首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Towards Instance-level Image-to-Image Translation

    非配对图像到图像的翻译是一个新兴的、具有挑战性的视觉问题,旨在学习不同领域中未对准图像对之间的映射。该领域的最新进展,如MUNIT和DRIT,主要集中在首先从给定图像中解开内容和风格/属性,然后直接采用全局风格来指导模型合成新的领域图像。然而,如果目标域图像内容丰富且包含多个不一致的对象,则这种方法会严重导致矛盾。在本文中,我们提出了一种简单而有效的实例感知图像到图像的翻译方法(INIT),该方法在空间上对目标图像采用细粒度的局部(实例)和全局风格。拟议的INIT具有三个重要优势: (1) 实例级的客观损失可以帮助学习更准确的重建,并结合对象的不同属性;(2) 局部/全局区域的目标域所使用的样式来自源域中相应的空间区域,直观上是一种更合理的映射;(3) 联合训练过程既有利于细化粒度,也有利于粗粒度,并结合实例信息来提高全局翻译的质量。我们还为新的实例级翻译任务收集了一个大规模的基准。我们观察到,我们的合成图像甚至可以帮助完成真实世界的视觉任务,如一般物体检测。

    01

    学界 | 把酱油瓶放进菜篮子:UC Berkeley提出高度逼真的物体组合网络Compositional GAN

    生成对抗网络(GAN)是在给定输入的条件下生成图像的一种强大方法。输入的格式可以是图像 [9,37,16,2,29,21]、文本短语 [33,24,23,11] 以及类标签布局 [19,20,1]。大多数 GAN 实例的目标是学习一种可以将源分布中的给定样例转换为输出分布中生成的样本的映射。这主要涉及到单个目标的转换(从苹果到橙子、从马到斑马或从标签到图像等),或改变输入图像的样式和纹理(从白天到夜晚等)。但是,这些直接的以输入为中心的转换无法直观体现这样一个事实:自然图像是 3D 视觉世界中交互的多个对象组成的 2D 投影。本文探索了组合在学习函数中所起到的作用,该函数将从边缘分布(如椅子和桌子)采集到的目标不同的图像样本映射到捕获其联合分布的组合样本(桌椅)中。

    02

    JSP原理(概述)

    1.JSP概述 1.1什么是jsp:它的英文全称:java server pages,java服务端页面,它是建立在servlet 规范基础上的动态网页开发技术。 java服务端 页面:在jsp上可以写java代码,也可以写html标记,它运行在服务端。 jsp=java+html+jsp自身的一些东西。 为什么会产生jsp技术: 因为在早期,没有jsp时,需要servlet向页面写数据,比较麻烦,所以就产生了jsp技术。 jsp最大的特点:可以非常简单的书写页面。 jsp其实他的本质是servlet,可以看到,jsp继承了HttpJspBase 继承HttpServlet。 1.2 编写第一个jsp文件:jsp生成java文件,编译成class文件,存在tomcat服务器的work目录。 注意:修改jsp的默认编码格式,window—>preferences—>jsp files---->encoding—>修改 1.3 JSP的运行原理

    02

    K8s源码分析(19)-client go组件之RESTClient

    上一篇文章里,我们主要介绍了 kubernetes 中资源 API 的注册过程,包括核心资源组和非核心资源组,以及中间是如何利用 go-restful 这个 web 框架来映射成标准的 restful API。在后面的文章里我们主要介绍 client go 这个组件,该组件主要是会负责和 kubernetes API server 进行通讯,完成对各种资源的增删改查,list and watch 等系列操作。例如负责资源调度的 kube-scheduler 组件,负责资源管理的 controller manager 组件,负责 pod 生命周期管理的 kublet 组件,负责网络管理的 kube-proxy 组件,它们与 API server 的通讯完全依赖于 client go 这个组件,所以该组件是基础中的基础。本篇文章我们主要该组件中的 RESTClient。

    01

    JAVA__抽象类的作用

    1、在面向对象方法中,抽象类主要用来进行类型隐藏。构造出一个固定的一组行为的抽象描述,但是这组行为却能够有任意个可能的具体实现方式。这个抽象描述就是抽象类,而这一组任意个可能的具体实现则表现为所有可能的派生类。模块可以操作一个抽象体。由于模块依赖于一个固定的抽象体,因此它可以是不允许修改的。 2、通过从这个抽象体派生,也可扩展此模块的行为功能。为了能够实现面向对象设计的一个最核心的原则OCP(Open-Closed Principle),抽象类是其中的关键所在。 3、抽象类往往用来表征对问题领域进行分析、设计中得出的抽象概念,是对一系列看上去不同,但是本质上相同的具体概念的抽象。

    03

    A full data augmentation pipeline for small object detection based on GAN

    小物体(即32×32像素以下的物体)的物体检测精度落后于大物体。为了解决这个问题,我们设计了创新的体系结构,并发布了新的数据集。尽管如此,许多数据集中的小目标数量不足以进行训练。生成对抗性网络(GAN)的出现为训练体系结构开辟了一种新的数据增强可能性,而无需为小目标注释巨大数据集这一昂贵的任务。 在本文中,我们提出了一种用于小目标检测的数据增强的完整流程,该流程将基于GAN的目标生成器与目标分割、图像修复和图像混合技术相结合,以实现高质量的合成数据。我们的流水线的主要组件是DS-GAN,这是一种基于GAN的新型架构,可以从较大的对象生成逼真的小对象。实验结果表明,我们的整体数据增强方法将最先进模型的性能提高了11.9%AP@。在UAVDT上5 s和4.7%AP@。iSAID上的5s,无论是对于小目标子集还是对于训练实例数量有限的场景。

    02

    Generative Modeling for Small-Data Object Detection

    本文探讨了小数据模式下的目标检测,由于数据稀有和注释费用的原因,只有有限数量的注释边界框可用。这是当今的一个常见挑战,因为机器学习被应用于许多新任务,在这些任务中,获得训练数据更具挑战性,例如在医生一生中有时只看到一次罕见疾病的医学图像中。在这项工作中,我们从生成建模的角度探讨了这个问题,方法是学习生成具有相关边界框的新图像,并将其用于训练目标检测器。我们表明,简单地训练先前提出的生成模型并不能产生令人满意的性能,因为它们是为了图像真实性而不是目标检测精度而优化的。为此,我们开发了一种具有新型展开机制的新模型,该机制联合优化生成模型和检测器,以使生成的图像提高检测器的性能。 我们表明,该方法在疾病检测和小数据行人检测这两个具有挑战性的数据集上优于现有技术,将NIH胸部X射线的平均精度提高了20%,定位精度提高了50%。

    02
    领券