![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像分割
文章平均质量分 51
ReaFly
计算机视觉 研究生
展开
-
增量学习 (Incremental Learning)
语义分割中的增量学习语义分割中的增量学习设置为:在第t个step,学习新的类别ct,ct的label仅包含当前学习的ct类别,所以在学习时要保证既学习到当前类别知识,又不能灾难性遗忘之前的类别知识。在语义分割的增量学习任务中,要解决的重点问题是当前的ground truth的background 类别,可能既包含过去学习过的真实类别,又包括未来要学习的潜在类别。1. 《Modeling the Background for Incremental Learning in Semantic Segmen原创 2021-04-14 14:28:34 · 6122 阅读 · 0 评论 -
图像分割--ICCV2019
1.《Asymmetric Non-local Neural Networks for Semantic Segmentation》创新点: Non-local 模块因为计算整张图(size=N)的相似度关系然后给出输出结果,导致计算量很大,GPU占用很高。为降低计算量,本篇论文提出非对称的Non-local 模块,即通过下采样得到部分具有代表性的点(size=S),并以此计算相似度关系,进而给...原创 2020-02-01 20:04:47 · 1718 阅读 · 0 评论 -
图像分割相关论文
1.《PointRend: Image Segmentation as Rendering》基本思想:在预测后采样那些不确定的点(例如边界点等),结合上一步的fine-grained features 和coarse prediction features, 构造这些点的特征,然后经过MLP重新为这些点预测标签,从而实现修正的目的。即以点为基本单位进行修正。...原创 2020-01-20 20:04:24 · 608 阅读 · 0 评论 -
UNet系列网络
1.UNet原创 2020-01-18 01:06:47 · 2118 阅读 · 0 评论 -
医学图像分割 (MICCAI 2019)
一.头部2.《FocusNet: Imbalanced Large and Small Organ Segmentation with an End-to-End Deep Neural Network for Head and Neck CT Images》针对 Head and Neck(HaN) CT images数据集来源:非公共数据集 和 MICCAI Head and Neck ...原创 2020-04-15 14:45:43 · 14195 阅读 · 4 评论 -
图像分割经典网络结构
1.《PointRend: Image Segmentation as Rendering》基本思想:在预测后采样那些不确定的点(例如边界点等),结合上一步的fine-grained features 和coarse prediction features, 构造这些点的特征,然后经过MLP重新为这些点预测标签,从而实现修正的目的。即以点为基本单位进行修正。...原创 2020-01-01 11:47:28 · 1640 阅读 · 0 评论