- 博客(17)
- 收藏
- 关注
原创 【arxiv 2211】【Speech Separation with Large-Scale Self-Supervised Learning】- Introduction 写作值得学习
。
2022-11-18 10:49:02
171
1
原创 [ TNNLS ] Hyperspectral and SAR Image Classification via Multiscale Interactive Fusion Network
1 . 研究动机由于单源数据的局限性,利用多源遥感数据联合分类受到关注现有的多源遥感数据联合分类方法仍然存在一定缺陷单源数据特征提取 HSI空间分辨率低,易受大气干扰,较难捕捉空间上下文信息; 采用不同卷积核提取多尺度信息然后通过聚合融合,不能保证多尺度提取核融合的有效性,增加了模型参数和复杂性多源数据特征融合 卷积局部特征提取能力强,多源数据远程位置间的依赖性无法传输本文提出一种基于多尺度交互信息提取的高光谱和..
2022-05-27 11:06:58
537
原创 [ TIP ] Deep Hierarchical Vision Transformer for Hyperspectral and LiDAR Data Classification
1.研究动机HSI分类方法难以识别具有相似光谱特征但海拔高度不同的物体(如混凝土屋顶和道路)LiDAR数据记录地物海拔高度信息方法具有天然优势目前的分类方法在处理光谱长距离依赖性和空间域提取层次特征方面存在局限性多模态数据特征级融合存在Hughes现象和不同特征间的不平衡问题,没有合适的统一架构来融合异构特征提出一种深度层次 Vision Transformer架构,用于HSI和LiDAR联合分类利用光谱序列 Transformer 捕获光谱长期依赖性利用空间层次 Transf.
2022-05-27 11:02:29
478
原创 Pytorch之summary
Pytorch之summary导入summaryfrom torchsummary import summarysummary(model , input_size = (channel , H , W))
2021-10-14 20:07:14
1479
原创 DANet 双重注意力机制
空间注意力 PAM_Module:input A:(C,H,W),先分别通过三个卷积层得到B、C、D三个特征图,B reshape+transpose为(HxW,C),C reshape为(C,HxW),D reshape为(C,HxW)然后B与C相乘得到(HxW,HxW),再经过softmax得到S然后D与S做乘法,得到(C,HxW),再乘以尺度系数α,再reshape为(C,H,W)后与input相加得到输出初始化α系数为0,注意这是可学习参数,逐渐学习得到更大的权重举例:code
2021-10-13 16:43:27
4706
1
原创 CBAM 通道注意力 & 空间注意力机制
CBAM(Convolutional Block Attention Module)一种轻量的注意力模块,可以在空间和通道上进行注意力机制,沿着通道和空间两个维度推断出注意力权重系数,然后再与feature map相乘,CBAM的结构如下:包含两个模块:通道注意力模块和空间注意力模块,两个注意力模块采用串联的方式。1.通道注意力模块通道注意力是关注哪个通道上的特征是有意义的,输入feature map是H x W x C,先分别进行一个全局平均池化和全局最大池化得到两个1 x 1 x C的featu
2021-09-28 16:17:16
21004
2
原创 SEnet 通道注意力机制
SENet 在于通过网络根据loss去学习特征权重,获取到每个feature map的重要程度,然后用这个重要程度去给每一个特征通道赋予一个权重值,从而让神经网络去重点关注某些feature map , 使得有效的feature map权重大,无效或效果小的feature map权重小,使模型达到更好的效果,同时也不可避免的增加了一些参数和计算量。2.SENet注意力机制 结构输入input是一个H x W x C 的特征,共C个通道,然后进行一个空间的全局平均池化,每个通道得到一个标量,输出为 1
2021-09-28 14:44:10
6534
1
原创 SSRN:Spectral-Spatial residual network for HSI classification
1.introduction2.SSRN结构2.1 3D-CNN & BN输入数据是三维立方体数据:长、宽、深度(光谱带数)2.2 光谱残差块 & 空间残差块光谱残差块:残差块包括两个连续的3D卷积层,然后在两个3D卷积层之间使用残差连接kernel_size = 1 * 1 * m,padding=(0 , 0 , 3) , stride = (1,1,1),相当于在光谱维度上滑动,即在光谱维度上进行卷积运算,可以保证提取光谱特征,同时设置光谱维度padding =
2021-09-23 20:59:43
1086
1
原创 卷积相关2021-09-23
卷积过程是在图像每个位置进行线性变换映射成新值的过程,可以将卷积核看作权重,拉成向量记作 www ,图像对应位置的像素拉成向量记作 xxx ,那么卷积结果就为 y=wx+by=w^{} x+by=wx+b ,即向量内积+偏置b可以理解为多层卷积是在进行逐层映射,整体构成一个复杂函数,训练过程是在学习每个局部映射所需要的权重,训练过程可以 看成是函数拟合的过程。通过多层卷积,将简单模式组合成复杂模式,这种灵活的组合能保证具有足够的表达能力和泛化能力。多层卷积抽取复杂特征:每层得到的特征图直接观.
2021-09-23 12:13:38
100
原创 sklearn - classification_report
classification_report:用于显示分类指标的文本报告classification_report(y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2)参数解释:y_true : 1维度数组,或者标签指示器/稀疏矩阵 , 目标值y_pred : 1维数组,或者标签指示器/稀疏矩阵 , 分类器返回的估计值labels: array , shape = [n_labe
2021-09-16 14:59:26
524
原创 135. 分发糖果
老师想给孩子们分发糖果,有 N 个孩子站成了一条直线,老师会根据每个孩子的表现,预先给他们评分。你需要按照以下要求,帮助老师给这些孩子分发糖果:每个孩子至少分配到 1 个糖果。评分更高的孩子必须比他两侧的邻位孩子获得更多的糖果。那么这样下来,老师至少需要准备多少颗糖果呢?示例 1:输入:[1,0,2]输出:5解释:你可以分别给这三个孩子分发 2、1、2 颗糖果。示例 2:输入:[1,2,2]输出:4解释:你可以分别给这三个孩子分发 1、2、1 颗糖果。 第三个孩子只得到
2021-06-05 18:26:50
81
原创 455. 分发饼干(分配问题)
假设你是一位很棒的家长,想要给你的孩子们一些小饼干。但是,每个孩子最多只能给一块饼干。对每个孩子 i,都有一个胃口值 g[i],这是能让孩子们满足胃口的饼干的最小尺寸;并且每块饼干 j,都有一个尺寸 s[j] 。如果 s[j] >= g[i],我们可以将这个饼干 j 分配给孩子 i ,这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子,并输出这个最大数值。示例 1:输入: g = [1,2,3], s = [1,1]输出: 1解释: 你有三个孩子和两块小饼干,3个孩子的胃口值分别是:1
2021-06-05 17:37:35
1403
原创 计数类DP
1. 整数划分一个正整数n可以表示成若干个正整数之和,形如:n = n1 + n2+···+nk,其中n1>=n2>=···>=nk,k>=1。我们将这样的一种表示称为正整数n的一种划分。现在给定一个正整数n,请你求出n共有多少种不同的划分方法。分析:参照完全背包做法,相当于在1~n中选择物品,且总体积为n的方案数,每件物品可选任意次#include<bits/stdc++.h>using namespace std;const int N = 1010
2021-02-04 17:38:19
91
原创 区间DP
1.石子合并设有N堆石子排成一排,其编号为1、2、3、···、N,每堆石子有一定的质量,可以用一个整数来描述,现在将这N堆石子合并为一堆,每次只能合并相邻的两堆,合并的代价为这两堆石子的质量之和,合并后与这两堆石子相邻的石子将和新堆相邻,合并时由于选择的顺序不同,合并的总代价也不相同,找出一种合理的方法,使总的代价最小,输出最小代价。#include<bits/stdc++.h>using namespace std;const int N=310;int n,s[N],f[N][
2021-02-04 16:31:35
61
原创 线性DP
1. 数字三角形给定一个如下图所示的数字三角形,从顶部出发,在每一结点可以选择移动至其左下方的结点或移动至其右下方的结点,一直走到底层,要求找出一条路径,使路径上的数字的和最大。 7 3 8 8 1 0 2 7 4 44 5 2 6 5从上到下:#include<bits/stdc++.h>using namespace std;const int N=510,INF = 1e9;/** D
2021-02-03 23:03:47
77
原创 背包问题
一、背包问题:1. 01背包问题有N件物品和一个容量是V的背包,每件物品只能使用一次,第i件物品的体积是ViV_iVi,价值是WiW_iWi,求将哪些物品放入背包,可以使这些物品的总体积不超过背包容量,且总价值最大。#include<bits/stdc++.h>using namespace std;const int N = 1010;int f[N][N],v[N],w[N];int n,m;int main(){ cin >> n >>
2021-02-03 19:33:09
583
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人