摘要: cvpr 2019,竟然和视频异常检测这个比较小的领域有关,挺有意思 问题:弱标签视频异常检测(只有视频级标签)在先前的工作中被定义为一个典型的多实例学习问题 multi instance learning problem,将视频作为一个bag,包含被认为实例的片段。作者将其转换为在Noisy la 阅读全文
posted @ 2019-07-21 16:24 LeeGoHigh 阅读(1788) 评论(0) 推荐(0) 编辑
摘要: Zero shot learning 主要是zero shot learning相关论文的阅读,主要关注于视频方面。 零样本问题现在处理视频的很少,主要是因为零样本自身就有不少的急需解决的问题: 1. domain shift 2. Hubness problem 3. semantic gap 详 阅读全文
posted @ 2019-07-13 10:59 LeeGoHigh 阅读(860) 评论(0) 推荐(0) 编辑
摘要: 快一个月没写笔记了,实际上这段时间也读了一些文章。这篇文章是19年ICRL上面的工作,是关于meta learning和无监督学习的,作者在摘要中说了是要做few shot问题的,但是全文看下来给我的感觉就是。。。强行非监督,为什么要非监督?因为作者认为这样可以学习到一个无关于具体的任务的表示能力, 阅读全文
posted @ 2019-05-16 22:14 LeeGoHigh 阅读(764) 评论(0) 推荐(0) 编辑
摘要: 好久没更博客。。。主要是被安排了新的track——小样本学习,所以都在看论文和学习,note也写了很多内容,就一次性更了。汇报完工作估计又得开始研究异常检测和视频分类相关的了。估计小样本学习这边的论文还是不能停,但是不会重点看了(毕竟看了一堆了,可能接下来就是把18年一些论文大概领略一下。。所以以后 阅读全文
posted @ 2019-04-23 21:20 LeeGoHigh 阅读(2497) 评论(0) 推荐(2) 编辑
摘要: we employ a convolutional auto encoder that has been trained on a large collection of random local patches. We demonstrate that neural networks couple 阅读全文
posted @ 2019-03-12 22:10 LeeGoHigh 阅读(996) 评论(0) 推荐(0) 编辑
摘要: 这篇文章和前一篇把神经网络主要集中于descriptor的对比方面不一样的是,这一篇中CNN还用来区分不同的物体类别和同类别不同姿态从而确保不同类间距较大同类间距较小(但是足以区分pose),这样就可以确保根据CNN对图片输入的输出值来直接确定对应的物体种类和其所应属于类别中的Pose,并且还采用了 阅读全文
posted @ 2019-03-11 22:08 LeeGoHigh 阅读(499) 评论(0) 推荐(0) 编辑
摘要: 迎来了第一篇使用CNN对姿态进行估计的文章了,哭了。 这篇文章是基于2014_Learning 6D Object Pose Estimation using 3D Object Coordinates(我们读过的)这篇文章,在14年的文章中作者把模型渲染的结果——一个像素点可能的模型坐标轴和位置、 阅读全文
posted @ 2019-03-11 17:51 LeeGoHigh 阅读(742) 评论(0) 推荐(0) 编辑
摘要: To this end, we rely on an efficient representation of object views and employ hashing techniques to match these views against the input frame in a sc 阅读全文
posted @ 2019-03-09 15:32 LeeGoHigh 阅读(470) 评论(0) 推荐(0) 编辑
摘要: 这是我现在做的最长的一篇笔记了。。。感觉挺有意思的这个,首先是用一个流动视窗搜索全图,然后删除大部分没有搜寻物体的候选,余下的部分使用启发式的操作得出特征信息然后和模板的hash匹配看那些模板比较有可能,得出了全部的模板后然后对每个模板的物体直径、法向量、梯度、深度、色彩对比得到候选,候选进一步得到 阅读全文
posted @ 2019-03-07 22:29 LeeGoHigh 阅读(724) 评论(0) 推荐(0) 编辑
摘要: 这个可以算我最长的一片笔记。。因为大部分的文字描述都是和公式做法密切相关。这个方法就是通过2个CNN模型,一个预测图片patch所属模型的部分part的control point,另一个预测part中心的reprojection,然后利用雅可比行列式和 Using a single Gaussian 阅读全文
posted @ 2019-03-06 22:31 LeeGoHigh 阅读(483) 评论(0) 推荐(0) 编辑