ZJU_CVs Blog

CV Learning and Paper Reading.

Inductive Representation Learning on Large Graphs

1. Introduction 回顾GCN：基本思想：把一个节点在图中的高维度邻接信息降维到一个低维的向量表示假设一个无向图有$N$个节点，每个节点都有$D$维的特征，图的邻接矩阵记为$A$，节点的特征组成$N\cdot D$维矩阵记为$X$。则对于GCN网络而言，层与层之间的传播可以用如下公式表达： \[H^{(l+1)}=\sigma\left(\t...

Posted by JY on July 29, 2020

Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

因为最近在看few-shot和meta-learning，一些方法需要与域适应相结合，提升模型性能。其中域适应常用的方法是基于cycleGAN的应用和改进，因此在这里简单介绍一下cycleGAN 1. Introduction cycleGAN主要目的与pix2pix相似，都是用于image to image translation。与pix2pix不同的是： pi...

Posted by JY on July 27, 2020

Missing Data Imputation with Adversarially-trained Graph Convolutional Networks

看到一篇基于图神经网络的数据缺失填充文章，做一下记录 1. Introduction 缺失数据插补（Missing data imputation, MDI)是用预测值代替缺失值的任务本文利用图神经网络（GNNs）提出了一种通用的MDI框架 2. Method 首先使用欧式距离成对计算所有特征向量的相似矩阵，但每次仅使用两个向量...

Posted by JY on July 27, 2020

Meta-Learning with Domain Adaptation for Few-Shot Learning under Domain Shift

1. Introduction 元学习是Few-shot learning的一种方法，模型学习如何学习一个有效的模型来进行few-shot learning。其主要思想是从一组训练任务中获得有效先验知识，然后用于执行 (few-shot) 测试任务。但是现有的meta-learning work假设training task和test task都来自同...

Posted by JY on July 27, 2020

Prototype Rectiﬁcation for Few-Shot Learning

1. Introduction 传统的原型网络将support set中每个类的所有样本representation平均作为类的原型表示，通过query set 中的特征representation与support set中每个类别的原型representation进行欧式距离计算，在经过softmax得出最后所属的类别本文认为简单的求平均会产生很大的bias，因此提出从intr...

Posted by JY on July 26, 2020

Object-Part Attention Model for Fine-grained Image Classification

1. Introduction 解决问题：细粒度图像分类(Fine-grained Image Classification) 特点：类内差异大，类间差异小现有方法：首先定位对象或部分(locate the objects or parts)，然后区分图像属于那个子类别。但是有两个局限：依赖大量人工标注数据忽略对象与其他各部分之间以及这...

Posted by JY on July 21, 2020

Handling Variable-Dimensional Time Series with Graph Neural Networks

1. Introduction 在IOT场景，涉及到多个传感器采集数据，会产生多传感器时间序列。现有的基于NN方法的多变量时间序列建模方法输入维数（即传感器数量）固定但是在实际场景中，往往存在不同种类、不同数量传感器的多种组合，因此模型需要考虑不同(可变)的输入维度 2. Related Works 解决方案1: 变量维度的变化可以看作是缺...

Posted by JY on July 7, 2020

Imbalance Problems in Object Detection

目标检测中不均衡问题总结

K. Oksuz, B. C. Cam, S. Kalkan, E. Akbas, “Imbalance Problems in Object Detection: A Review”, (under review), 2019.[preprint] Table of Contents Class Imbalance 1.1 Foreground-Background Class...

Posted by WangPeng on July 4, 2020

A Closer Look at Few-shot Classification

1. Introduction 文章对现有的FSL方法进行了总结和一致性的对比实验，并指出三点问题：在base和novel classes之间存在有限域差异的情况下，减少类内差异的各种few-shot方法实际上并没有本质差别，通过单纯增加网络深度即可显著降低各个方法之间的性能差异对于减少类内差异这点，基于距离的分类器baseline方法的性能就可以达到当前...

Posted by JY on July 4, 2020

14 Different Types of Learning in Machine Learning

Machine learning is a large field of study that overlaps with and inherits ideas from many related fields such as artificial intelligence. The focus of the field is learning, that is, acquiring sk...

Posted by JY on July 4, 2020