OpenMMLab Day06

最新推荐文章于 2024-09-14 20:06:03 发布
最新推荐文章于 2024-09-14 20:06:03 发布
阅读量51 收藏
点赞数
分类专栏： 训练营 文章标签： 深度学习 计算机视觉 人工智能
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/kongqi404/article/details/128978238
版权

语义分割基础

**语义分割：**以像素粒度进行识别分类，只考虑类别、不考虑实体
**实例分割：**需要分割不同实体
**全景分割：**前景、背景

**重要领域：**医疗、智能驾驶

语义分割思路

颜色分割

逐像素

滑动窗口：效率低

FCN

可输入任意大小的卷积网络
**逐像素的优化：**输入全图，在featureMap上进行卷积滑窗 -->全卷积网络 CVPR2015

放大图像尺寸（升采样）：

双线性差值：
image.png
卷积核
image.png
转置卷积：将上图卷积核设置为可学习的卷积核

基于多层级特征上采样

和浅层特征进行交互，寻找丢失的空间信息

UNET 2015

image.png

上下文信息

滑动窗口会丢失上下文信息—>增加感受野

PSPnet 2016 使用多尺度池化

image.png

DeepLab系列算法

空洞卷积

减少下采样->特征图就会变大->卷积核增大，参数量增大->空洞卷积
image.png

条件随机场CRF

后处理手段
image.png

空间金字塔池化 ASPP

image.png

总结

image.png

语义分割模型的评估

交并比：
image.png

kongqi404
关注
专栏目录
OpenMMLab Day03
kongqi404的博客
02-04 82
openMMlab MMClassification介绍
OpenMMLab 计算机视觉 # day1: 计算机视觉基础与OpenMMLab开源算法体系
skysys的研究小屋
02-02 471
OpenMMLab 计算机视觉学习打卡第一天
OpenMMLab 训练营第二期 笔记三
erhehe2的博客
06-03 184
我的电脑是 Windows 系统，安装了 miniconda。不同项目需要不同的版本，使用 conda 可以很容易管理。首先来创建 RTMPose 的环境。
OpenMMLab 训练营第二期 笔记二
erhehe2的博客
06-02 250
从给定的图像中识别人脸、手部、身体等关键点。1输入：图像输出：所有关键点的像素坐标 (x1,y1),(x2,y2)…(xJ,yJ), 这 J 为关键点的总数，取决于具体的关键点模型。例如人脸68关键点，手势21关键点，人体18关键点。这是一个很难的模式识别问题，要去追踪这些不断变化的点。
【七班】MMPose代码实践与耳朵穴位数据集实战【OpenMMLab AI实战营第二期Day3+作业1】
chenghong1的专栏
06-05 507
但是Linux操作系统操作中是有问题的，!wget https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220716-mmclassification/dataset/SimHei.ttf -O /environment/miniconda3/lib/python3.7/site-packages/matplotlib/mpl-data/fonts/ttf/SimHei.ttf中，下载的文件似乎有问题无法生效，且下载路径不准确，
AI基础实战营Day1ppt
02-02
【AI基础实战营Day1】课程主要探讨了计算机视觉领域，并深入介绍了OpenMMLab开源算法体系。计算机视觉是一门研究如何使机器“看”并理解图像和视频内容的科学。这一领域的应用广泛，从日常的微信扫一扫识物功能，到...
openLayer-图层高亮 （day05）
05-21
openLayer-图层高亮 （day05）
Unity Open Day Beijing 2023
06-16
Unity Open day 2023 所有专场 资料 共勉
字节跳动OpenDay--填饱肚子、装满大脑
热门推荐
weixin_44580146的博客
10-27 1万+
​ 2020.10.25，字节跳动举办OpenDay活动。康康很高兴在之前的随手报名后（甚至连活动群都没加），顺利通过了两轮筛选进入到了最终名单。在此不得不感叹学校985牌子的重要性，吼吼与我一同来到字节上海总部的，是我亲爱的华师大计算机相关专业的同学，以及大量上交、上大，少数复旦、同济朋友。 一、活动流程 本次活动在形式上做了较大的创新和突破，用收集"印花"的目标，串联起活动的各个环节。 在乘坐包车来到闵行宜山路1999号字节总部后，首先要求到场的同学进行签到并领取活动说明书。 第一个任务：抽取.
机器学习与深度学习的区别
警警的博客
09-14 1029
机器学习与深度学习
如何将卷积神经网络（CNN）应用于医学图像分析：从分类到分割和检测的实用指南
loveting99的博客
09-07 1081
U-Net：U-Net是一种用于生物医学图像分割的卷积网络。它的关键特点是具有对称的编码器-解码器结构和跳跃连接（skip connections），可以更好地保留和利用图像的空间信息。DeepLab：DeepLab使用空洞卷积（dilated convolutions）来扩展卷积核的感受野，同时保持图像的分辨率，并结合条件随机场（CRFs）进一步精细化分割结果。：YOLO通过将图像划分为网格，并在每个网格中预测边界框和类别，具有实时检测的优势。
如何理解深度学习的训练过程
qq_61033357的博客
09-11 363
这是模型在训练过程中通过数据自动学习的参数，主要是卷积层的权重和偏置。比如卷积核内部的权重（Conv2d中的weights和bias）会随着训练数据的输入和误差的反馈不断更新。以yolov5为例子，训练的目的是把一组输入猫狗图像放到神经网络中，得到一个输出模型，这个模型下次可以直接用来识别哪个是猫，哪个是狗。这些参数是在反向传播过程中由优化器（如Adam、SGD等）自动调整的，目的是使模型更好地拟合训练数据。步长（stride）：决定卷积操作在输入特征图上的移动幅度，影响输出的特征图大小。
【图像去噪】论文精读：Enhanced CNN for image denoising（ECNDNet）
最新发布
畅游计算机视觉的海洋
09-14 232
论文题目：Enhanced CNN for image denoising —— 用于图像去噪的增强CNN由于深度卷积神经网络 (CNN) 的灵活架构已成功用于图像去噪。然而，它们存在以下缺点：（i）深度网络架构很难训练。(ii)更深的网络面临性能饱和的挑战。在这项研究中，作者提出了一种称为增强卷积神经网络 (ECNDNet) 的新方法。具体来说，他们使用残差学习和批量归一化技术来解决训练困难的问题，加快网络的收敛性。此外，在所提出的网络中使用扩张卷积来扩大上下文信息并降低计算成本。
基础GAN生成式对抗网络（pytorch实验）
weixin_47696370的博客
09-10 349
采用MNIST数据集，如下是训练集中的一张图片。
获取某宝拍立淘API接口：深度学习图像实现匹配和检索
m0_37438181的博客
09-13 1085
随着互联网技术的飞速发展，电子商务行业中的图像搜索技术逐渐成为用户快速定位商品的重要工具。淘宝的“拍立淘”功能是一个强大的图像识别服务，允许用户通过拍摄商品图片来搜索相似的商品。然而，需要注意的是，淘宝的拍立淘API（或类似的高级图像识别服务）主要面向淘宝商家和合作伙伴，并不直接对普通开发者或公众开放。结论 淘宝图搜商品API接口,的实现涉及多个复杂的技术环节，需要综合运用深度学习、计算机视觉、大数据处理等多个领域的知识。未来，随着技术的不断进步，我们有理由相信图像搜索技术将在电商领域发挥更加重要的作用。
基于深度学习的信号滤波：创新技术与应用挑战
XU157303764的博客
09-09 1555
多尺度频域分析是一种将信号在不同频率尺度上进行分解和分析的方法。它通过使用特定的变换工具，如小波变换、多分辨率分析等，将信号分解为不同频率和时间尺度的成分。这种方法在多个领域都有着广泛的应用。在图像处理领域，多尺度频域分析可以用于图像去噪、边缘检测、图像压缩等。例如，通过小波变换可以将图像分解为不同尺度的小波系数，其中低频系数代表图像的大致轮廓和主要信息，高频系数则代表图像的细节和边缘信息。通过对不同尺度的系数进行处理，可以实现图像的去噪和增强。
《Discriminative Class Tokens for Text-to-Image Diffusion Models》ICCV2023
qq_46981910的博客
09-14 722
论文讨论了文本到图像扩散模型的最新进展，这些模型能够生成多样化和高质量的图像。然而，生成的图像常常缺乏细节，并且由于输入文本的歧义性，容易产生错误。为了解决这些问题，作者提出了一种非侵入式的微调技术，利用预训练分类器的判别信号来指导生成过程，从而在保留自由形式文本表达潜力的同时，实现高精度。
机器学习VS深度学习
weixin_43215013的博客
09-14 342
机器学习更依赖于手动设计的特征和较为简单的模型，适用于中小型数据集，计算需求较低，解释性较好。深度学习是机器学习的一个分支，使用多层神经网络，擅长自动提取复杂特征，能够处理大量非结构化数据，计算资源需求大，但在许多复杂任务（如图像和语音处理）中性能优异。
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