- 博客(71)
- 收藏
- 关注
RSS订阅原创 VALUES: A FRAMEWORK FOR SYSTEMATIC VALIDATION OF UNCERTAINTY ESTIMATION IN SEMANTIC SEGMENTATION
论文阅读笔记
2024-02-22 19:42:55
747
原创 不确定性应用系列论文：Failure Detection for Motion Prediction of Autonomous Driving: An Uncertainty Perspective
本文提出了一种运动预测失败检测方法,主要贡献有:基于表征不确定性和数据不确定性检测失败使用贝叶斯深度网络建模表征不确定性使用cGAN探索数据不确定性两者结合实现失败检测,为自动驾驶决策提供支持在公开数据集上验证了方法的有效性该方法为自动驾驶运动预测错误识别提供了一种新的思路,具有重要意义。后续工作可以在该基础上进行拓展与优化。
2024-02-20 21:47:28
787
转载 ECCV2022|Rethinking Confidence Calibration for Failure Prediction
对预测结果提供可靠的置信度估计对于许多安全关键的应用非常重要现代的深度神经网络往往对其错误预测过于自信最近,许多校准方法已经被提出来缓解过度自信的问题一种校准置信度的初级和实际目的是通过过滤低置信度的预测来检测错误分类(称为失败预测)我们发现一个普遍存在但实际被忽略的现象🚩 即大多数置信度校准方法对失败预测无用或有害揭示流行的置信度校准方法往往导致正确样本和错误样本之间的置信度分离变得更差,从而更难以决定是否应该相信一个预测最后,受平坦极小值与置信度分离之间。
2023-08-01 15:25:25
196
原创 Generative Cooperative Learning for Unsupervised Video Anomaly Detection
在现实世界中，基于学习的异常检测任务极具挑战性，这主要是因为此类事件很少发生。由于这些事件的无约束性质，这一挑战进一步加剧。因此，获取足够的异常示例是相当麻烦的，而人们可以安全地假设，将永远不会收集到一个详尽的集合，特别是训练完全监督的模型所需的集合。为了使学习变得容易理解，通常将异常归因于与正常数据的显著偏差。因此，异常检测的一种流行方法是训练一类分类器，该分类器仅使用正常训练示例来学习主要数据表示。单类分类（OCC）方法的一个明显缺点是正常训练数据的可用性有限，无法捕获所有正常变化[9]。
2022-12-08 19:11:48
520
原创 Partial and Asymmetric Contrastive Learning for Out-of-Distribution Detection in Long-Tailed Recogni
现有的分布外(OOD)检测方法通常在具有平衡类分布的训练集上进行基准测试。然而，在实际应用中，训练集通常具有长尾分布。在这项工作中，我们首先证明当训练集是长尾分布时，现有的OOD检测方法通常会遭受显着的性能下降。通过分析，我们认为这是因为模型难以将分布中的少数尾类样本与真正的OOD样本区分开来，使得尾类更容易被错误地检测为OOD。为了解决这个问题，我们提出了部分和非对称监督对比学习（PASCL），它明确鼓励模型区分尾类分布样本和OOD样本。...
2022-07-18 11:16:08
310
原创 ORDER: OpenWorld Object Detection on Road Scenes
ORDER: OpenWorld Object Detection on Road Scenes发表于NeurIPS 2021Code： 没有对象检测是自主导航系统中的一个关键组件，可以对道路场景中的对象进行定位和分类。现有的目标检测方法是根据道路场景中存在的固定数量的已知类别进行训练和推断的。然而，在现实世界或开放世界的道路场景中，在推理时，我们会遇到检测模型在训练时没有看到的未知对象。因此，我们提出道路场景的开放世界对象检测（ORDER）来解决上述道路场景的问题。OWOD问题我们发现 ORE 框架在应用
2022-06-08 14:41:41
362
3
原创 Pixel-wise Anomaly Detection in Complex Driving Scenes
Pixel-wise Anomaly Detection in Complex Driving ScenesCVPR2021Code： https://github.com/giandbt/SynBoost摘要最先进的语义分割方法无法检测异常实例，这阻碍了它们在安全关键和复杂应用中的部署，例如自动驾驶。最近的方法集中在利用分割不确定性来识别异常区域或从语义标签图中重新合成图像以发现与输入图像的不同之处。在这项工作中，我们证明了这两种方法包含互补信息，并且可以结合起来为异常分割产生稳健的预测。我们
2022-05-18 16:48:47
1433
5
原创 Uncertainty Aware Proposal Segmentation for Unknown Object Detection
Uncertainty Aware Proposal Segmentation for Unknown Object Detection发表于WACV 2022摘要介绍大背景小背景方法3.1 proposal 分割RBF 网络边界正则化。2D 维度中的小示例3.2. Proposal Classification4. Experiments4.1. OOD Object Detection in Outdoor Scenes提案分割。整个图像分割。
2022-05-18 14:34:43
793
原创 【无标题】
24ORDER: OpenWorld Object Detection on Road Scenes发表于NeurIPS 2021Code： 没有摘要对象检测是自主导航系统中的一个关键组件，可以对道路场景中的对象进行定位和分类。现有的目标检测方法是根据道路场景中存在的固定数量的已知类别进行训练和推断的。然而，在现实世界或开放世界的道路场景中，在推理时，我们会遇到检测模型在训练时没有看到的未知对象。因此，我们提出道路场景的开放世界对象检测（ORDER）来解决上述道路场景的问题。首先，我们引入 F
2022-05-18 13:16:28
110
原创 Learning Open-World Object Proposals Without Learning to Classify
Learning Open-World Object Proposals Without Learning to ClassifyIEEE Robotics and Automation Letters 2022Code： https://github.com/mcahny/object_localization_network .摘要现有方法经常难以处理训练集中不存在的开放世界中的新物体。我们发现问题在于现有候选框提取方法中的二元分类器倾向于过度拟合训练类别。因此，我们提出了一个无分类对象定
2022-05-18 13:03:08
1214
原创 OBJECTS IN SEMANTIC TOPOLOGY
OBJECTS IN SEMANTIC TOPOLOGYICLR2022Code： 好像没有摘要1. 介绍1.1 大背景1.2 小背景1.3 解决办法2. 相关工作2.1 目标检测器的普通训练策略缺乏防止增量学习中2.2 类增量学习2.3 开放集学习2.4 零次学习3. 方法3.1 problem definition3.2 方法总览3.3 UNKNOWN-AWARE RPN3.4 SEMANTIC TOPOLOGY3.4.1 SEMANTIC ANC
2022-05-18 12:52:53
284
原创 Expanding Low-Density Latent Regions for Open-Set Object Detection
Expanding Low-Density Latent Regions for Open-Set Object DetectionCVPR2022Code: https://github.com/csuhan/opendet2这篇文章认为，CVPR2021oral（OWOD）中的方法需要未知类的额外开放集数据，违反了OSOD的原始定义。 我认为是OWOD是一个增量学习＋OSOD的过程。OWOD：Open world object detectionOSOD：Open set object d
2022-05-18 12:34:58
1189
1
原创 Learning Placeholders for Open-Set Recognition
Learning Placeholders for Open-Set RecognitionCVPR2021Code： https://github.com/zhoudw-zdw/CVPR21-Proser.git摘要传统分类器部署在闭集设置下，训练类和测试类属于同一个集合。然而，现实世界的应用程序可能面临未知类别的输入，模型会将它们识别为已知类别。在这种情况下，提出了开放集识别以保持对已知类的分类性能并拒绝未知数。封闭集模型对熟悉的已知类实例进行过度自信的预测，因此当扩展到开放集环境时，跨类别的校
2022-05-17 21:08:21
636
原创 Towards Open World Detection
Towards Open World Detection(OWOD)2021 cvpr;K J Joseph†‡, Salman Khan;澳大利亚国立大学;{cs17m18p100001,vineethnb}@iith.ac.inCode: https://github.com/JosephKJ/OWOD介绍大背景已有的工作解决问题的方法方法对比聚类用RPN给未知实例打上标签避免遗忘代码实验增量学习不同阶段的数据集实验结果指标表格图.
2022-05-17 20:08:16
451
原创 在一个新设备上，clone自己的私人库，git
clone自己的私人库，每次都现查，现总结一下。首先，需要在服务器生成密钥，并把公钥上传到git上。在服务器的命令行配置用户名和邮箱：git config --global user.name '你的用户名'git config --global user.email '你的邮箱'在服务器上创建私钥和公钥ssh-keygen -t rsa -c "你的邮箱"然后输入密钥的名字(自己取)：id_rsa_git接下来输passpharse，直接按 enter然后密钥就生成好了，以
2022-01-04 21:02:44
720
原创 pytorch多GPU分布式训练（DDP），cuda0 out of memory，cuda0减少batch_size的注意事项。
当我们使用distributedDataParallel（DDP）进行分布式训练的时候，假设单卡训练时，一张卡一个batch能装4张图片，并且占得比较满。而多卡训练时，由于cuda0除了要进行前向传播等还得负责通信，cuda0的空间就不够大了。这时，我们可以选择减少cuda0上的batch_size大小，比如改为1.假如我们有8张卡，设置的总的batch_size = 32，原始设置的每张卡batch_size=4。以github上这个文件为例截取需要改的一段：parser.add_argumen
2021-12-11 16:39:55
4058
原创 dataloader报错OSError: [Errno 16] Device or resource busy: ‘.nfs00000000087c7062000001de‘
本来运行得好好的代码，突然报错 OSError: [Errno 16] Device or resource busy: ‘.nfs00000000087c7062000001de’并且生成一堆以pymp-开头命名的一堆文件夹。一步一步调试后发现，是在：for img,gt in self.train_dataloder这一步报错。查阅资料得知，这是由于有人搬动了临时文件。由于linux服务器是共享的，也不知道是谁搬的，没有root权限，解决办法也看不太明白，但是找到一个简单粗暴的方法，那就是换
2021-11-23 16:48:13
2647
原创 no module named XXX
eg：no module named transformers明明安装了报错说没有安装第一：检查安装的虚拟环境对不对第二：用which pip看看用的pip对不对，到anaconda3/envs/自己的环境名下/bin这个目录下，看看有没有pip文件。或者改个特殊的名字，免得用错。比如pip_lyjpig。参考：https://github.com/huggingface/transformers/issues/2478...
2021-10-22 13:24:37
179
原创 python for循环加速
https://zhuanlan.zhihu.com/p/97399838https://blog.csdn.net/YNNAD1997/article/details/113829532?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-2.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2
2021-10-09 20:01:40
545
原创 2021-08-30 创建tensor时，注意不要让梯度消失了
data = torch.tensor([[0,0],[x1,y1],[x2,y2],[1,1]],requires_grad=True).cuda()
2021-08-30 10:41:22
610
原创 python str 的 + 与os.path.join 的区别
在涉及到文件地址的处理时，都用os.path.join，至少不出错。后面补充为什么。顺便说一下：str1.split( ‘to_be_matched’ )'to_be_matched’这里必须是一个字符串，不能是‘a’+‘b’这种
2021-08-12 15:37:30
391
原创 综述Image Colorization: A Survey and Dataset
我想看一个image colorization 的综述，然后惊奇发现这也是lichongyi（李重仪） 大佬有贡献的文章。我的英语写作能力很差，用英语总结练习，用词和句式都很简单。DevelopmentThe structure of the reviewThis is the review of single-image colorization with deep-learning.To the best of our knowledge, no survey of either tra
2021-08-12 09:44:52
542
原创 2021-08-05 skimage 常用用法
skimage伽马变换伽马变换注意伽马变换，是幂函数不是指数函数哟，图像搞错了import skimage.exposure as exposurev_new = exposure.adjust_gamma(v,0.4)图片是：这个同学画的。
2021-08-05 15:58:13
133
原创 python-opencv常用用法
python-opencv常用用法读取、保存BGR、HSV、split、merge读取、保存虽说都很简答，但是老是和matlab搞混。import cv2img = cv2.imread('G:/try/1.jpg')cv2.imwrite('G:/try/2.jpg',img) #cv2是地址在前面，变量在后面BGR、HSV、split、mergeHSV_img= cvtColor( img, cv2.COLOR_BGR2HSV) #opencv里面是BGR不是RGB哦(h, s, v)
2021-08-05 15:45:12
298
原创 numpy、matlab和tensor的常用用法
最近发现记忆力变差了，是时候捡起记笔记的能力了，好记性不如烂笔头。笔记主要是知识点的整理，可能不会很详细。numpy、matlab和tensor的常用用法点乘与矩阵乘法点乘与矩阵乘法#numpy点乘result = a * b 或者 res = np.multiply(a,b)#numpy矩阵乘法res = np.dot(a,b)待续。。。...
2021-08-05 15:26:26
266
原创 双盲模板latex设置
在\document的位置加上anonymous，就可以做到隐藏作者信息\documentclass[sigconf,anonymous]{acmart}
2021-03-15 20:32:48
9548
1
原创 Latex如何写引用时将作者名字缩写为et al
比如这篇引用，它有9个作者。而我们reference的篇幅有限，不能直接用下面这个bibtex。@ARTICLE{9334429, author={Y. {Jiang} and X. {Gong} and D. {Liu} and Y. {Cheng} and C. {Fang} and X. {Shen} and J. {Yang} and P. {Zhou} and Z. {Wang}}, journal={IEEE Transactions on Image Processing},
2021-02-02 15:55:20
10272
6
转载 用LaTeX写论文时如何加资助信息
来自：https://blog.shengbin.me/posts/add-acknowledgements-in-latex-paper
2021-02-02 15:48:29
7332
原创 numpy 求矩阵非零元素的均值
假如我们有一个矩阵A，想要求其中的非零元素的均值，计算方式是：直接用mean来求的话，分母是所有元素的个数，不符合我们的要求。在matlab中，这样做：mean(AA(AA~=0))numpy：import numpy as npa = np.array([[0,1],[0,0]])exist = (a != 0)num = a.sum()mean_value = exist.sum()先用着这种方法吧，简洁的没找到。参考：https://blog.csdn.net/iteapo
2021-01-25 17:21:22
4608
4
原创 pytorch自定义dataloder的时候，返回参数
比如我想在返回矩阵同时，也返回地址。只需要将这两个信息用字典封装起来一起返回。在train的时候用XXX[‘path’]和XXX[‘data’]调用即可。（for i,XXX in in enumerate(train_loader)）class Tche_loader(data.Dataset): def __init__(self, lowlight_images_path): self.train_list = sorted(glob.glob(lowlight_images_path
2021-01-25 16:11:24
519
转载 Transformer再下一城！low-level多个任务榜首被占领，北大华为等联合提出预训练模型IPT
https://blog.csdn.net/Extremevision/article/details/110522513随机硬件水平的提升，在大数据集上预训练的深度学习模型(比如BERT，GPT-3)表现出了优于传统方法的有效性。transformer的巨大进展主要源自其强大的特征表达能力与各式各样的架构。在这篇论文中，作者对low-level计算机视觉任务（比如降噪、超分、去雨）进行了研究并提出了一种新的预训练模型：IPT(image processing transformer)。为最大挖掘tra
2021-01-24 19:27:36
174
原创 numpy.reshape完成图像切割
把图片按照定义的patchsize切块，然后按照z轴顺序叠放小块，如下图(仅考虑灰度图像)import cv2import numpy as np im=cv2.imread('0.jpg',cv2.IMREAD_GRAYSCALE)im = cv2.resize(im,(300,300),cv2.INTER_CUBIC)h,w= im.shapepatchsize_h=75d_h=int(h/patchsize_h)patchsize_w=75d_w=int(w/patchsize_
2021-01-23 21:30:27
720
原创 paper - A Physics-based Noise Formation Model for Extreme Low-light Raw Denoising
这篇文章的英语让人读不懂，但是可以用机翻转成非常容易懂的中文。3. Physics-based Noise Formation Model数字传感器原始图像D的创建通常可以通过线性模型来表示D = KI + N,其中I是与场景照射成比例的光电子数量，K表示由模拟和数字增益组成的整体系统增益，N表示由光或照相机物理造成的所有噪声源的总和。我们专注于在极端弱光条件下的单个原始图像降噪问题。在这种情况下，N的特性在传感器物理过程方面的格式超出了现有的噪声模型。由于没有针对此类噪声分布的解析求解器，因此无法
2021-01-22 10:52:14
811
原创 matlab的imread()、PIL的Image.open()、opencv-python的cv2.read()
matlab的imread()读取的是RGBPIL的Image.open()读取的是RGBopencv-python的cv2.read()读取的是BGRtorchvision.utils.save_image内用的是PIL，所以也是RGBplt.imread也是RGB
2021-01-19 19:36:40
419
1
原创 图像质量评价
图像质量评价（image quality assessment）SSIM（结构相似性structual similarity）最近发现之前学得太浮躁了，很多基础知识都没有掌握。说是图像处理专业，却很多基础知识都只掌握了一点皮毛。虽说，不至于让人犯错，但是掌握得不深，用起来也不顺手，所以从现在开始积累基础知识。SSIM（结构相似性structual similarity）结构相似性 (structural similarity,SSIM) 是比较有代表性的全参考质量评价方法[2]。SSIM是目前公
2020-12-10 16:12:50
150
原创 leetCode笔记
这是我的个人笔记，详细请看https://www.bilibili.com/video/BV1xa411A76q/?spm_id_from=333.788.videocard.0这里写目录标题1.两数之和1.两数之和
2020-12-08 10:17:21
61
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人