反事实零射击和开放式视觉识别
该项目为我们的CVPR 2021论文《反事实零热和开放集视觉识别》提供了实现，我们在本文中提出了基于事实的二进制可见/不可见分类器（GCM-CF），用于零热学习（ZSL）和开放集识别（OSR）。 此回购包含
ZSL：强二进制可见/不可见分类器，可与任何ZSL方法即插即用
ZSL：与TF-VAEGAN，RelationNet，GDAN，CADA-VAE，LisGAN，AREN集成
OSR：使用5个固定的随机种子完成基于MNIST，SVHN，CIFAR10，CIFAR + 10，CIFAR + 50的OSR代码
OSR：Softmax，OpenMax，CGDL的强基准（F1分数）
OSR：实施我们的GCM-CF
有关技术细节，请参阅： 反事实零射击和开放式视觉识别 ， ，，，*平等贡献IEEE 2021年计算机视觉和模式识别会议（CVPR）
用法
请分别参考Z
2021-09-16 21:27:50
2.43MB
1
视觉识别是当前计算机视觉、模式识别乃至人工智能领域最重要、最活跃的研究领域之一。它具有重大的基础重要性和强烈的工业需求。在大量训练数据和新的强大计算资源的帮助下，深度神经网络在许多具体任务上大大提高了其性能。虽然识别精度通常是新进展的首要考虑，但效率实际上是相当重要的，有时对学术研究和工业应用都至关重要。
2021-09-01 09:13:41
5.24MB
1