- 博客(3)
- 收藏
- 关注
RSS订阅原创 语义分割之FCN、PSPNET、Deeplab-V3
PSPNet用带有空洞卷积的预训练的ResNet作为backbone，最后一层提取的feature map大小为输入图像的1/8。因此，通过融合四个不同金字塔尺寸的特征，将输入的feature map分为不同的子区域并生成不同位置的池化表示，从而产生不同尺寸的输出，为了强化全局特征的权重，在金字塔层数为N的情况下，利用一个1x1的卷积将上下文表示的维度降到1/N。这有助于提高分割的准确性。网络在场景分析数据集上存在的问题，Pspnet提出一系列改进方案，以提升场景分析中对于相似颜色、形状的物体的检测精度。
2024-01-05 22:42:24
390
原创 transformer
encoders—decoders（编码--解码）可以由多个小encoder—decoder组成，数量可以自己定，是一个×N的结构，所有的小encorder结构式完全相同的，小decorder结构式也完全相同的。字向量经过embedding对位相加得到新的X，经过自注意力得到Z，Z和A对位相加，残差结果输出，经过两层的全连接，经过残差做最终输出结果。对于RNN ，U输入参数，W隐藏参数，V输出参数，对于RNN所有的timestamp公用一套参数，RNN是先后依次处理的，是串行的，速度慢。
2024-01-05 22:03:18
370
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人