以上评估方式一般都是用ground-truth中目标的位置初始化第一帧,然后运行跟踪算法得到平均精度和成功率。这种方法被称为one-pass evaluation (OPE)。这种方法有2个缺点。一是一个跟踪算法可能对第一帧给定的初始位置比较敏感,在不同位置或者帧初始会造成比较大的影响。二是大多数算法遇到跟踪失败后没有重新初始化的机制。
最近,人们对在不规则采样的点云上进行卷积产生了极大的兴趣。由于点云与常规栅格图像有很大的不同,因此必须更仔细地研究卷积网络的通用性,特别是它们在输入数据的尺度和旋转变化下的鲁棒性。本文研究了点云上卷积网络PointConv的不同变体,以考察其对输入尺度和旋转变化的鲁棒性。在我们探索的变体中,有两个变体是新颖的,并产生了显著的改进。第一个是用简单得多的三阶多项式替换了基于多层感知器的权重函数,同时采用了Sobolev规范化。其次,对于3D数据集,除了常规的3D坐标外,我们还利用3D几何属性作为PointConv的输入,从而推导出一种新型的观点不变的描述符。我们还探讨了激活函数、邻域和子采样方法的选择。我们在2D MNIST和CIFAR-10数据集以及3D SemanticKITTI和ScanNet数据集上进行了实验。结果显示,在2D上,使用三阶多项式极大地提高了PointConv对尺度变化和旋转的鲁棒性,甚至超过了MNIST数据集的传统2D CNN。在3D数据集上,新颖的视点不变量描述符显著提高了PointConv的性能以及鲁棒性。我们在SemanticKITTI数据集上实现了最先进的语义分割性能,在ScanNet数据集上也实现了与目前基于点的方法中最高框架的性能相当。
标题:Benchmarking the Robustness of Spatial-Temporal Models Against Corruptions
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。
本文汇总了ECCV 2020上部分对抗相关论文,后续公众号会随缘对一些paper做解读。感兴趣的同学,可先自行根据标题,搜索对应链接(有些paper可能未公布)。值得注意的是,这里的对抗包括了生成对抗GAN、以及对抗攻击/防御,两者概念上是迥然的。
来源:专知 【新智元导读】今年举办到第六届的ICLR会议被誉为深度学习顶会的“无冕之王”,在业内得到广泛认可。ICLR 采用Open Review 评审制度,ICLR 2018 共收到981篇有效稿件,截止2017年12月1日,已经有979篇论文收到至少一个评分,本文对评审结果进行了分析。目前,来自斯坦福大学探讨对抗训练的论文Certifiable Distributional Robustness with Principled Adversarial Training排名第一。 ICLR,全称为 Int
Robust face landmark estimation under occlusion ICCV’13 http://www.vision.caltech.edu/xpburgos/ICCV13/
Causal Inference Using Tractable Circuits
Time: 15:00 pm - 18:00 pm, EST, Wednsday, February 3, 2021
“SFFAI139期来自美国莱斯大学的傅泳淦推荐的文章主要关注于基础研究的对抗学习领域。”
CVPR2022论文和代码整理:https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo
Introduction This week we continue the theme of looking at general kinds of harm technology can cause if we’re not careful with it. The topic we’re looking at is one that, with a few exceptions, gets a lot less press I think than bias because it’s a lot h
最近 Transformer 在计算机视觉遍地开花,从纯 Transformer 到 Transformer 和 CNN 的显式隐式杂交,各个任务仿佛嗷嗷待哺的婴儿,等着 Transformer 奶一口,这自然让人好奇 Transformer 的稳健性(Robustness)如何。
ICLR国际表征学习大会是深度学习领域的顶级会议。本次会议共收到4956篇论文投稿,接收1574篇,本届会议录用率约为30%。其中涉及推荐系统相关论文5篇,特此整理出来以供大家学习。
标题:PAIRWISE LINKAGE FOR POINT CLOUD SEGMENTATION
用惯了python,对其他语言就比较的生疏。但是python很多时候在性能上比较受局限,这里尝试通过C++来实现一个文件IO的功能,看看是否能够比python的表现更好一些。关于python的类似功能的实现,可以参考这一篇博客。
AI 科技评论本文介绍一篇发表在 CVPR 2021 的一篇工作:《Adversarial Robustness under Long-Tailed Distribution》,并分享作者将长尾分布 (Long-Tailed Distribution) 这一条件引入对抗鲁棒性 (Adversarial Robustness) 任务中的一些理解。
Brute force feature matching might not be fast enough for extremely large amounts of features. In practice, a k-d tree is often used to speed the search by constraining it spatially.
对于随机物种去除的模拟为随机去除一定比例的节点;对于目标移除的模拟是移除了一定数量的核心菌。
#Swift for TensorFlow Swift for TensorFlow 为 TensorFlow 提供了一种新的编程模型,将 TensorFlow 计算图与 Eager Execution 的灵活性和表达能力结合在了一起,同时还注重提高整个软件架构每一层的可用性。 本项目的设计基础是 Graph Program Extraction 算法,它可以让你用 Eager Execution 式的编程模型来轻松地实现代码,同时还保留 TensorFlow 计算图的高性能优势。此外,本项目还将高级的自动
第43届国际信息检索研究和发展大会(SIGIR)将于2020年7月25-30日在美丽的中国西安举行。此次大会共收到了555篇长文投稿,录用147篇,长文录取率26.4%;共收到了507篇短文投稿,录用153篇,短文录取率30%。
多目标优化 A MOIA with dynamic population strategy “参考文献 A multi-objective immune algorithm with dynamic population strategy, Swarm and Evolutionary Computation 50 (2019) 100477 摘要 In this paper, we propose a multi-objective immune algorithm with dynamic popul
近年来,CVPR、AAAI、NeurIPS、ICML、ACL 等顶级学术会议的影响力越来越大,每年接收论文、参会人数的数量连创新高。 但受到新冠疫情影响,国内的 AI 领域研究者很难远赴海外参会。 据官方公告,ICML 2022 大会将于 7 月 17 日 - 23 日在美国马里兰州巴尔的摩市以线上线下结合的方式举办。这也是新冠疫情以来大会首次恢复线下形式举办,遗憾的是,国内很多 AI 研究者不得不缺席。 几天前,我们在某中文问答社区潜水的时候发现,有 AI 研究者发出了这样的呼吁: 然后,机器之心被艾特
【导读】专知内容组整理了最近六篇目标跟踪(Object Tracking)相关文章,为大家进行介绍,欢迎查看! 1. A Twofold Siamese Network for Real-Time Object Tracking(基于双重暹罗网络的实时物体跟踪) ---- ---- 作者:Anfeng He,Chong Luo,Xinmei Tian,Wenjun Zeng 摘要:Observing that Semantic features learned in an image classificat
摘要:对于可信图神经网络(Trustworthy Graph Neural Networks)在隐私(privacy),鲁棒性(robustness), 公平(fairness)和可解释性(explainability) 的研究工作,我们进行了系统的梳理和讨论。对于可信赖所要求的各个方面,我们将现有概念和方法归类并提炼出各类的通用框架。同时我们也给出了代表性工作和前沿方法的具体细节。对于未来的工作方向,我们也进行了探讨。
本文精选了上周(0717-0723)最新发布的15篇推荐系统相关论文,主要研究方向包括基于大语言模型的推荐系统、推荐中的公平性问题、对话推荐、多语言多区域购物推荐数据集、推荐中的架构搜索、多行为推荐等。
安恒信息 网络安全前沿资讯、 应急响应解决方案、技术热点深度解读 PART1 展厅篇 美国西海岸时间2018年04月17日,是RSA大会开幕的第二天,主会场的展厅正式对外展览,昨天还平静的展厅今天涌
本文共1700字,建议阅读6分钟。 本文为你精选近期Github上的13款深度学习开源工具包和数据集,一起Star和Fork吧~
选自GitHub 机器之心编译 参与:蒋思源、李泽南 ICLR 2018 大会的论文评审已经于 11 月 27 日截止。在明年 1 月 5 日之前,人们将对目前提交的论文进行讨论。根据评审得分,我们整理了排名前五的论文。目前,斯坦福大学探究神经网络对抗样本的论文 Certifiable Distributional Robustness with Principled Adversarial Training 名列第一。 今年的 ICLR 大会接收到了 981 篇有效论文。截至 12 月 1 日,有 97
大家应该在从事软件开发领域工作时间有一段时间之后,就开始有画图的意识,不管是懵懂的学别人还是想更好的让其它人理解自己的一个观点。所谓“一图胜千言”,我们身处于软件开发这个水很深且要求精确的复杂领域里,要想把事情做好,最基本的是要把事情想明白,其次还要让相关的人能够明白你要说的东西,进行协作。
【1】 Neural Rule-Execution Tracking Machine For Transformer-Based Text Generation 标题:基于Transformer文本生成的神经规则执行跟踪器
图像去噪声是图像增强、图像重建的重要内容之一,在现实中,很多图像难免存在噪声的问题,从而影响了图像的判别。当然图像去噪声在现有的图像处理软件中也比较成熟。
“SFFAI136期来自北京邮电大学的于会涵推荐的文章主要关注于深度强化学习的通信强化学习领域,你可以认真阅读讲者推荐的论文,来与讲者及同行线上交流哦。”
http://proceedings.mlr.press/v97/tan19b/tan19b.pdf
原文题目:Benchmarking Robustness in Object Detection: Autonomous Driving when Winter is Coming
这次介绍一篇NeurIPS2020的工作,"Boosting Adversarial Training with Hypersphere Embedding",一作是清华的Tianyu Pang。
AI科技评论按:伯克利AI实验室最新发文公布了用于机器人抓取的Dexterity Network (Dex-Net) 2.0数据集,这些数据集可以用来训练根据实际机器人的点云做抓取规划的神经网络。 本
一、哲学 1、Rule of Modularity: Write simple parts connected by clean interfaces. 1、模块原则:尽量使用简洁的接口套和简单的组件。 2、Rule of Clarity: Clarity is better than cleverness. 2、清晰原则:清晰胜于取巧。 3、Rule of Composition: Design programs to be connected to other programs. 3、组合原则:设计时,
“问渠那得清如许,为有源头活水来”,通过前沿领域知识的学习,从其他研究领域得到启发,对研究问题的本质有更清晰的认识和理解,是自我提高的不竭源泉。为此,我们特别精选论文阅读笔记,开辟“源头活水”专栏,帮助你广泛而深入的阅读科研文献,敬请关注。
来自于ICLR2020的一篇paper -- Improving Adversarial Robustness Requires Revisiting Misclassified Examples
Gene finding revisited: improved robustness through structured decoding from learning embeddings
RSA 2018大会上,一个广受关注,也是为数不多的女性演讲者名叫莱温斯基。没错,就是你知道的那个莱温斯基。
False alarms on home security systems are the customers’ single largest complaint. According to recent studies, false alarms are the number one reason why people don’t actively use their installed home security systems. In these hardwired systems, there is no discerning and nuanced decision making - they are either triggered, or not.
领取专属 10元无门槛券
手把手带您无忧上云