Review-2019.7.22-彭晓婷

[pengxiaoting1995]

Review-2019.7.22-彭晓婷

Preview

• 论文：Learning a Deep ConvNet for Multi-label Classification with Partial Labels使用部分标签学习深度ConvNet以进行多标签分类 亮点：提出新的二元交叉熵损失训练Partial Labels，利用curriculum learning model using bayesian uncertainty预测缺失标签，利用Graph Neural Network (GNN)进行多标签分类。

• 论文：Bag of Tricks for Image Classification with Convolutional Neural Networks基于卷积神经网络的图像分类技巧 亮点：讲了一些图像分类的优化技巧-模型优化，学习率衰减，label平滑，知识蒸馏，混合训练等。

• 论文：SatCNN: satellite image dataset classification using agile convolutional neural networks SatCNN：使用敏捷卷积神经网络的卫星图像数据集分类 亮点：针对HSR-RS图像场景分类，提出了SatCNN的敏捷CNN模型。所提出的模型可以平衡模型泛化能力和训练效率。使用z-score技术预处理，SatCNN模型可以更有效地捕获数千个HSR-RS图像内的固有特征。通过微调架构，SatCNN可以直接从HSR-RS场景数据本身进行训练，这种架构可以有效地处理HSR-RS场景内的类间和类内复杂性。在SAT-4和SAT-6数据集上进行的实验证实，所提出的SatCNN框架是一种有效且稳健的HSR-RS场景分类框架，并且SatCNN模型的结果目前是最先进的。

• 代码：SAT-4和SAT-6数据处理，以及应用min-max-loss

Next

还是想尝试4通道处理，再进行基准对比。