![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读笔记
文章平均质量分 63
GBABI
智能驾驶系统工程师
展开
-
【论文阅读笔记】图像语义分割深度学习模型综述(张新明等)
【论文阅读笔记】图像语义分割深度学习模型综述(张新明等)文章主要内容:全面综述了图像语义分割算法的常用分类及最新成果,详尽比较了图像语义分割深度学习模型在PASCAL VOC 2012数据集上的四个参数的实际表现性能,对此领域的未来进行展望并提出了相关问题。文章部分摘要0 引言图像语义分割是像素级别的密集分类问题,其目标是对图像中的每个像素进行语义信息标注。语义分割广泛应用于自动驾驶、肝癌检测等方面。语义分割的难点主要来自以下三个方面:物体层次、类别层次和背景层次。**这意味着语义分割任务要在复杂原创 2021-01-29 19:25:13 · 548 阅读 · 0 评论 -
【论文阅读笔记】图像理解中的卷积神经网络(常亮等)
【论文阅读笔记】图像理解中的卷积神经网络(常亮等)文章的中心思想:卷积神经网络在图像理解中的研究进展与典型应用部分文章摘要1 背景与研究现状1986年,Rumelhart等首次提出人工神经网络的反向传播算法,掀起了神经网络在机器学习中的研究热潮。(可参考论文 Learning representation by back-propagating errors. Nature,1986)基于统计学习理论的支持向量机、Boosting、Logistic回归方法可以被看作具有一层隐节点或者不含隐节点的学原创 2021-01-29 16:08:45 · 464 阅读 · 0 评论 -
【论文阅读笔记】基于深度学习的图像语义分割方法综述(田萱,王亮,丁琪)
【论文阅读笔记】基于深度学习的图像语义分割方法综述(田萱,王亮,丁琪)几个名词的缩写:ISS(image semantic segmentation):图像语义分割DL(deep learning):深度学习DNN(deep neutral network):深度神经网络ISSbDL(image semantic segmentation based on deep learning):基于深度学习的图像语义分割方法ISSbRC(ISS based on the regional classif原创 2021-01-27 21:33:38 · 2165 阅读 · 4 评论 -
【论文阅读笔记】Pyramid Scene Paring Networks
【论文阅读笔记】Pyramid Scene Paring Networks阅读第一遍提出的问题:当前基于FCN的模型的主要问题是缺乏合适的策略来利用全局场景类别线索提出:金字塔场景解析网络(PSPNet)利用金字塔场景解析网络,对不同区域的语境进行聚合,使模型拥有了理解全局语境信息的能力。对于ADE20k数据类,存在的问题有1.语境关系不匹配2.类别混淆3.不明显类别基于存在的问题,提出的解决方案:利用金字塔池化模块,有效获得全局语境信息。知识盲区:全局先验模块池化 金字塔池化模块原创 2021-01-18 14:22:10 · 148 阅读 · 0 评论