法,利用构建反向传播梯度的动力系统平衡点实现只利用局部信号的反向传播,可以在任意计算图上收敛,能在视觉分类任务上训练深度神经网络并且进行神经生物学实现的简化。
- La-MAML: 前瞻元学习用于连续学习
本文提出了 Look-ahead MAML 算法及其在在线连续学习中的应用,通过调整元学习更新中每个参数的学习率实现更灵活、高效的控制灾难性遗忘,并在实际视觉分类任务中取得了优异的性能。
- CVPR使用交互点学习人 - 物交互检测
本文提出了一种基于全卷积的去检测人 - 物交互的新方法,该方法利用相互作用点直接定位和分类相互作用,并结合密集的相互作用向量,将相互作用与人和物的检测相结合,以获得最终的预测结果。该方法在 V-COCO 和 HICO-DET 两个常用基准上 - ICCV重新思考零样本学习:基于条件视觉分类的观点
本文提出了多种不同的零样本学习的算法,包括基于语义属性生成可视特征分类器的深度神经网络,以及一种能够使用未标记数据进行自校准的学习方法,并在所有 ZSL 设置的基准数据集上显著优于现有算法的大量实验结果表明。
- ICLRDNN 中灾难性遗忘的综合应用研究
通过大规模实证研究,我们提出了一种新的实验协议,并在目前最多的视觉分类数据集上评估序列学习任务,结果表明在应用场景下,没有一种模型能够避免所有的灾难性遗忘,最后我们探讨了 EWC 和 IMM 模型的潜在解决方案和解决方法.
- CVPR学习记忆:一种突触可塑性驱动的连续学习框架
介绍了一种基于神经突触可塑性的动态生成记忆模型,该模型在连续学习中实时调整神经网络架构,应用于视觉分类任务中,旨在解决老知识保留和模型容量扩展的问题。
- Task2Vec: 元学习任务嵌入
本文介绍了一种提供视觉分类任务向量表示的方法,该表示可用于推断任务及其关系的性质,并提供了独立于细节(如类标签语义的理解等)的任务的固定维度嵌入。我们还展示了该框架的实用价值以及通过学习嵌入度量来选择预训练特征提取器的简单元学习框架。选择具 - ECCV语义分割的判别式非分布检测
本文提出了一种针对视觉分类中的开放世界场景中的数据分割问题的新方法,该方法能够训练出一个专门针对原始训练集以及更大的 “背景” 数据集的 ODD(出现在分布之外的异常值)检测模型,并在测试复杂自然图像的数据集中得到了优异的表现。
- 应用深度学习改善 SDSS 星系形态学
本文使用深度学习算法,结合精准的视觉分类目录,通过彩色图像获得 T-Type 和 GZ2 类型问题的分类,以得到最大和最准确的形态目录。