AlGoRiThM 发布于一月 18, 2022 分享 发布于一月 18, 2022 (已修改) · 只看该作者 最近实在太无聊了……所以想着,既然闲着也是闲着,那么不如来和你们分享分享痛苦,所以来一起读论文吧~~ 所以,就有了这个帖子。 论文标题:Unsupervised Semantic Segmentation by Contrasting Object Mask Proposals 作者:Wouter Van Gansbeke, Simon Vandenhende, Stamatios Georgoulis, and Luc Van Gool. Github: https://github.com/wvangansbeke/Unsupervised-Semantic-Segmentation Area: CV / Clustering / Unsupervised Learning 论文描述: 在计算机视觉领域中对于数据集进行像素点级别的无监督学习, 使用了一种全新的框架。目前准确率60%多,很有卷的价值。 一月 18, 2022,由AlGoRiThM修改 1 链接到点评
soramora 发布于一月 18, 2022 分享 发布于一月 18, 2022 · 只看该作者 大佬搞计算机视觉,有兴趣用深度学习做个争对二次元图片的去马赛克的应用吗 之前deepnude那个下载下来感觉效果太差了,应该也不是争对二次元图片的。除了这个,好像也不知道有什么网络能用来做这事。希望大佬能造福广大LSP。 链接到点评
Angrybear 发布于一月 18, 2022 分享 发布于一月 18, 2022 · 只看该作者 有一说一,现在语义分割不知道有没有做精细化分割得那种研究?感觉下来哪怕是有监督方法训练出来的东西可视化出来在测试集上还是比较粗糙的。无监督的性能就更加别提了……不知道大佬推荐这篇时有没有觉得对比学习有望解决这个问题? 链接到点评
AlGoRiThM 发布于一月 18, 2022 作者 分享 发布于一月 18, 2022 · 只看该作者 2 小时前, Angrybear 说道: 有一说一,现在语义分割不知道有没有做精细化分割得那种研究?感觉下来哪怕是有监督方法训练出来的东西可视化出来在测试集上还是比较粗糙的。无监督的性能就更加别提了……不知道大佬推荐这篇时有没有觉得对比学习有望解决这个问题? 这个可以说是一种新的架构了,未来发展前景不知道,但是是一个可以搞搞的 无监督学习发展停滞了好久了,突破点都不知道在哪里 链接到点评
Angrybear 发布于一月 19, 2022 分享 发布于一月 19, 2022 · 只看该作者 20 小时前, AlGoRiThM 说道: 这个可以说是一种新的架构了,未来发展前景不知道,但是是一个可以搞搞的 无监督学习发展停滞了好久了,突破点都不知道在哪里 确实,其实我感觉这种想法如果有人能做出来的话,那发展前景肯定好到不行。现在Deep Learning这方面研究就感觉比较空,沉迷刷榜,这个问题我是从应用角度去考虑的。 而且感觉无监督工业上很难用啊,few-shot这种也是论文写归写没人敢用的那种。我觉得可能半监督反而可以干一干?实际场景中有很多标注样本少而无监督样本多的场景。我记得2020年FixMatch那个就比较猛,或许可能考虑下半监督问题会好一些? 链接到点评
AlGoRiThM 发布于一月 19, 2022 作者 分享 发布于一月 19, 2022 · 只看该作者 3 小时前, Angrybear 说道: 确实,其实我感觉这种想法如果有人能做出来的话,那发展前景肯定好到不行。现在Deep Learning这方面研究就感觉比较空,沉迷刷榜,这个问题我是从应用角度去考虑的。 而且感觉无监督工业上很难用啊,few-shot这种也是论文写归写没人敢用的那种。我觉得可能半监督反而可以干一干?实际场景中有很多标注样本少而无监督样本多的场景。我记得2020年FixMatch那个就比较猛,或许可能考虑下半监督问题会好一些? 半监督的问题也一样,机器学习主要问题就是数据样本不平衡,不是什么学习能搞定的事情。 啊啊啊啊好烦…… AlGoRiThM在新手区仔细阅读版规时,意外收到来自小小坛娘奖励的4节操。 链接到点评
Angrybear 发布于一月 20, 2022 分享 发布于一月 20, 2022 (已修改) · 只看该作者 18 小时前, AlGoRiThM 说道: 半监督的问题也一样,机器学习主要问题就是数据样本不平衡,不是什么学习能搞定的事情。 啊啊啊啊好烦…… 解决数据样本不平衡的问题都可以单独开一个题了……我记得类似的研究还有OOD,Long Tail之类的解决数据集本身问题的方法 半监督至少可以解决标注样本不足的问题所以还算有用? 一月 20, 2022,由Angrybear修改 链接到点评
推荐贴