- 博客(5)
- 收藏
- 关注
RSS订阅原创 大田环境下的农业害虫图像小目标检测算法 阅读提要 （YOLOv5+注意力+BiFPN+Loss改良）
本文使用BiFPN改进颈部连接结构，通过融合多尺度特征进行特征增强，在原模型路径聚合网络(PANet)结构的相同层级特征路径基础上增加了来自原输入的特征，在主网络的第21层加入了来自第7层的特征，删除了没有进行特征融合的单输入节点，通过跨尺度连接从不同分辨率的特征图中获取特征，并考虑对定位和分类的贡献进行分配相应的权重。**FPN：**利用深度卷积神经网络在不同层次上提取的特征构建一个特征金字塔在传统的卷积神经网络中，随着网络层次的加深，特征图的空间分辨率逐渐降低，而语义信息则逐渐增强。
2024-03-02 17:24:57
1258
原创 Python小游戏——模拟掷骰子 （纪念自己初学的第一个代码）
突然翻到了三四年前初学Python的时候自己亲手写下的第一个代码——模拟掷骰子，虽然简陋，当时的自己为了完成也是“煞费苦心”，但仍想留作纪念。该游戏能根据需求选择是否计算各点概率和自由输入投掷次数，全部用最直接的思路和最暴力的写法，连列表、函数这些东西都没有用，具体功能的实现非常简单易懂，很适合初学者学习学习和使用。
2024-02-29 18:34:21
838
原创 Detection-friendly dehazing: object detection in real-world hazy scenes 阅读提要 （融合的观点）
BAD-Net 图像去雾 融合
2024-02-29 17:21:45
1172
原创 DSNet: Joint Semantic Learning for Object Detection in Inclement Weather Conditions 阅读提要
DSNet
2024-02-29 17:10:23
1066
原创 AOD-Net: An All-in-One Network for Dehazing and Beyond阅读提要
作为轻量级和高效率的类型，AOD-Net具有更快的运行速度。1.本文第一个提出端到端可训练的去雾模型，它直接从模糊图像中生成干净的图像，而不是依赖于任何单独的和中间的参数估计步骤,AOD-Net是基于重新配制的大气散射模型设计的，保留了与现有工作相同的物理基础。这样，t(x)和A都被积分到新的变量K (x)中，B是默认值为1的常数偏差，由于K (x)依赖于I (x)，因此我们的目标是建立一个输入自适应深度模型，该模型的参数将随着输入模糊图像的变化而变化，从而使输出J (x)与清晰图像之间的重建误差最小化。
2023-10-09 16:27:44
814
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