新开业,论坛寻求版主

hejiwang 2004-02-25 02:03:09

http://code.chinacodebank.com/
新开业,请提意见
新开业,论坛寻求版主

...全文

57 回复打赏收藏举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

学习笔记之《CNN: Single-label to Multi-label》

CNN: single-label to multi-label 1，概述首次看多目标检测的文章。文中指出多目标检测有两个框架：1）BoW，2）DL。BoW还没看过。当然本文用的是DL中的CNN（好处多多）。首先，这篇文章是在程明明提出BING以后的一次应用。本文提出了一种HCP的框架结构（Hypotheses-CNN-Pooling），检测方法是利用BING和HS提取提取hypo

文章：Real-time emotion recognition for gaming using deep convolutional network features 来源：arXiv:1408.3750v1 [cs.CV] 16 Aug 2014 源码：开放，https://github.com/Zebreu/ConvolutionalEmotion

@[TOC](论文阅读：CNN: Single-label to Multi-label (未完待续)) 论文地址: https://arxiv.org/pdf/1406.5726.pdf Abstract 众所周知CNN能在单标签分类任务上表现的很好，但是，CNN如何识别多标签图像，对多标签图像进行分类仍然是一个问题，主要是由于物体的布局还有多标签训练图像不足。在这篇论文作者提出了一种新的结构，Hypotheses-CNN-Pooling (HCP)。任意数量的假设目标存在的部分会作为HCP的输入，所有的

1 简介参考2014年论文《CNN: Single-label to Multi-label》，该论文中提出了HCP（hypothesis-CNN-Pooling）。HCP可以进行一张图片中多物体（多标签）的识别。Hypothesis基本可以理解为物体建议（object proposal）。先介绍个模型BING（binarized normed gradients 二值化标准梯度）。对于物体的识别，比如RPN模型，其检测效果依赖于大量的ground-truth 标注，这样就导致RPN的检测效果不具有一般

81,108

社区成员

341,721

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章