语义分割
文章平均质量分 90
图像分割
dear_queen
这个作者很懒,什么都没留下…
展开
-
SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation(NeurIPS 22)
我们介绍了SegNeXt,这是一种用于语义分割的简单卷积网络体系结构。由于在编码空间信息时自我注意的效率,最近基于Transformer的模型已主导语义分割领域。在本文中,我们证明了卷积注意比Transformer中的自注意机制更有效地编码上下文信息。本文对已有成功分割方案进行了重审视并发现了几个有助于性能提升的关键成分,进而促使我们设计了一种新型的卷积注意力架构方案SegNeXt。原创 2022-09-30 16:30:19 · 2029 阅读 · 1 评论 -
PP-LiteSeg:代码
前面讲解了pp-liteseg的论文部分,但是其中有些细节不太明确,比如在UAFM结构中attention模块有spatial和channel两种注意力,但是怎么融合的不知道,细节怎么处理的也不太清楚,为此看下代码部分内容UAFM代码部分融合代码部分附录UAFM部分class UAFM(nn.Layer): """ The base of Unified Attention Fusion Module. Args: x_ch (int): The chan原创 2022-05-02 16:31:02 · 1172 阅读 · 1 评论 -
PP-LiteSeg: A Superior Real-Time Semantic Segmentation Model-2022.4.6
最近看到了这个PP-LiteSeg,虽然没有用过paddle但是一直想尝试下,看到这个网络结构看起来不错的亚子,先浅看下叭。论文地址代码地址哈哈哈,这篇论文出自4.6,我还挺紧跟时事呢pp-liteseg的代码段pp-liteseg摘要1.introduction2.related work2.1 semantic segmentation2.2 real-time semantic segmentation2.3 feature fusion module3.proposed method3.1原创 2022-05-02 16:19:06 · 4518 阅读 · 1 评论 -
Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation-2018.8.22
最近在学习图像分割,读到一篇论文《Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation》。摘要空间金字塔池化模块或者编码解码结构被广泛应用于深度神经网络的语义分割任务中。前者网络能通过filters探测输入特征信息或者带有多尺度rates以及多尺度感受野的池化操作来编码多尺度语义信息。本文,我们提出结合两种方法的优点。具体来说,我们提出的模型DeepLabv3++,扩展了DeepLabv3,通过原创 2022-03-25 13:37:34 · 3742 阅读 · 0 评论 -
小白读论文-U-Net(2015年)
论文题目:U-Net: Convolutional Networks for Biomedical Image Segmentation论文地址:U-Net论文内容摘要1.介绍二级目录三级目录摘要人们普遍认为,深度网络的成功训练需要数千个带注释的训练样本。在本文中,我们提出了一种网络和训练策略,**它依赖于数据增强的强大使用,以更有效地使用可用的注释样本。该体系结构由捕获上下文的收缩路径和实现精确定位的对称扩展路径组成。**我们表明,这种网络可以从很少的图像中进行端到端的训练,并且在电子显微镜堆栈中神原创 2021-08-27 16:07:22 · 261 阅读 · 0 评论