极简笔记 Pyramid Attention Network for Semantic Segmentation

最新推荐文章于 2024-09-13 22:47:39 发布
最新推荐文章于 2024-09-13 22:47:39 发布
阅读量9.6k 收藏 15
点赞数 3
分类专栏： 极简笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Hibercraft/article/details/80711498
版权
本文介绍了Pyramid Attention Network (PAN)的创新，它使用Feature Pyramid Attention (FPA)和Global Attention Upsample (GAU)模块引入注意力机制，以改进语义分割任务。PAN避免了现有模型的grid artifact问题，保持像素位置信息。FPA包含一个预测注意力mask的金字塔结构分支和一个全局池化分支。GAU在解码阶段应用注意力机制，高分辨率特征图预测通道掩模并作用于低分辨率捷径。实验结果显示了FPA和GAU的有效性，并在多个基准上达到了SOTA表现。
摘要由CSDN通过智能技术生成

极简笔记 Pyramid Attention Network for Semantic Segmentation

本文核心提出PAN，提出Feature Pyramid Attention module（FPA）和Global Attention Upsample module（GAU），引入注意力机制用于语义分割。
这里写图片描述

文章认为现有分割ASPP模型会导致grid artifact；以及pyramid pooling module会很大程度丢失像素位置信息。因此考虑不使用atrous形式，同时通过用金字塔结构学习注意力mask而不是直接对feature map进行学习，从而保持像素级别的位置信息。FPA结构如图，一个分支用pyramid结构预测attention mask，另外再加一个global pooling branch。值得吐槽的是配图画的真丑，我真的没有从配图中看出来下采样使用pooling还是用stride=2的形式实现的，以及每个尺度上的卷积是做两次nxn还是一次nxn。还有global pooling branch后面原文写着和之前的feature进行concatenate，在图里又变成了+，这种说话说一半，前后不一致的现象，极度影响阅读体验！要不是看在sota的份上我就不看了！

最低0.47元/天 解锁文章
Hibercraft
关注
专栏目录
Pyramid Attention Network for Semantic Segmentation
PartyPartyAnimal的博客
11-18 2101
论文地址：https://arxiv.org/pdf/1805.10180.pdf 代码地址（？）：https://github.com/xgmiao/Pyramid-Attention-Networks 摘要： 提出金字塔注意网络（PAN）来利用全局语境信息在语义分割中的影响，结合注意机制和空间金字塔来提取精确的像素标注密集特征，而不是使用复杂的扩散卷积和人工设计的解码器网络。 引入了一个Fea...
极简笔记 语义分割中的self-attention变种模型
Hibercraft的博客
08-31 2032
极简笔记 语义分割中的self-attention变种模型 Self-attention模块在近年来取得了比较不错的成功，其核心公式就是： yi=1C(x)∑∀jf(xi,xj)g(xj)y_i=\frac{1}{\mathcal{C}(x)}\sum_{\forall j}f(x_i,x_j)g(x_j)yi​=C(x)1​∀j∑​f(xi​,xj​)g(xj​) 与以往的卷积网络项目，self...
论文Pyramid Attention Network for Semantic Segmentation笔记
cl2227619761的博客
06-17 1505
该论文发表于2017CVPR，由北理工+旷视科技+北大共同完成 论文传送门 名词解释 Global contextual information: 译为中文即为全局上下文信息，即图像中的物体并不是孤立的，像素之间都是有联系的，这种联系就是上下文信息，而全局上下文信息是从图像全局的像素之间的联系，以下面的图为例： ...
项目推荐：Dual Attention Network for Scene Segmentation (CVPR2019)
最新发布
gitblog_07987的博客
09-13 388
项目推荐：Dual Attention Network for Scene Segmentation (CVPR2019) DANet Dual Attention Network for Scene Segmentation (CVPR2019) ...
语义分割--(PAN)Pyramid Attention Network for Semantic Segmentation
热门推荐
DFan的NoteBook
08-30 1万+
Pyramid Attention Network for Semantic Segmentation Pyramid Attention Network for Semantic Segmentation 原文地址：PAN 备注： 这篇文章和DFN类似。 Introduction Abstract 论文提出了Pyramid Attention Network(PAN)网络...
北大、北理工、旷视联手：用于图像语义分割的金字塔注意力网络
CSDN人工智能头条
06-01 6013
翻译 | 林椿眄出品 | 人工智能头条（公众号ID：AI_Thinker）近日，北京理工大学、旷视科技、北京大学联手，发表了一篇名为 Pyramid Attention ...
PAN（Pyramid Attention Network for semantic segmentation）paper解读
蓝羽飞鸟的博客
05-23 2061
PAN paper解读，附数据集使用，github地址
【深度学习】语义分割-论文阅读：（ NeurIPS 2021 ）SegFormer
zhe470719的博客
04-26 3771
这里写目录标题0.详情1.动机2. 改进点3.相关工作4. Method4.1 Hierarchical Transformer Encoder4.1.1 分层特性表示(Hierarchical Feature Representation)4.1.2 重叠合并(Overlapped Patch Merging)4.1.3 自注意机制(Efficient Self-Attention)4.1.4 混合前馈网络(Mix-FFN)4.2 Lightweight ALL-MLP DecoderALL-MLP解码结
attention res-unet原文
07-27
引用\[1\]:Li, H., Xiong, P., An, J., Wang, L.: Pyramid attention network for semantic segmentation. arXiv preprint arXiv:1805.10180 (2018) 。 引用\[2\]:原文地址：RAUNet: Residual Attention U-Net for ...
[论文笔记]We Learn Better Road Pothole Detection:from Attention Aggregation to Adversarial Domain Adapt
weixin_43146899的博客
12-07 511
We Learn Better Road Pothole Detection:from Attention Aggregation to Adversarial Domain Adaptation 目前的坑洼检测，大多为人工进行一个主观的判定检测。本文提出了视差变换算法可以很好地区分有坑洼和无坑洼道路区域。并且能够轻松部署到其他语义分割网络。并且提出一种注意力聚合（attention aggregation，AA）框架。还开发了一种基于对抗域自适应的有效训练集增强技术，生成合成道路RGB图像和变换后的道路视
[pytorch] 语义分割之(PAN网络模型)Pyramid Attention Network for Semantic Segmentation（训练代码+预测代码）
ZJE
09-03 1万+
出处：2018年CVPR 0.论文的启发： 上述网络是PSPNet里使用的空间金字塔池化模型，但使用池化操作会有空间信息上的损失。而DeepLab使用空洞卷积会存在缺少局部信息和”griding”(卷积核退化)现象。因此作者并不使用空间金字塔池化和空洞卷积。 然后作者受parseNet的影响： parseNet是额外使用一支分支来全局池化(下图粉色部分)，把它作为全局特征，在特征...
Pyramid-Attention-Networks:具有多个图像恢复任务的新SOTA结果的“用于图像恢复的金字塔注意力网络”的PyTorch代码
03-19
金字塔注意力网络用于图像恢复 该存储库适用于以下论文中介绍的PANet和PA-EDSR ，，，，，，，和“金字塔关注网络的图像复原”， 该代码基于和并在具有Titan X / 1080Ti / V100 GPU的Ubuntu 18.04环境（Python3.6，PyTorch_1.1）上进行了测试。 内容 介绍 自相似性是指在图像恢复算法中广泛使用的先验图像，即较小但相似的图案倾向于在不同的位置和比例上出现。但是，最近的基于深度卷积神经网络的高级图像恢复方法没有依靠仅处理相同规模信息的自注意神经模块来充分利用自相似性。为了解决这个问题，我们提出了一种新颖的金字塔注意力模块用于图像恢复，该模块从多尺度特征金字塔中捕获远距离特征对应。受到诸如噪声或压缩伪影之类的损坏在较粗的图像比例下急剧下降这一事实的启发，我们的注意力模块旨在能够从较粗的级别的“纯净”对应中借用纯净信号。提出的金字塔注意模块
Pyramid Feature Attention Network for Saliency detection.ppt
01-10
显著性检测组会汇报ppt，主要讲解了将金字塔特征注意力网络用于显著性检测的方法，网络结构，实验等内容。
Panoptic Feature Pyramid Networks.pdf
11-12
FAIR何恺明团队最新论文提出“全景FPN”，聚焦于图像的全景分割任务，将分别用于语义分割和实例分割的FCN和Mask R-CNN结合起来，设计了Panoptic FPN。该方法可能成为全景分割研究的强大baseline。Facebook人工智能实验室(FAIR)何恺明等人团队在arXiv发布最新论文：Panoptic Feature Pyramid Networks。
PaperReading2-Pyramid Attention Network for Semantic Segmentation
u010142666的博客
07-11 3103
今天我给大家介绍的是Face++2018发表的一篇关于图像分割的论文《Pyramid Attention Networkfor Semantic Segmentation 》，这篇论文属于Attention系列，介绍了结合金字塔的Attention网络，论文中多次讲到了本方法和现有一些分割方法的不同，确实存在创新，可以在下面的介绍详细看。总的来说，论文是将Attention机制与金字塔结构结合作为...
论文阅读笔记之Pyramid Attention Network for Semantic Segmentation
u011489887的专栏
01-10 3930
论文地址：https://arxiv.org/abs/1805.10180v1 摘要：本文利用全局上下文信息在语义分割中的影响提出了一个金字塔注意力网络（PAN）。 与现有的工作不同，我们结合注意机制和空间金字塔对像素级别的标签提取精确稠密特征，而不是复杂的空洞卷积（dilated convolution ）和人工设计的解码器网络。具体地，我们引入了特征金字塔注意力模块，在高层特征图输出上执行...
开源项目教程：Pyramid Attention Networks
gitblog_00159的博客
08-16 871
开源项目教程：Pyramid Attention Networks Pyramid-Attention-Networks[IJCV] Pyramid Attention Networks for Image Restoration: new SOTA results on multiple image restoration tasks: denoising, demosaicing, comp...
探索金字塔注意力网络：Pyramid Attention Networks 深度解析
gitblog_00082的博客
04-26 715
探索金字塔注意力网络：Pyramid Attention Networks 深度解析 项目地址:https://gitcode.com/gh_mirrors/py/Pyramid-Attention-Networks 在深度学习领域，注意力机制已经成为提升模型性能的关键技术之一。今天，我们要深入探讨一个创新的开源项目——Pyramid Attention Networks（PAN）。该项目由 SH...
【显著目标检测论文】Pyramid Feature Attention Network for Saliency detection
ooooollll111的博客
10-09 2017
显著性检测是计算机视觉的基本挑战之一。如何提取有效的特征是显著性检测的一个关键点。最近的方法主要是不加区分地采用融合多尺度卷积特征。然而，并非所有的特征都对显著性检测有用，有些甚至会造成干扰。为了解决这个问题，我们提出了金字塔特征注意力网络，以关注有效的高级背景特征和低级空间结构特征。首先，我们设计了上下文感知的金字塔特征提取(CPFE)模块，用于多尺度高层特征图，以捕获丰富的上下文特征。
a multiscale residual pyramid attention network for medical image fusion
09-16
医学图像融合是将多个不同模态的医学图像融合成一个综合的图像，以提供更全面、准确的信息供医生进行诊断和治疗。在这个问题中，描述了一种名为“多尺度残差金字塔注意力网络”的方法用于医学图像融合。...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值