- 博客(24)
- 收藏
- 关注
RSS订阅原创 nvidia-smi报错的解决方案
按照网上的帖子，查看nvidia driver 版本。如果输入nvidia-smi显示如下。然后使用dkms install。我选择安装了nvidia 550。但是会报错找不到一个文件。
2025-07-26 15:46:34
219
原创 安装mmcv的问题
（NVIDIA CUDA 编译器）失败，导致无法成功构建。如果cuda可用，会返回如下信息。的 wheel 文件。1.检查cuda是否可用。的路径已添加到系统的。2.安装完成后，确保。
2025-07-11 16:24:29
222
原创 SpectFormer:Frequency and Attention is what you need in a Vision Transformer(WACV 2025)
而我们认为，在视觉领域，spectral和multi-head self-attention是同等重要的，我们提出了SpectFormer,结合了spectral和multi-head attention。3.Versatility in Tasks:(任务的多功能性）：在MS COCO上的测试证明了SpectFormer在目标检测和实例分割等任务上的性能，说明其在计算机视觉任务中的可扩展性很好。在__inint__初始化时，先初始化了复数权重，它的shape是(h,w,dim,2)我们来看一下代码实现。
2025-07-06 22:55:12
226
原创 Detecting Camouflaged Object in Frequency Domain
并且，我们设计了频率的损失函数去引导网络关注频域信号，根据图1来看，红色代表的是伪装目标，绿色代表是背景。在RGB域，伪装目标很难识别。我们只使用了U-Net类型的网络，(Res2Net和ResNet50作为Backbone),从Table 1可以看出，和之前的SOTA模型相比，只使用U-Net网络已经可以达到有竞争力的效果，尤其是在大型数据集上，这说明之前的SOTA模型没有较好的解决COD任务。为了在CNN模型中引入频率信息，我们首先设计了一个频域提升的模块来在频域挖掘伪装目标的线索。
2025-06-24 21:14:00
156
原创 A Simple Yet Effective Network Based on VisionTransformer for Camouflaged Objectand Salient Object
这篇论文的亮点不在于这个模块，我认为在于训练方式上，提出了同时采用COD和SOD数据集进行训练，使用类似MAE任务的自监督方式，对输入图像随机mask,然后要求模型预测mask掉的部分，计算损失时也只计算mask部分的预测损失。先对输入序列进行线性映射，然后使用GELU激活函数，接着进行Conv,这里的Conv具体展开如下，由于输入序列是transformer block中的维度，所以需要先将其Unpatchify.转换到(N,3,h,w)的CNN数据维度后，进行3*3Conv。MSE损失是均方误差损失。
2025-06-21 23:22:57
147
原创 Pytorch中view和reshape的区别
1.view是一种类似视图的操作，view后的张量和原始张量共用一个存储区，并且使用view需要tensore张量满足连续性条件：即stride[i]=stride[i+1]*size[i+1]如果不满足连续性条件，需要先使用。
2025-06-06 14:31:02
275
原创 深度学习基础
构造了query_conv,key_conv,value_conv保持原通道数不变，以及通过nn.Parameter构造了科学系的gamma因子。使用torch.bmm(proj_query,proj_key)计算query和key的相似度，即计算每个位置对其他位置的关注程度。proj_query维度为(b,h*w,c'),proj_key维度为(b,c'.h8w)然后使用proj_value*attention.permute(0,2,1)来自于CVPR2023一篇论文。
2025-05-31 21:53:03
121
原创 深度学习基础知识整理
对于分类任务而言，如果要分10类，那么最后的feature map的通道数应该设置为10,即对10*H*W的feature map进行全局平均池化，得到10*1*1的feature map,在其后再接入softmax,即可获得特征图属于每个的概率。对每一行做平均池化，如果特征图大小为C*H*W,进行水平池化后得到的特征图大小为C*H*1。对每一列做平均池化，如果特征图大小为C*H*W,进行垂直池化后得到的特征图大小为C*1*W。2.水平池化(Horizontal Pooling)
2025-05-23 18:02:21
188
原创 Camouflaged Object Detection with Feature Decomposition and Edge Reconstruction阅读笔记
由于伪装目标的复杂性，生成的prediction map存在一些区域是低置信度，我们采用了reverse strategy来挖掘低置信度的区域，通过对注意力进行反转。1.我们提出的FEDER解决了前景和背景的内部相似性，通过将特征分解为不同的频带，使用可学习的小波。GFA是Guidance-based Feature Aggregation module，作者提到不像之前的融合方法使用concatenation，GFA是专门为解决COD的关键问题而设计的，即，通过促进特征间的信息交互，强调细微的鉴别特征。
2025-05-22 22:15:04
841
原创 Efficient Camouflaged Object Detection Network Based on Global Localization Perception and Local
摘要：现有的COD方法面临两个困境，一个是容易陷入局部感知，导致目标定位不准确，二是缺乏细节信息，难以实现精确的目标分割。同时，我们设计了一个引导细化的Decoder(GRD),是top-down的设计，来提取上下文信息，逐步细化生成的伪装目标的mask。在COD任务中，CNN backbone缺乏全局视野的指导，使它们更容易收到噪声背景的强烈干扰，从而导致对伪装目标的定位错误。考虑到在通道维度存在一定的相似性，为了避免模型冗余和减少计算资源，我们将Fi-1和fi进行了分离，保留了一半的通道数。
2025-05-20 20:51:01
672
原创 Frequency-Guided Spatial Adaptation forCamouflaged Object Detection 阅读笔记
具体而言，我们将适配器的输入特征转换到频率域，并在频谱图中通过非重叠圆区域对频率成分进行分组和交互，从而对不同频率成分进行动态增强或削弱，自适应地调整图像细节和轮廓特征的强度。问题(Motivation)：目前的adapter是为了补充空间域缺失的信息。然而，对于COD这一下游任务而言，一些关键线索（如纹理和图案中的细微变化）可能在空间域中难以察觉，但却可以通过频率域中独特的谱特性被有效揭示。因此，仅在空间域对预训练的基础模型进行适配，无法充分利用频率域信息所带来的优势，而这些信息对于COD任务尤为重要。
2025-05-14 22:38:21
245
原创 An edge-aware high-resolution framework for camouflaged object detection阅读笔记
问题一:作者认为已有的一些方法在输入图像时，降低了图像的分辨率，这种resizing operation虽然降低了计算量和内存，但是也降低了伪装目标和背景之间的细微的差别。接下来要注意一下AGF模块的输入，其实有三个，一个是上一层AGF模块的输出，因为这算是渐进的融合，细化生成mask，第二个是黑色的线，也就是Feature map,第三个是红色的线，是edge prediction map,这个AGF模块就是用来将边缘线索和feature map进行高效融合，然后生成mask的。用于增强图像的分辨率。
2025-05-13 22:19:55
402
原创 Multi-scale Adapter Based on SAM for Remote Sensing Semantic Segmentation阅读笔记
而作者提出的框架如图(b),红框内的patch块可以和粉色框大小的patch块，和蓝色框大小(3*3)个patch块大小，和绿色框(5*5)个patch块大小的区域进行self-attention计算。传统的self-attention机制是transformer将图像分成patch,然后不同patch之间进行self-attention计算，作者认为这是相同尺度大小的patch进行交互，缺乏在不同区域的多尺度交互的能力。然后分别进行3*3卷积，最后将那些特征图变小的再进行插值，然后在通道维度相加。
2025-05-07 20:34:57
278
原创 Hierarchical Side-Tuning for Vision Transformers阅读笔记
Transformer Bridge来自ViT Block的信息分为两个分支进行处理，左侧的Fmri代表的是Meta-Register,也就是提取Transformer Layer每一层全局信息的token,右侧的FPi是image tokens,首先通过Linear层进行映射，随后对image tokens进行全局平均池化，在与原来的Meta-Register进行通道维度拼接，得到Fmgi。也就是相当于，一个分支获取全局信息，另一个分支获取的还是原始的image tokens,代表局部信息。
2025-04-10 20:33:31
681
原创 Linux中清理torch下载的预训练权重文件
首先，我们下载的预训练权重文件会保存在以下路径中，所以需要切切换到这个目录。就可以看到我们下载的不完整的文件啦。rm -rf +文件名。
2024-11-07 20:50:47
224
1原创 力扣面试经典150题（55. 跳跃游戏）
给你一个非负整数数组nums，你最初位于数组的。数组中的每个元素代表你在该位置可以跳跃的最大长度。判断你是否能够到达最后一个下标，如果可以，返回true；否则，返回false。true可以先跳 1 步，从下标 0 到达下标 1, 然后再从下标 1 跳 3 步到达最后一个下标。false无论怎样，总会到达下标为 3 的位置。但该下标的最大跳跃长度是 0 ， 所以永远不可能到达最后一个下标。维护一个最远可以到达的下标位置遍历数组nums[i],每遍历一个元素就更新当前最远可以到达的位置，
2024-08-08 15:49:43
412
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