ZJU_CVs Blog

Overview of Anomaly Detect Methods

P-Net 《Encoding Structure-Texture Relation with P-Net for Anomaly Detection in Retinal Images》异常检测方法主要分为SVDD类（学习判别超平面以将异常样本和正常样本区分来开）和Anomaly类（引入生成对抗网络来进行异常检测）本文认为，纹理和结构信息有助...

Posted by JY on September 20, 2020

ECCV 2020

论文合集

Ref: https://github.com/amusi/daily-paper-computer-vision CNN 图像分类 2D目标检测 3D目标检测视频目标检测语义分割实例分割全景分割视频目标分割单/多目标跟踪 GAN NAS 3D点云（分类/分割/配准/补全等）人脸（检测/识别/解析等） Re-ID...

Posted by JY on September 9, 2020

玉泉Ubuntu连接有线网络教程

1. 静态IP设置查询本机有线网卡名称及MAC地址命令行中输入： ifconfig -a 第一行中最左边的如enp5s0是有线网卡名称，HWaddr后面为MAC地址。申请IP 登录浙大学生公寓服务网，按照提示输入MAC地址申请IP，注意申请成功后等待24小时方可生效。打开配置文件1 命令行中输入： sudo gedit /etc/network/interface...

Posted by JY on September 2, 2020

Learning Memory-guided Normality for Anomaly Detection

1. Introduction 异常检测通常视为无监督学习问题，利用没有异常样本的训练集学习一个描述正常样本的模型；在测试阶段，模型未描述的事件和活动被视为异常 Related works 基于重构误差的异常检测方法：在训练时候，给定正常的视频帧作为输入，模型提取特征表示并尝试再次重建输入。...

Posted by JY on September 2, 2020

Stand-Alone Self-Attention in Vision Models

可与Attention Augmented Convolutional Networks对比阅读 1、Introduction 卷积层缺点：捕获长距离交互能力比较差，因为卷积的感受野大时缩放特性弱针对上述问题，往往将卷积层引入注意力机制，主要有基于通道的注意力机制（squeeze and excite）和基于空间的注意力机制（spat...

Posted by JY on August 28, 2020

SeqGAN

Sequence Generative Adversarial Nets with Policy Gradient

1、Introduction GAN采用判别模型引导生成模型的训练在连续型数据上已经产生了很好的效果 GAN有两个limitations：目标是离散数据时（如文本）很难将梯度更新(gradient update)从判别模型传递到生成模型。判别模型只能评估完整的序列，而对于部分生成的序列，很难权衡current sc...

Posted by JY on August 28, 2020

Weakly Supervised Instance Segmentation using Class Peak Response

1. Introduction 使用图像级别标签(label-level)，利用分类网络，实现弱监督实例分割主要思路利用CNN网络生成class response maps，其指定每个图像位置处的分类置信度。取局部极大值之后反向计算，得到与这个局部极大值相关的区域信息。再结合类别信息等，从利用传...

Posted by JY on August 27, 2020

Unsupervised Object Segmentation by Redrawing

1. Introduction 提出了ReDO模型，能够以无监督的方式从图中提取对象而无需任何注释。模型基于对抗结构。对于输入图像，生成器能够提取object mask，然后在同一位置重绘新对象。鉴别器确保生成图像的分布与原始图像的分布对齐 2. Model——ReDO 掩膜生成器f——基于PSPnet ...

Posted by JY on August 27, 2020

Few-Shot Scene-Adaptive Anomaly Detection

1. Introduction 对于Anomaly Detection in Surveillance videos，前人工作主要是基于frame reconstruction的方法学习一种模型以重构正常样本，并使用重构误差来识别异常学习一种模型，将一系列的连续帧作为输入预测下一帧，根据预测帧和实际帧的差异进行异常检测 ...

Posted by JY on August 25, 2020

Convolutional LSTM Network

A Machine Learning Approach for Precipitation Nowcasting

1、LSTM LSTM网络由input gate, forget gate, cell, output gate, hidden五个模块组成 \[\begin{aligned} i_{t} &=\sigma\left(W_{x i} x_{t}+W_{h i} h_{t-1}+W_{c i} \circ c_{t-1}+b_{i}\right) \\ f_{t} &=...