文件名称：颜色分类leetcode-semantic-embeddings:用于语义图像检索的基于层次结构的图像嵌入
文件大小：72.64MB
文件格式：ZIP
更新时间：2024-07-26 15:54:59
系统开源
颜色分类leetcode 用于语义图像检索的基于层次结构的图像嵌入 此存储库包含用于生成以下论文中报告的结果的官方源代码： Björn Barz 和 Joachim Denzler。 IEEE 计算机视觉应用冬季会议 (WACV)，2019 年。 Björn Barz 和 Joachim Denzler。 IEEE 计算机视觉应用冬季会议 (WACV)，2020 年。 如果您使用此代码，请引用其中一篇论文（第一篇当您使用基于层次的语义嵌入时，第二篇当您使用余弦损失进行分类时）。 本自述文件的其余部分将侧重于学习基于层次结构的语义图像嵌入（上面提到的第一篇论文）。 如果您来这里是为了了解有关我们如何获得有关使用余弦损失对小数据集进行分类的论文中报告的结果的更多信息（第二个），您可以找到那些。 目录 1. 什么是基于层次的语义图像嵌入？ 从训练分类的深度神经网络的最后一个卷积层中提取和聚合的特征已被证明是适用于各种任务的有用图像描述符，例如迁移学习和图像检索。 关于基于内容的图像检索，通常声称视觉相似的图像聚集在这个特征空间中。 但是，这种方法有两个主要问题： 视觉相似性并不总是对应于语义
【文件预览】：
semantic-embeddings-master
----models()
--------cifar_pyramidnet.py(7KB)
--------plainnet.py(4KB)
--------wide_residual_network.py(4KB)
--------cifar_resnet.py(10KB)
--------DenseNet()
----NAB-Hierarchy()
--------hierarchy.txt(7KB)
--------classes.txt(25KB)
--------hierarchy.svg(602KB)
--------nab_class_index.unitsphere.json(23KB)
----utils.py(22KB)
----clr_callback.py(5KB)
----learn_devise.py(8KB)
----Cifar-Hierarchy()
--------hierarchy.txt(3KB)
--------graph_wordnet.pdf(55KB)
--------class_names.txt(2KB)
--------cifar.parent-child.txt(1KB)
--------encode_hierarchy.py(4KB)
--------hierarchy.svg(98KB)
----learn_center_loss.py(12KB)
----CosineLoss.md(5KB)
----plot_hierarchy.py(3KB)
----evaluate_retrieval.py(9KB)
----learn_labelembedding.py(12KB)
----LICENSE(1KB)
----learn_image_embeddings.py(17KB)
----compute_class_embedding.py(12KB)
----evaluate_classification_accuracy.py(10KB)
----ILSVRC()
--------imagenet_class_index.json(35KB)
--------wordnet.parent-child.pruned.txt(1.43MB)
--------wordnet.parent-child.txt(1.45MB)
--------imagenet_class_index.unitsphere.json(35KB)
--------wordnet.parent-child.mintree.txt(35KB)
----class_hierarchy.py(17KB)
----learn_classifier.py(11KB)
----iNaturalist-Hierarchy()
--------inat_class_index.unitsphere.json(320KB)
--------hierarchy_inat_insecta.txt(43KB)
--------hierarchy_inat.txt(175KB)
--------hierarchy_inat2019.txt(13KB)
--------inat_class_index.json(320KB)
--------iNaturalist_hierarchies.py(1KB)
----.gitignore(728B)
----plot_recall_precision.py(4KB)
----CUB-Hierarchy()
--------hierarchy_balanced.txt(12KB)
--------hierarchy_flat.svg(236KB)
--------hierarchy_wikispecies.txt(10KB)
--------cub_wikispecies.parent-child.txt(3KB)
--------cub_balanced.parent-child.txt(3KB)
--------classes_flat.txt(7KB)
--------cub_flat.parent-child.txt(3KB)
--------classes_wikispecies-hierarchy.txt(7KB)
--------classes_balanced.txt(8KB)
--------classes_wikispecies.txt(4KB)
--------hierarchy_flat.txt(8KB)
--------encode_hierarchy.py(5KB)
--------hierarchy_balanced.svg(266KB)
--------hierarchy_wikispecies.svg(243KB)
--------README.md(5KB)
----README.md(23KB)
----embeddings()
--------nab.sim16_unnormed.pickle(74KB)
--------cifar100.glove.pickle(79KB)
--------nab.sim16.pickle(74KB)
--------inat2019.pickle(7.8MB)
--------nab.sim32.pickle(144KB)
--------nab.sim64.pickle(282KB)
--------nab.sim8_unnormed.pickle(40KB)
--------nab.sim128_unnormed.pickle(560KB)
--------cifar100.unitsphere.pickle(79KB)
--------cub_flat.unitsphere.pickle(314KB)
--------nab.unitsphere.pickle(2.35MB)
--------imagenet_mintree.unitsphere.pickle(7.65MB)
--------nab.sim256_unnormed.pickle(1.09MB)
--------nab.sim.pickle(2.35MB)
--------nab.sim256.pickle(1.09MB)
--------cub_balanced.unitsphere.pickle(314KB)
--------inat.sim1024.pickle(63.78MB)
--------nab.sim8.pickle(40KB)
--------nab.sim32_unnormed.pickle(144KB)
--------cub_wikispecies.unitsphere.pickle(314KB)
--------nab.sim128.pickle(560KB)
--------nab.sim64_unnormed.pickle(282KB)
----sgdr_callback.py(3KB)
----datasets()
--------common.py(40KB)
--------inat.py(7KB)
--------cifar.py(3KB)
--------cars.py(5KB)
--------nab.py(7KB)
--------subdirectory.py(5KB)
--------__init__.py(6KB)
--------flowers.py(6KB)
--------ilsvrc.py(3KB)