总结
文章平均质量分 89
宅家懒人才顺
这个作者很懒,什么都没留下…
展开
-
Hadoop配置基于阿里云服务器
买好三个服务器Xshell上配置公网IP,设定namenode以及两个datanode已经配置完毕。原创 2024-01-27 04:38:12 · 558 阅读 · 0 评论 -
高光谱图像的光谱超分辨(HSI-SR)
无监督的光谱超分辨创新点Coupled Unmixing Nets with Cross-Attention模型总览输入/出介绍基本假设退化假设混合假设约束网络架构双编码器Cross-Attention空间光谱一致性损失函数代码:GitHub论文:ECCV创新点提出了一个叫做 CUCaNet的无监督高光谱超分辨模型,将高光谱的物理混合特性建模进入网络。设计了一个交叉注意模块(Cross-Attention),可以提取HSI/MSI中的空间或者光谱信息到另一个分支,产生更充分的空间光谱信息混合。原创 2021-08-06 11:41:16 · 3570 阅读 · 0 评论 -
高光谱解混:基于几何,统计,稀疏回归的方法概述
高光谱解混方法概述问题引入问题何来?基础知识核心任务基础方法线性与非线性模型线性混合模型非线性混合模型非线性方法的概述高光谱解混流程大气校正(Atmospheric Correction)数据减少(Data Reduction)解混(Unmixing)反演(Inversion)本文为论文笔记,目的是自己看过的论文别忘了。。。问题引入问题何来?由于高光谱成像仪(又称Hyperspectral Cameras HSCs)的快速发展,它可以在一瞬间收集到成百上千的光谱通道,这远远多于过去的多光谱摄像机。由原创 2021-07-18 15:59:11 · 4734 阅读 · 2 评论 -
EGU-Net——端元导向的解混网络
EGU-Net 一个自监督光谱解混模型理解二级目录三级目录论文地址:论文代码地址:[代码](https://github.com/danfenghong/IEEE_TNNLS EGU-Net/)二级目录三级目录原创 2021-07-09 09:41:26 · 1681 阅读 · 0 评论 -
真内卷:与卷积“反”着来的Involution算子
本文是对由港科大,北大以及字节跳动AI Lab的研究人员共同于今年被今年CVPR接收的新神经网络结构Involution的学习总结。原文Github代码目录灵感来源空间不变性通道独立性解决方法相较于卷积核相较于自注意力模型构架总结灵感来源作者指出,近些年,随着CNN卷积神经网络的面世,深度学习已经成为视觉任务的重要模块之一。其中,由于卷积核两大固有特性:空间不变性和通道独立性,使其至今依旧是视觉任务的首要之选。但也正是因为这两个特征,也带来了许多问题。空间不变性所谓空间不变性(Spatial翻译 2021-04-23 16:44:25 · 1480 阅读 · 3 评论 -
CV学习:李宏毅2021机器学习(2)
上次读了前沿论文,发现确实水平远远不足,因此更加努力的看视频和学数学,希望后续能有所改善!本文主要总结关于神经网络训练不起来该怎么处理的问题进行论述,大家可以选择性观看!目录一级目录二级目录三级目录一级目录二级目录三级目录...原创 2021-04-11 11:33:50 · 1223 阅读 · 2 评论 -
Regression和Classification的区别
目录前言Regression举例Classification举例总结前言由于之前对于Regression(回归)和Classification(分类)认识并不准确,混淆了很长时间,那么现在就稍微总结一下。Regression回归,类比于数学中的回归直线,它在神经网络中作为输出往往是通过前者的运算而得出一个确定的值/向量。这个值/向量依赖于输入数据的整体分布,最终给出一个或因周期,或因总体趋势,或因偶然因素影响的一个“回归值”。这个值最终将作为估计值来预测下一个时刻的状态。举例对于回归来说,它在生原创 2021-04-05 11:12:45 · 2614 阅读 · 0 评论