Temporal Feature Alignment and Mutual Information Maximization forVideo-Based Human Pose Estimation多帧人体姿态估计是具有挑战性的，因为快速运动和姿态遮挡经常发生在视频中。最先进的方法努力结合来自邻近帧（支持帧）的额外视觉证据，以促进对当前帧（关键帧）的姿态估计。到目前为止已经排除的一个方面是，当前的

知识图谱表示学习对于知识获取和下游应用具有很重要的作用. 知识表示学习的表示空间包括：point-wise空间，流形空间，复数空间，高斯分布和离散空间. 打分函数通常分为基于距离的打分和基于语义匹配的打分函数. 编码模型包括：线性/双线性模型，张量分解和神经网络. 辅助信息考虑文本，视觉和类型信息.1.1.1 Point-wise空间Point-wise的欧式空间是最常用的，将知识图谱中的实体和关

中科院自动化所等机构提出的TSCD方法在AAAI 2023获Oral论文，该研究通过自对应蒸馏(SCD)和变分感知优化模块(VARM)，构建了端到端Transformer弱监督语义分割框架。在PASCAL VOC和COCO数据集上达到SOTA性能，VOC val集65.0% mIoU，显著优于同类方法。该工作创新性地利用网络自身CAM特征对应关系进行蒸馏，无需外部监督，为弱监督分割提供了新思路。

目标检测（Object Detection）的目的是“识别目标并给出其在图中的确切位置”[1]，其内容可解构为三部分：识别某个目标（Classification）；给出目标在图中的位置（Localization）；识别图中所有的目标及其位置（Detection）。从这三点可以看出目标检测的难度要比图像分类大很多，后者只需要确定输入的图像属于哪一类即可，而前者需要从图像中自动抠出（crop）合适大小

双分支残差网络（DB-ResNet），集成了两种新方案，以提高模型的泛化能力：1）提出的模型可以同时捕获CT图像中不同结节的多视图和多尺度特征；2）我们结合了强度和卷积神经网络（CNN）的特征。我们提出了一种池化方法，称为中央强度池层（CIP），提取块的中心体素的强度特征，然后使用CNN获得块的中心体素的卷积特征。另外，我们设计了基于结节边界的加权采样策略，以使用加权得分选择那些体素，以提高模型的

用于分类和分割的综合小样本学习本文介绍了小样本分类和分割(FS-CS)的综合任务，即when the target classes are given with a few examples，对查询图像中的目标对象进行分类和分割。该任务结合了两个传统的小样本分类和分割任务。FS-CS将它们概括为具有任意图像对的更真实的事件，其中每个目标类可能出现在查询中，也可能不存在。为了解决这一任务，我们提出了

Attention机制最早在视觉领域提出，九几年就被提出来的思想，真正火起来应该算是2014年Google Mind发表了《Recurrent Models of Visual Attention》，使Attention机制流行起来，这篇论文采用了RNN模型，并加入了Attention机制来进行图像的分类。不同于全图扫描，该 算法每次仅瞥见图像中的部分区域，并按时间顺序 将多次瞥见的内容用循环神经

图像分类简介https://www.cnblogs.com/paladinzxl/p/9491633.htmlPyTorch简单实现（Nearest Neighbor，Linear Classification，CNN）https://blog.csdn.net/KobeLovesDawn/article/details/86771279几种经典cnn网络介绍https://blog.csdn.n