![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
小吕同学吖
这个作者很懒,什么都没留下…
展开
-
S7-ENet 论文解读
ENet(efficient)更加高效的分割网络,基于ResNet网络生成的。 1+2、介绍 语义分割对于理解图像的内容和寻找目标对象具有重要意义。 (1)SegNet,编码器是普通的CNN,用于对输入进行分类;解码器用于对编码器的输出进行上采样(upsample)。 架构庞大,参数较多,导致推理速度较慢。 (2)FCN (3)其他现有的体系结构使用更简单的分类器,然后将它们与条件随机场(CRF)...原创 2019-02-27 13:21:06 · 1451 阅读 · 0 评论 -
S6-DeepLab v1&v2&v3 论文解读
Atrous(Dilated) Atrous,也叫convolution with holes(空洞卷积或扩张卷积),和pooling相比,atrous convolution也是下采样,只是采样的位置是固定的,可以更好的保持空间结构信息。此处引入一个扩充率参数(dilated rate),用来控制扩张(空洞填充)的大小。池化在增大感受野(接受域)会丢失空间结构信息,而空洞卷积在增大感受野的同时,...原创 2019-03-04 17:40:08 · 805 阅读 · 0 评论 -
NIMA:Neural Image Assessment
图像质量评估,既有对图像美学质量的一个评估,又有对图像内容的一个评估。 技术质量评估主要是低阶的(如噪声,模糊度,压缩),美学质量评估量化了情感和美感相关的语义级别的特征。 图像质量评估分为: 全参考 无参考 全参考质量评价算法主要通过对图像的视觉特征进行分析,量化参考图像和失真图像之间的差异,以计算失真图像的视觉质量。相对全参考质量评价算法,无参考质量评价算法在计算失真图像的视觉质量时不需要...原创 2019-07-24 16:11:46 · 336 阅读 · 0 评论 -
斯坦福CS231n课程笔记(第二课)
1、图像分类 Challenges:光照、角度、尺度、形变、遮挡等。 2、数据驱动 图像分类一般方法: def classify(image): #算法 return class_label 数据驱动方法: #训练模型 def train(train_images, train_labels): #ML算法 return model #预测结果 def pred...原创 2019-07-10 00:01:25 · 202 阅读 · 0 评论 -
斯坦福CS231n课程笔记(第一课)
背景:YouTube每秒有5小时的视频被上传,需要正确分类。 CV历史: 生物视觉:5亿4千万年前,寒武纪时期物种大爆发,眼睛进化出来。 机器视觉: 17世纪文艺复兴时期,小孔成像相机出现。 50-60年代,Hubel和Wiesel研究猫的视觉系统,将物体由简单几何形状表示。 1999年,SIFT目标识别。 2005年,HOG直方图特征。 数据集: PASCAL,2006-2012 ImageN...原创 2019-07-09 19:01:19 · 276 阅读 · 0 评论