- 博客(4)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 CVPR2018论文阅读-Faster MPN-COV：迭代计算矩阵平方根以快速训练全局协方差池化
Towards Faster Training of Global Covariance Pooling Networks by Iterative Matrix Square Root Normalization通过迭代计算矩阵平方根加速训练全局协方差池化替代全局平均池化更好地利用协方差矩阵丰富的结构信息，提出的方法在几个细粒度的数据集上都SOTA效果。
2019-04-18 09:06:44
5566
1
原创 图像语义分割(16)-DUpsampling-新型上采样模块:能够聚合丰富特征的数据相关型解码方式(CVPR2019)
Decoders Matter for Semantic Segmentation: Data-Dependent Decoding Enables Flexible Feature AggregationDUpsampling-新型上采样模块:能够聚合丰富特征的数据相关型解码方式(CVPR2019)该论文提出新型上采样方法DUpsampling来替代双线性插值。实验表明，基于DUpsampling的解码器在多个通用数据集上取得了STOA效果，并且计算量仅有原有模型的20%~30%。
2019-04-16 08:56:31
9660
3
原创 图像语义分割(15)-ConvCRFs:用于语义分割的卷积条件随机场
条件随机场(Conditional Random Fields, CRFs)因为具有对图像结构的建模能力可以作为一种有效的语义分割后处理方式，但是其缺点显著：一是训练和推断速度十分感人，二是其内部参数难以学习。该论文假设现有的全连接条件随机场框架具有条件独立性，从而提出以卷积的方式重新构建CRF，得到卷积条件随机场即ConvCRFs，使其参数能够利用反向传播算法进行优化，并且能够在GPU上高效实现以进行训练和推断过程的加速。
2019-04-11 14:38:51
4673
原创 图像语义分割(14)-FastFCN: 重新思考语义分割模型主干网络中的扩张卷积
时下的语义分割模型通常在主干网络中使用扩展卷积来获得高分辨率的特征图，但是这样做会增加计算复杂度和内存占用。该论文提出了一种新型的联合上采样模块JPU(Joint Pyramid Upsampling)以取代扩张卷积，该方法有效降低了计算复杂度和内存占用，能够在多种已有模型中应用，并且不损失甚至会对最终精度有一定的提升。
2019-04-09 22:52:44
7070
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人