关键词visual recognition systems
搜索结果 - 7
- ICCV通过混淆和无知的证据建模进行灵活的视觉识别
在本文中，我们提出使用主观逻辑的理论来明确建模确定的预测不确定性和未知类别样本预测的忽略现象，并通过预测 Dirichlet 浓度参数来实现综合的主观意见，通过一系列实验证明了我们的方法在量化两种不确定性源和处理灵活识别方面的有效性。
- CVPR再次探讨视觉知觉模型的弱监督预训练
本文介绍一项新的弱监督学习方法 —— 通过标签来监督预训练模型， 该方法使用现代残差网络和最大的图像数据集训练模型， 实现各种迁移学习的应用，甚至包括零样本学习，且与大规模自监督学习相比具有更好的性能。此方法有助于发展可靠的视觉识别系统。
- 特征金字塔变换器
提出了一种名为 Feature Pyramid Transformer（FPT）的全新特征交互方法，能够将任何特征金字塔转换为具有更多上下文信息的相同大小的特征金字塔，从而有效捕捉不同尺度中物体的非局部上下文特征。在实例级和像素级分割任务中 - 具有领域特定聚合模块的领域泛化
提出了一种深度结构，通过聚合层策略引入了领域特定的聚合模块，能够在同时利用通用感知信息的情况下保持关于可用源域数据的信息的分离，并在两个不同的基准数据库上进行实验，取得了域泛化的新突破。
- 仅 DIAL: 用于无监督领域适应的域对齐层
本研究通过引入 DomaIn Alignment Layers 方法解决领域适应中的特征分布偏移问题，从而提高视觉识别系统在不同领域数据集上的成功率，并在三个公开基准测试中取得了成功的实验结果。
- NIPS利用深度神经网络和期望模型输出变化进行主动和连续的探索
我们提出了使用基于深度神经网络的期望模型输出变化的新原则来实现连续主动学习和探索算法，为语义概念的主动获取提供一种解决方法，并且我们的实现方法在实验中优于目前使用的启发式算法。
- 开放世界识别
通过对线性变换特征空间距离单调递减函数的和进行分组来解决 “开放空间风险” 和经验风险之间的平衡，提出了开放世界识别问题，提出了一种用于评估开放世界识别系统的协议，并演示 Nearest Non-Outlier 算法如何可靠有效地处理大规模