s*****l
发帖数: 7106 | 1 这次gtc个人看到一个talk
一个华人小哥在nvidia intern
号称同时train segm和obj detect
用edge image enhance both
结果非常impressive
beat了两个单独train的结果
可惜talk没啥detail
有谁知道点内幕？ |
f*******o
发帖数: 88 | 2 是不是就是那个faster r-cnn
【在 s*****l 的大作中提到】
: 这次gtc个人看到一个talk
: 一个华人小哥在nvidia intern
: 号称同时train segm和obj detect
: 用edge image enhance both
: 结果非常impressive
: beat了两个单独train的结果
: 可惜talk没啥detail
: 有谁知道点内幕？
|
s*****l
发帖数: 7106 | 3 不是 那个早了
这个是新的
【在 f*******o 的大作中提到】
: 是不是就是那个faster r-cnn
|
s****1
发帖数: 16 | 4 新的是mask rcnn吧，以前的那个不能做segm。
【在 s*****l 的大作中提到】
: 不是 那个早了
: 这个是新的
|
N*****m
发帖数: 42603 | 5 一路下来全是老中
【在 s****1 的大作中提到】
: 新的是mask rcnn吧，以前的那个不能做segm。
|
s****1
发帖数: 16 | 6 也不全是, Ross一直是主力, shaoqing, kaiming后来才加入的
【在 N*****m 的大作中提到】
: 一路下来全是老中
|
s*****l
发帖数: 7106 | 7 思路有点像
不过我看到的是nvidia的一个intern搞的
英雄出少年啊
【在 s****1 的大作中提到】
: 新的是mask rcnn吧，以前的那个不能做segm。
|
s****1
发帖数: 16 | 8 A Deep Hierarchical Model for Joint Object Detection and Semantic
Segmentation.你说的是个吧？只找到一个摘要,不清楚具体的实现。你有更详细的资料
吗?
【在 s*****l 的大作中提到】
: 思路有点像
: 不过我看到的是nvidia的一个intern搞的
: 英雄出少年啊
|
s*****l
发帖数: 7106 | 9 是这个
我也没有细节
intern说是nvidia的ip 不能多说
我其实就是想问问是不是真这么牛
听着挺牛逼的
【在 s****1 的大作中提到】
: A Deep Hierarchical Model for Joint Object Detection and Semantic
: Segmentation.你说的是个吧？只找到一个摘要,不清楚具体的实现。你有更详细的资料
: 吗?
|
w***g
发帖数: 5958 | 10 现在用的最多的就是基于FCN的segmentation网络，
包括医学图像上用的比较多的u-net。在此基础上
可以做各种变动。这个花样玩法非常多，demo应该
也比较容易做。像楼主说的同时做classification和
segmentation，我能想到的一种情况就是有大量
只有yes/no标签的图片，以及少量有contour
annotation的图片。设计一个网络同时拿两种数据
训练，那么segmentation的效果显著高于只用少量
annotation图片还是非常有可能的。这种做法其实
已经被玩烂了，应该是进不了CVPR的。
至于是不是真的那么牛，往往实际效果不如展示的
那么牛。一般是吹得天花乱坠，一碰到实际数据就
尿了。
【在 s*****l 的大作中提到】
: 是这个
: 我也没有细节
: intern说是nvidia的ip 不能多说
: 我其实就是想问问是不是真这么牛
: 听着挺牛逼的
|
s*****l
发帖数: 7106 | 11 我当然知道fcn
不是cls 和 segm 一起
是obj detect和segm一起
【在 w***g 的大作中提到】
: 现在用的最多的就是基于FCN的segmentation网络，
: 包括医学图像上用的比较多的u-net。在此基础上
: 可以做各种变动。这个花样玩法非常多，demo应该
: 也比较容易做。像楼主说的同时做classification和
: segmentation，我能想到的一种情况就是有大量
: 只有yes/no标签的图片，以及少量有contour
: annotation的图片。设计一个网络同时拿两种数据
: 训练，那么segmentation的效果显著高于只用少量
: annotation图片还是非常有可能的。这种做法其实
: 已经被玩烂了，应该是进不了CVPR的。
|
w***g
发帖数: 5958 | 12 detection和segmentation也是一回事吧，
打的标签不一样而已。关键是一个网络
对着多个不同性质的标签训练。要展示效果
必须控制好训练数据量，两种数据都不能
太多。
用100xA + 100xB训练，分别beat 100xA和
100xB，那不是公平比较。
如果50xA + 50xB训练，分别beat 100xA和
100xB，那样才牛x。
【在 s*****l 的大作中提到】
: 我当然知道fcn
: 不是cls 和 segm 一起
: 是obj detect和segm一起
|
s*****l
发帖数: 7106 | 13 算不算一回事 我也不知道你咋定义的
反正loss不一样
没直接办法同时optimize
我同意你说的sample size crucial
不过100a+100b
能分别beat 100a 和100b也不错啊
起码是有意义的
在都能beat单独的前提下
才有意义考虑谁combine的好
【在 w***g 的大作中提到】
: detection和segmentation也是一回事吧，
: 打的标签不一样而已。关键是一个网络
: 对着多个不同性质的标签训练。要展示效果
: 必须控制好训练数据量，两种数据都不能
: 太多。
: 用100xA + 100xB训练，分别beat 100xA和
: 100xB，那不是公平比较。
: 如果50xA + 50xB训练，分别beat 100xA和
: 100xB，那样才牛x。
|
