计算机视觉战队-腾讯云开发者社区

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

计算机视觉战队

专栏成员

822

文章

799567

阅读量

106

订阅数

ICCV何恺明团队又一神作：Transformer仍有继续改善的空间

监督学习图像处理图像识别深度学习人脸识别

点击上方蓝字关注我们计算机视觉研究院专栏作者：Edison_G 一个简单、渐进、但必须知道的基线：用于Vision Transformer的自监督学习。尽管标准卷积网络的训练方法已经非常成熟且鲁棒，然而ViT的训练方案仍有待于构建，特别是自监督场景下的训练极具挑战。公众号ID｜ComputerVisionGzq 学习群｜扫码在主页获取加入方式关注并星标从此不迷路计算机视觉研究院 1 背景在今天分享恺明团队新推出的自监督学习+Transformer=MoCoV3之前，我想和大家分享下

计算机视觉研究院

2022-10-08

8750

CV下一个风口在哪里？听听顶会审稿人怎么说

ide 监督学习 linux http 图像处理

“想要发一篇论文，怎么就那么难？” 无论几岁的计算机视觉党，面对这样的灵魂拷问，很有可能都要陷入沉思。 0-1岁的科研人要考虑的是，谁来告诉我，哪个研究方向比较好，比较热门，比较不卷，比较好发论文。 2岁以上的科研人已然入坑，一时半会也爬不出来，所以想着，求大神指导，怎么“抢idea”、怎么占坑、怎么快速发论文…… 大多数CV研究生的最终目的地无非两个，工程上的或者学术上的。要么进大厂当算法工程师；要么成为Lab算法研究员。而要到达理想目的地的前提条件是，有一份拿得出手的成绩——发论文的数量和质量无

计算机视觉研究院

2022-10-08

7070

如何使ResNet优于EfficientNet？改进训练方法和扩展策略就可以

监督学习图像处理

欢迎关注“ 计算机视觉研究院 ” 计算机视觉研究院专栏作者：Edison_G 架构变化、训练方法和扩展策略是影响模型性能的不可或缺的重要因素，而当前的研究只侧重架构的变化。谷歌大脑和 UC 伯克利的一项最新研究重新审视了 ResNet 架构，发现对于提升模型性能而言，改进训练和扩展策略或许比架构变化更重要。他们提出了 ResNet 的变体架构 ResNet-RS，其使用的内存不仅更少，在 TPU 和 GPU 上的训练速度也数倍于 EfficientNet。长按扫描二维码关注我们本篇转自于机器之心

计算机视觉研究院

2022-10-08

8360

新技术：高效的自监督视觉预训练，局部遮挡再也不用担心！

tcp/ip 图像处理图像识别监督学习学习方法

关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq 学习群｜扫码在主页获取加入方式论文地址：https://arxiv.org/pdf/2206.00790.pdf 计算机视觉研究院专栏作者：Edison_G 计算机视觉的自监督学习取得了巨大的进步，并改进了许多下游视觉任务，例如图像分类、语义分割和对象检测。 01 概要简介计算机视觉的自监督学习取得了巨大的进步，并改进了许多下游视觉任务，例如图像分类、语义分割和对象检测。其中，生成式自监督视觉学习方法如M

计算机视觉研究院

2022-06-13

6710

霸榜第一框架：工业检测，基于差异和共性的半监督方法用于图像表面缺陷检测

图像处理图像识别监督学习

关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq 学习群｜扫码在主页获取加入方式论文地址：https://arxiv.org/ftp/arxiv/papers/2205/2205.00908.pdf 链接: https://pan.baidu.com/s/1ar2BN1p2jJ-cZx1J5dGRLg 密码: 2lah 计算机视觉研究院专栏作者：Edison_G 目前霸榜第一，99.56%，一秒31.34张图片。 1 概括半监督框架下，研究者提出了一

计算机视觉研究院

2022-05-20

8900

ICCV最佳检测之一：主动学习框架较大提升目标检测精度（附论文下载）

图像识别监督学习图像处理

点击上方蓝字关注我们计算机视觉研究院专栏作者：Edison_G 新框架优于基于单模型的方法，并且以一小部分计算成本与基于多模型的方法相媲美！公众号ID｜ComputerVisionGzq 学习群｜扫码在主页获取加入方式论文下载｜后台回复“主动学习”获取链接关注并星标从此不迷路计算机视觉研究院 1 概括主动学习旨在通过仅选择数据集上信息量最大的样本来降低标记成本。现有的工作很少涉及对象检测的主动学习。这些方法中的大多数基于多个模型或者是分类方法的直接扩展，因此仅使用分类头来估计图像

计算机视觉研究院

2022-05-18

3640

自监督目标检测：不用在ImageNet上训练的目标检测（附论文下载）

linux 监督学习学习方法图像处理图像识别

计算机视觉研究院专栏作者：Edison_G 现在的自监督学习通过在ImageNet数据集上实现图像分类来进行无监督的预训练，通过最大化不同图像之间的距离（相似度），最小化同一张图像的不同视图之间的相似度来学习一个最佳的特征表示，这种方法针对ImageNet这种分类数据集（一张图像上一个类别物体）来说是适用的。但是... 公众号ID｜ComputerVisionGzq 学习群｜扫码在主页获取加入方式 1 简要无监督视觉表示学习引起了相当多的关注，旨在用大量的未标记数据生成更好的特征表示。最近的自监督学

计算机视觉研究院

2022-05-16

6630

新目标检测框架 | 基于改进的one-shot的目标检测

图像识别内容分发网络 CDN 图像处理监督学习深度学习

计算机视觉研究院专栏作者：Edison_G 目前在目标检测方面的进展依赖于大规模的数据集来获得良好的性能。然而，在许多场景下可能并不总是有足够的样本，从而导致当前基于深度学习的目标检测模型的性能下降。长按扫描二维码关注我们一、简要为了克服上述的问题，有研究者提出了一种新的one-shot条件检测框架(OSCD)。给予一个含有target object的support image和query image作为输入，OSCD可以在查询图像中检测属于目标对象类别的所有目标。具体来说，OSCD由一个Siam

计算机视觉研究院

2022-03-04

9790

半监督辅助目标检测：自训练+数据增强提升精度（附源码下载）

SSL 证书 https 监督学习图像识别图像处理

计算机视觉研究院专栏作者：Edison_G 近年来，半监督学习（SSL）受到越来越多的关注。在当没有大规模注释数据时，SSL提供了使用unlabel data来改善模型性能的方法。公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式论文： https://arxiv.org/pdf/2005.04757.pdf 1 简要半监督学习 (SSL) 有可能提高使用未标记数据的机器学习模型的预测性能。尽管最近取得了显着进展，但SSL的演示范围主要是图像分类任务。在今天

计算机视觉研究院

2022-03-04

9200

ICCV2021何恺明团队又一神作：Transformer仍有继续改善的空间

监督学习图像识别机器学习神经网络深度学习

在今天分享恺明团队新推出的自监督学习+Transformer=MoCoV3之前，我想和大家分享下最近我看到一篇目标检测文章，最近因为一直推送目标检测类的，觉得这篇是个不错的idea。

计算机视觉研究院

2022-01-25

4650

CVPR 2021 | 不需要标注了？看自监督学习框架如何助力目标检测

论文链接：https://arxiv.org/pdf/2104.08683.pdf

计算机视觉研究院

2021-05-31

7550

Facebook用10亿无标注数据预训练实现SOTA：提出自监督CV新模型

监督学习编程算法图像处理

近日，Facebook 宣布了一项重要新工作：他们提出的自监督 AI 模型 SEER 能够在没有人类手动标注的情况下，从 10 亿张来自 Instagram 的随机图片中学习识别和分类照片中的主要对象。最终，该模型在 ImageNet 上的 top-1 准确率达到 84.2%，比现有的 SOTA 自监督模型高出一个百分点。

计算机视觉研究院

2021-03-15

6300

CVPR佳作 | 用有噪声的学生网络进行自我训练提高ImageNet分类

编程算法监督学习

近年来，深度学习在图像识别方面取得了显著的成功。然而，最先进的视觉模型仍然是用监督学习来训练的，这就需要大量的标记图像才能很好地工作。通过只显示标记图像的模型，我们限制了我们自己使用更大数量的未标记图像来提高最先进模型的准确性和鲁棒性。

计算机视觉研究院

2021-03-13

5590

Facebook AI何恺明又一新作 | 研究MoCo(动量对比学习)，超越Hinton的SimCLR，刷新SOTA准确率

监督学习机器学习神经网络深度学习人工智能

经常闲逛何老师主页，应该有所察觉，Facebook AI的何凯明老师有来一个新作，这次更加猛烈，远远比Hinton老师的SimCLR还要优秀，今天“计算机视觉研究院”一起和大家来分享，一起来学习！

计算机视觉研究院

2020-04-15

2.2K0

CVPR2020 | 用有噪声的学生网络进行自我训练提高ImageNet分类

编程算法监督学习

近年来，深度学习在图像识别方面取得了显著的成功。然而，最先进的视觉模型仍然是用监督学习来训练的，这就需要大量的标记图像才能很好地工作。通过只显示标记图像的模型，我们限制了我们自己使用更大数量的未标记图像来提高最先进模型的准确性和鲁棒性。

计算机视觉研究院

2020-04-14

8240

机器学习------令人头疼的正则化项

机器学习监督学习正则表达式

监督机器学习问题无非就是在规则化参数的同时最小化误差。最小化误差是为了让模型拟合训练数据，而规则化参数是防止模型过分拟合训练数据，但训练误差小并不是最终目标，最终目标是希望模型的测试误差小，也就是能准确的预测新的样本。所以需要保证模型“简单”的基础上最小化训练误差，这样得到的参数才具有好的泛化性能(也就是测试误差也小)，而模型“简单”就是通过规则函数来实现的。一般来说，监督学习可以看做最小化下面的目标函数：（正则化代价函数）=（经验代价函数）+（正则化参数）X（正则化项）第一项是衡量模型预测与实际的

计算机视觉研究院

2018-04-17

1.1K0

一文读懂监督学习、无监督学习、半监督学习、强化学习这四种深度学习方式

监督学习无监督学习强化学习深度学习

一般说来，训练深度学习网络的方式主要有四种：监督、无监督、半监督和强化学习。在接下来的文章中，计算机视觉战队将逐个解释这些方法背后所蕴含的理论知识。除此之外，计算机视觉战队将分享文献中经常碰到的术语，并提供与数学相关的更多资源。监督学习（Supervised Learning）监督学习是使用已知正确答案的示例来训练网络的。想象一下，我们可以训练一个网络，让其从照片库中（其中包含你父母的照片）识别出你父母的照片。以下就是我们在这个假设场景中所要采取的步骤。步骤1：数据集的创建和分类首先，我们要浏览你的

计算机视觉研究院

2018-04-17

2.3K0

没有更多了

社区活动

【纪录片】中国数据库前世今生

穿越半个世纪，探寻中国数据库50年的发展历程

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态