- 博客(10)
- 收藏
- 关注
RSS订阅原创 R2RNet: Low-light Image Enhancement via Real-low to Real-normal Network
CEM和DRM的输出将被合并为增强的光照图。Decom-Net每次都拍摄成对的低/正常光图像（慢速和正常），并在低光图像和正常光图像共享相同反射图的指导下学习低光及其对应的正常光图像的分解。如上图所示，图像可以看作是由入射图像和反射图像构成，入射光照射在反射物体上，通过反射物体的反射形成反射光进入人眼，就是人类看到的图像，如图所示，最后形成的图像可以用公式表示：I(x,y)=L(x,y)﹡R(x,y)Relight-Net的目标是在提高低光照图像的对比度的同时，获得高视觉质量的结果（更多的细节保留）。
2023-10-19 12:12:31
313
原创 PE-YOLO: Pyramid Enhancement Network for Dark Object Detection
目标检测在不利的条件下（黑暗环境）性能较低，为此，本文提出了一个金字塔增强网络（PENet），并将其与YOLOv3联合起来，构建了一个名为PE-YOLO的暗目标检测框架。在精度和准确度PE-YOLO都得到了大幅度的提升。LEF（丰富重构图像的语义）。假设分量为f∈Rh×w×3，我们首先通过卷积层将其转换为f∈Rh×w×32。使用一个动态低通滤波器来捕获低频信息，并且我们使用平均池化来进行特征滤波，这只允许低于截止频率的信息通过。不同语义下的低频阈值是不同的。
2023-09-15 18:26:50
444
1
原创 PointRend:Image Segementation as Rendering
为此，我们提出了一种新的神经网络模块，PointRend，该模块能够通过一种不断迭代的算法来自适应的挑选出有问题的区域，并对该区域的像素点进行精细化的调整预测。该“渲染”方法就是从常规的网络的最后一层输出开始（意思就是从网络的最深层，即感受野最大的那层开始上采样迭代），在每一次迭代的过程中，PointRend都会用双线性差值（bilinear interpolation）的办法进行上采样，并且从中选取N个不确定的点（比如那些在二分蒙版的情况下概率接近0.5的），生产该点的特征，并预测它们的标签。
2023-05-24 15:55:20
96
原创 Progressive Semantic Segmentation
框架的核心是一个分割模块和一个细化模块，在每个阶段，细化模块的输入是两个分割图：前一阶段的累积结果和通过在当前比例下运行分割模块得到的结果。细化的位置是根据两个估计的分割图的不确定性确定的。（用上一阶段中size稍大的细节信息稍许损失、上下文信息范围更大的patch中获取的分割结果来，与当前阶段size稍小的细节信息丰富、上下文信息范围更小的patch获取的分割结果来相互优化。该模块的输入是两个大小为h×w×C的分割图：来自以前所有比例的累积分割图Y和来自当前比例的比例特定分割图O。
2023-05-24 15:50:02
125
1
原创 CANet: Class-Agnostic Segmentation Networks with Iterative Refinement and Attentive Few-Shot Learnin
之后将support mask与在support image中得到的特征进行元素乘操作，目的是为了突出指定类别的信息，去除图像中的背景信息。具体的操作就是在DCM模块中添加了一个与密集比较卷积平行的注意力模块，每个注意力分制由两个卷积块组成，第一个卷积块是256*3*3，并使用3*3的池化，第二个只有一个3*3的卷积核，采用的是全局平均池化，得到了该support image下的影响分数，将所有的support image分数做softmax后得到最终的每个图像对结果影响的准确的分数。
2023-05-24 15:45:13
90
1
原创 Swin Transformer用于图像分类
Swin Transformer实战：使用 Swin Transformer实现图像分类。_AI浩-CSDN博客_swin transformer图像分类基于win10复现swin-transformer图像分类源码_可可爱爱小Tensor的博客-CSDN博客_swin transformer复现遇到的问题1.安装包安装不上ModuleNotFoundError: No module named ‘cv2‘解决办法，快速！_Catecher的博客-CSDN博客2.代码运行不成功pyt.
2021-12-24 11:39:49
772
原创 transformer
记录下自己学习transformer学习笔记Transformer从零详细解读(可能是你见过最通俗易懂的讲解)_哔哩哔哩_bilibili1.做什么在在attention is all you need 论文中主要用来进行语句翻译2.结构1）编码第一部分：输入（embedding/位置编码）embedding作用：在 embedding 空间中查找最近邻，这可以很好的用于根据用户的兴趣来进行推荐。 作为监督性学习任务的输入。 用于可视化不同离散变量之间的关系。位置.
2021-12-04 20:36:50
725
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人