关于CVPR2020论文AlphaNet: An Attention Guided Deep Network for Automatic Image Matting的一些理解

最新推荐文章于 2021-09-13 19:03:43 发布
最新推荐文章于 2021-09-13 19:03:43 发布
阅读量315 收藏 1
点赞数
文章标签： 深度学习 计算机视觉 抠图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jindayue/article/details/107174927
版权

关于CVPR2020论文AlphaNet: An Attention Guided Deep Network for Automatic Image Matting的一些理解

以下我将从背景，网络架构，实验和总结这几个方面进行介绍。注：以下内容均为我个人的理解，如果有错误的地方，希望朋友们指出，非常感谢。

一、背景

在这里插入图片描述

二、网络架构

一共有两个网络，语义分割网络+深度抠像网络
在这里插入图片描述

2.1语义分割网络
在这里插入图片描述
在这里插入图片描述
2.2 深度抠像网络
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
2.3 损失函数
在这里插入图片描述
2.4 数据集
在这里插入图片描述
2.5 训练方式
在这里插入图片描述

三、实验结果分析

在这里插入图片描述

四、总结

在这里插入图片描述

jindayue
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
2020 CVPR之image matting：AlphaNet: An Attention Guided Deep Network for Automatic Image Matting
makabaka的博客
04-14 1567
AlphaNet: An Attention Guided Deep Network for Automatic Image Matting 当前的问题及概述： 本文提出的image matting方法是一种将语义分割和深度图像匹配过程融合成单一网络的方法，以生成用于图像合成任务的详细的语义匹配。 1.提出了一种新的模型结构，将上采样和下采样算子的功能与attention相结合，并将分割和匹配（m...
论文总结：AlphaNet: An Attention Guided Deep Network for Automatic Image Matting
qq_20714197的博客
03-19 2296
AlphaNet: An Attention Guided Deep Network for Automatic Image Matting Abstract： 本文提出了一种端到端的图像抠图方法，即从自然图像中高精度提取前景目标。我们提出的方法有两方面的贡献，一是它可以解释为一种全自动的语义图像抠图方法，二是对现有的语义分割模型的改进。我们提出了一种新的模型结构，将上采样和下采样算子的功能与at...
AlphaNet_ An Attention Guided Deep Network for Automatic Image Matting.pdf
03-19
《AlphaNet_ An Attention Guided Deep Network for Automatic Image Matting》论文原文
AlphaNet: An Attention Guided Deep Network for Automatic Image Matting
balabalabiubiu的博客
03-20 279
AlphaNet: An Attention Guided Deep Network for Automatic Image Matting 论文链接：https://arxiv.org/abs/2003.03613?context=cs.CV 发表出处：2020 CVPR 1.背景 数字图像抠图（Digital imate matting）是从自然图像中高质量提取前景物体的一种方法，在混合现实、电影制作和智能创作等领域有着广泛的应用。为了追求更流畅、更快的客户体验，对大量数据进行提取和合成的过程必须是自动
Image Matting
weixin_34006468的博客
07-10 104
前一阵子忙毕业的事情，好久没有更新博客了，今天重新捡起来，写写学习目前项目中需要用到的image matting的一些东西。 ************************************************************************** （待续） 转载于:https://www.cnblogs.com/ycjing/p/5658651.html...
CVPR2020-代码：CVPR 2020论文开放项目合集
02-04
【CVPR2020-代码：CVPR 2020论文开放项目合集】是一个集合了2020年计算机视觉与模式识别大会（Computer Vision and Pattern Recognition, CVPR）上优秀论文的开源代码资源。这个压缩包旨在为研究者、开发者以及对...
panoptic-deeplab:这是Pytorch重新实现的CVPR 2020论文“ Panoptic-DeepLab
03-18
这是我们基于Detectron2的CVPR2020论文的PyTorch重新实现： 。现在，此仓库中还支持使用DeepLabV3和DeepLabV3 +的细分模型！消息[2021/01/25]在COCO实验的旧配置文件中发现了一个错误（对于COCO，需要将MAX_SIZE_...
CVPR2020_PADS:（CVPR 2020）此仓库包含“ PADS
04-24
如我们的CVPR 2020出版物（ ）中所建议，该存储库包含用于对基于排名的深度度量学习方法运行策略适应性否定采样的代码。 SAMPLE_RUNS.sh中列出了可以达到与本文报告相似的结果的示例运行，因为基于RL的方法引入了更...
CVPR2020-纸代码解释：cvpr2020cvpr2019 ／ cvpr2018cvpr2017论文，极市团队整理
02-03
在本压缩包中，极市团队整理了2017年至2020年的CVPR会议论文，为读者提供了一个全面了解这个领域发展动态的宝贵资源。 首先，我们来看2017年的CVPR，这是深度学习在计算机视觉领域大放异彩的一年。其中，深度学习...
CVPR-2020-point-cloud-analysis:专注于点云分析的CVPR 2020论文
05-28
CVPR-2020点云分析专注于点云分析的CVPR 2020论文[][][][] segmention [] segmention classification [] compression oral completion [代码] 基于图像的3D对象检测的端到端伪LiDAR [代码] 点网络segmentation 更...
Deep-Attention-Network:这个项目是要介绍DAN
04-15
深度关注网络 DAN：用于3D形状识别的深度注意网络 介绍 我们提出了称为DAN的Deep-Attention神经网络，用于3D形状识别和检索。 您可以查看我们的论文以获取更多详细信息。 在此存储库中，我们发布了代码和数据，以在ModelNet40数据集上训练DAN。 引文 如果您发现我们的工作对您的研究有用，请引用我们的论文。 配置 在Ubuntu 16.04上的Pytorch 0.4.1，Python 3.6和CUDA 9.0的环境下对代码进行了测试。 数据集：来自ModelNet40数据集的多视图（12视图）数据。 预训练模型：VGGNet。 用法 从上面的链接下载数据和预训练的ckpt。 为数据和结果创建目录，并将它们放在相应的目录下（./data adn ./result/ckpt）。 mkdir - p data result / ckpt DAN火车。 这将使用保存
Matting survey
04-15
本文档主要是作者在商汤科技实习的时候，由于项目涉及到matting相关的算法实现，因此将自己阅读的一些文献整理成slides，方便matting算法爱好者快速浏览、学习。
2020cvpr学习笔记
weixin_44523062的博客
07-02 179
19日 image retrieval https://matsui528.github.io/cvpr2020_tutorial_retrieval/ 基于内容的图像检索是用于与视觉集合进行交互的最重要技术之一。尽管在过去十年中已取得了重大进展，但现有技术仅在标准基准（例如牛津数据集）上进行了评估，该数据集主要由建筑物图像组成。关于如何为实际应用创建实用且大规模的视觉搜索系统的讨论还不够多，例如在网上市场推荐购物商品或在安全场景中对行人进行重新标识。 本教程涵盖了为实际应用程序构建图像检索系统的几个重要组
[论文笔记 CVPR2020]Attention Scaling for Crowd Counting
bridgeqiqi的博客
07-18 1828
[论文笔记 CVPR2020]Attention Scaling for Crowd Counting 论文地址：https://openaccess.thecvf.com/content_CVPR_2020/papers/Jiang_Attention_Scaling_for_Crowd_Counting_CVPR_2020_paper.pdf 概述摘要 Abstract 基于卷积神经网络的方法通常是将人群计数任务看做成一个回归任务，也就是说建立图像内容到密度图分布之间的一个映射关系。但是对于不同的密
ECCV 2018 论文下载及分析（774篇全）
热门推荐
愿十四亿神州尽舜尧
09-16 2万+
ECCV2018 收录论文整理，共774篇。 百度云链接：https://pan.baidu.com/s/1Mg0Kw9bepUK6_vqqVSOjNQ ，密码：mh97。 以下是下载后的文件： 以下是文件名对应的论文名称：   序号 文件名 论文题目 1 Aaron_Gokaslan_Improving_Shape_Deformation...
[论文阅读] Deep Automatic Natural Image Matting
xiongxyowo的博客
09-13 928
论文地址：https://arxiv.org/abs/2108.07851 发表于：Arxiv 2021.08 Abstract 自动图像抠图(AIM)是指从任意自然图像中估计软前景，而不需要像trimap那样的辅助输入，这对图像编辑很有用。先前的方法试图学习语义特征来帮助抠图过程，但仅限于具有显著不透明(salient opaque)前景的图像，如人类和动物。在本文中，我们研究了将其扩展到具有显著透明/细微前景或非显著前景的自然图像时的困难。为了解决这个问题，我们提出了一个新颖的端到端抠图网络，它可以为上
论文阅读《Attention-guided Unified Network for Panoptic Segmentation》CVPR 2019
Learning-Deep
02-27 5944
这篇文章发表于CVPR 2019会议上，中国科学院自动化研究所所做关于全景分割问题。本文提出了一个叫做 Attention-guided Unified Network ( AUNet ) 的结构去解决全景分割问题，该方法在MS-COCO数据集上取得了目前最好的结果。 全景分割（Panoptic Segmentation）是一个比较新的分割概念，是指的对目标区域做实例分割（Instance Seg...
《Deep Subdomain Adaptation Network for Image Classification》
uestc_huhu的博客
06-19 1694
Abstract 我们提出了深子域自适应网络(DSAN)，它通过基于局部最大平均差异(LMMD)在不同域上对齐域特定层激活的相关子域分布来学习传输网络。我们的DSAN非常简单但有效，不需要对抗性训练，收敛速度快。大部分前馈网络模型都可以通过最小均方误差损失进行扩展来实现自适应，而最小均方误差损失可以通过反向传播进行有效训练。 贡献 (1)提出了一种新的子域自适应深度神经网络体系结构，该体系结构通过捕获每个类别的细粒度信息来扩展深度自适应网络的能力。 (2)我们证明了DSAN这种非对抗性的方法可以取得显著的效
文章阅读：Multi-scale guided attention for medical image segmentation
purson2的博客
12-16 653
原文地址： Multi-scale guided attention for medical image segmentation 概述 全卷积神经网络或编码器-解码器体系结构的问题： 尽管这两个网络具有强大的表示能力，但是这些多尺度方法导致信息流的冗余使用，例如，相似的低层特征在网络内的不同层被多次提取。 所学习的特征表示对像素方式的识别能力可能不足以应对某些挑战性任务，例如医学图像分割。 基...
CVPR 2022 论文精选：检测、分割与更多领域前沿进展
"CVPR 2022 最新论文分类整理及开源代码合集，包含检测、分割、图像处理、视频处理等多个领域，以及相关的论文接收、更新信息和官方链接。" 在计算机视觉领域，CVPR (Computer Vision and Pattern Recognition) 是...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值