相关阅读
相关 细粒度论文笔记《Object-Part Attention Model for Fine-grained Image Classification》
Peng Y, He X, Zhao J. Object-Part Attention Model for Fine-grained Image Classification.
左手的ㄟ右手相关 细粒度论文笔记《Higher-Order Integration of Hierarchical Convolutional Activations for Fine-Grained Visual》
Cai S, Zuo W, Zhang L. Higher-Order Integration of Hierarchical Convolutional Activation
淡淡的烟草味﹌相关 细粒度论文笔记《Fully convolutional attention localization networks for FGVC》
X. Liu, T. Xia, J. Wang, Y. Q. Lin. Fully convolutional attention localization networks:
相关 细粒度论文笔记《Fully Convolutional Networks for Semantic Segmentation》
FCN 的全称是Fully Convolutional Networks，即全卷积网络。通常的CNN是在若干个卷积层之连接上若干个全连接层，将卷积层产生的特征图映射成一个固定长
相关 细粒度论文笔记《The application of two-level attention models in deep convolutional neural network for FGVC》
这篇文章是2015年的，作者使用提出了两级注意力的方法，来进行细粒度分类。 以鸟类分类为例。作者在object-level和part-level两个级别分别对鸟进行分类，将得
相关 细粒度论文笔记：双线性模型 《Bilinear CNN Models for Fine-Grained Visual Recognition》
双线性模型是2015年提出的一种细粒度图像分类模型。该模型使用的是两个并列的CNN模型，这种CNN模型使用的是AlexNet或VGGNet去掉最后的全连接层和softmax层，
相关 简洁版 CVPR-2017论文笔记《Active Convolution: Learning the Shape of Convolution for Image Classification》
作者提出一种灵活的卷积单元，形状在训练中学习得到，这种结构使得网络具有更强的表达能力。 这篇论文提出了一种新的卷积单元，主动卷积单元ACU（Active Convolutio
相关 论文笔记《Active Convolution: Learning the Shape of Convolution for Image Classification》
研究背景 近年来，深入学习在许多计算机视觉应用中取得了巨大的成功。传统的卷积神经网络（CNN）成为最近几年计算机视觉研究的主要方法。 AlexNet 迄今为止，关于CN
深藏阁楼爱情的钟相关 ICCV-2015——Hierarchical convolutional features for visual tracking
Hierarchical convolutional features for visual tracking [论文下载][Link 1] [代码下载][Link 2]
相关 《Involution：Inverting the Inherence of Convolution for Visual Recognition》论文笔记
参考代码：[involution][] 1. 概述 > 导读：CNN操作已经被广泛使CV领域，其具有空间无关性（spatial-agnostic）和通道特异性（chan
还没有评论，来说两句吧...