文章插图

上图结果显示出我们的模型对语义簇数的鲁棒性，并且当簇数为3时识别的准确率最高。


文章插图

我们提出的基于MIL的聚合方法与原始MIL池化方法的效果，上表结果显示无论是否与全局特征进行连接，我们的方法均表现出较好的效果。


文章插图

从上表结果可见，引入本文中考虑细粒度部件间关系的方法会显著提高少样本低粒度识别的准确性。


文章插图

最后，我们将实验中一些硬/软注意力样例进行可视化，上图中第一排为输入图像；第二排为硬注意力选取的深度描述符的位置，可见均对应物体的细粒度部分，如头、耳、尾、轮胎等；第三排展示软注意力，更多的细节细粒度模式能够被软注意力关注到。
雷峰网

• 用户流失|用户流失，该怎么分析？
• 小米科技|网上买的流量卡都是骗人的，用不到两个月，商家就跑路了
• 龙芯|又一个国产5G芯片问世，预计今年实现量产，性能达到主流水准
• spring|油管博主将90年代的芭比娃娃电脑改装成当下主流的游戏台式机
• apk|我说安卓系统在国外怎么这么流畅
• CPU|巨划算？仅需1600元的主流i5处理器
• 电信运营商|宽带免费，安装收费，最低月消费39元，移动运营商文字游戏的水平一流
• 动力|一体化系统中的直流电源介绍
• 联想|大厂春节撒钱：灰产生意暗流涌动，几天狂赚一年工资
• 大数据|为用户量不流失太多，华为迎来两则消息：官方内存扩容+春节特供