会员服务
ImageNet项目是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像URL被ImageNet手动注释，以指示图片中的对象;在至少一百万个图像中，还提供了边界框。ImageNet包含2万多个类别; [2]一个典型的类别，如“气球”或“草莓”，包含数百个图像。第三方图像URL的注释数据库可以直接从ImageNet免费获得;但是，实际的图像不属于ImageNet。自2010年以来，ImageNet项目每年举办一次软件比赛，即ImageNet大规模视觉识别挑战赛（ILSVRC），软件程序竞相正确分类检测物体和场景。 ImageNet挑战使用了一个“修剪”的1000个非重叠类的列表。2012年在解决ImageNet挑战方面取得了巨大的突破，被广泛认为是2010年的深度学习革命的开始。
Scaling 4D Representations
Arxiv
0+阅读 · 12月19日
Comparing ImageNet Pre-training with Digital Pathology Foundation Models for Whole Slide Image-Based Survival Analysis
Arxiv
0+阅读 · 12月6日
Probabilistic Language-Image Pre-Training
Arxiv
0+阅读 · 12月6日
Semantically-Prompted Language Models Improve Visual Descriptions
Arxiv
0+阅读 · 11月22日
HF-Diff: High-Frequency Perceptual Loss and Distribution Matching for One-Step Diffusion-Based Image Super-Resolution
Arxiv
0+阅读 · 11月20日
Adversarial Score identity Distillation: Rapidly Surpassing the Teacher in One Step
Arxiv
0+阅读 · 11月20日
Interpreting CLIP: Insights on the Robustness to ImageNet Distribution Shifts
Arxiv
0+阅读 · 11月7日
A Sober Look at the Robustness of CLIPs to Spurious Features
Arxiv
0+阅读 · 11月2日
Adversarial Score identity Distillation: Rapidly Surpassing the Teacher in One Step
Arxiv
0+阅读 · 10月31日
The Ultimate Combo: Boosting Adversarial Example Transferability by Composing Data Augmentations
Arxiv
0+阅读 · 10月23日
Simplifying, Stabilizing and Scaling Continuous-Time Consistency Models
Arxiv
0+阅读 · 10月14日
Unlearn and Burn: Adversarial Machine Unlearning Requests Destroy Model Accuracy
Arxiv
0+阅读 · 10月12日
Enhancing pretraining efficiency for medical image segmentation via transferability metrics
Arxiv
0+阅读 · 10月24日
Probabilistic Language-Image Pre-Training
Arxiv
0+阅读 · 10月24日
Efficiera Residual Networks: Hardware-Friendly Fully Binary Weight with 2-bit Activation Model Achieves Practical ImageNet Accuracy
Arxiv
0+阅读 · 10月15日
参考链接
父主题
数据集
微信扫码咨询专知VIP会员
Top