语义分割论文
文章平均质量分 93
zy_destiny
一名天天向上的程序媛
展开
-
【DWRSeg】重新思考高效获取多尺度上下文信息以进行实时语义分割
DWRSeg网络模型详解,深入理解膨胀卷积的作用,以及在不同阶段扩大感受野的模型设计思路。含论文下载地址。原创 2024-02-22 15:03:17 · 1140 阅读 · 0 评论 -
【EVP】Explicit Visual Prompting for Low-Level Structure Segmentations
EVP模型详解,含论文下载地址和代码下载地址。原创 2024-01-31 10:28:54 · 1573 阅读 · 0 评论 -
【MaskFormer】Per-Pixel Classification is Not All You Needfor Semantic Segmentation
论文:https://arxiv.org/pdf/2107.06278.pdf代码:MaskFormer1.背景图像语义分割问题一直以来都被当做一个像素级分类问题解决的。我们发现,把语义分割看成一个mask classification问题不仅更自然的把语义级分割(semantic-level segmentation)和实例级分割(instance-level segmentation)联系在了一起,并且在语义分割上取得了比像素级分类方法更好的方法。我们提出的MaskFormer模型在语义原创 2021-12-17 10:43:39 · 3046 阅读 · 1 评论 -
【SegNeXt】语义分割中对卷积注意力设计的反思
论文提出一种简单的卷积神经网络结构用于语义分割任务。最近基于transformer机制的模型由于其自注意力机制在编码空间信息上的效率主导了语义分割领域。本文中,我们发现卷积注意力比transform中的自注意力更能有效的编码上下文信息,通过重新审视成功者在分割模型中所拥有的特征,我们发现了几个导致分割模型性能改进的关键组件。这促使我们设计一种使用廉价卷积运算的新型卷积注意力网络。原创 2022-12-27 15:45:39 · 1343 阅读 · 0 评论 -
YOLO 格式数据集制作
YOLO(You Only Look Once)是一种流行的目标检测和图像分割模型,由华盛顿大学的 Joseph Redmon 和 Ali Farhadi 开发。YOLO 的第一个版本于 2015 年发布,并因其高速度和准确性而迅速流行起来。YOLO不同版本发行时间版本时间YOLOv12015YOLOv22016YOLOv32018YOLOv42020YOLOv52021YOLOv82022以YOLOv5为例,说明同时支持图像分类、目标识别、图像分割。原创 2023-02-16 15:02:06 · 2956 阅读 · 0 评论 -
【多尺度条形池化与通道注意力的图像语义分割】论文精讲
目的针对自然场景下图像语义分割易受物体自身形状多样性、距离和光照等因素影响的问题,本文提出 一种新的基于条形池化与通道注意力机制的双分支语义分割网络(strip pooling and channel attention net,SPCANet)。方法SPCANet 从空间与内容两方面对图像特征进行抽取。首先,空间感知子网引入 1 维膨胀卷积与多尺度思想 对条形池化技术进行优化改进,进一步在编码阶段增大水平与竖直方向上的感受野;原创 2022-12-30 16:13:33 · 1694 阅读 · 1 评论