![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
笨笨的蛋
笨笨的蛋记笔记的地方
展开
-
读论文《SSF-DAN: Separated Semantic Feature based Domain Adaptation Network for Semantic Segmentation》记录
前言:本篇论文是在《No More Discrimination: Cross City Adaptation of Road Scene Segmenters》的基础上发展起来的。semantic-wise传统的class-wise域自适应方法,使用全部的伪标签来作为对抗学习分类的标签,但是由于伪标签不一定全部正确,所以此方法存在一些问题。然后作者就提出了一种新的基于semantic-w...原创 2020-04-15 13:31:57 · 795 阅读 · 0 评论 -
读论文《Dilated Residual Networks》记录
摘要:1.由于在图像分类中,空间分辨率不断降低,场景的空间结构消失,空间敏锐度下降限制图像分类的准确性。文章用空洞卷积(空洞残差网络DRNs)提高输出特征图的分辨率来缓解这个问题。2.文章还研究了空洞卷积带来的网格伪像(gridding artifacts)问题,并开发了一种去网格化(degridding)的方法。3.本文提出的这种DRNs网络对目标定位和语义分割都有提升作用。Intro...原创 2020-04-09 22:11:06 · 404 阅读 · 0 评论 -
读论文《Maximum Classifier Discrepancy for Unsupervised Domain Adaptation》后的总结
前言:最近写论文中,由于Discussion部分的需要,于是读了这篇文章,并记录一下。摘要:传统的使用对抗的方法来进行特征域自适应的文章存在两个问题:1.域分类器仅尝试区分源域或目标域,因此不考虑类之间的任务特定决策边界。因此,训练有素的生成器(特征提取器)可以在类边界附近生成模糊特征。2.这些使用对抗的特征域自适应方法旨在完全匹配不同域之间的特征分布,但是由于每个域的独有特征,这而很难...原创 2020-04-01 23:41:56 · 1118 阅读 · 0 评论 -
关于Xception的一点记录
一. 回顾Inception v3传统单个卷积核的任务是同时映射跨通道相关性和空间相关性而Inception module 的思想是:将通道相关性操作和空间相关性操作分开,假设跨通道相关性和空间相关性充分解耦,不要将他们共同映射!如下图一, 典型的Inception模块首先通过一组1x1卷积进行跨通道相关性的操作,然后将输入数据映射到小于原始输入空间的3或4个独立空间中,然后通过常规的3x...原创 2020-03-29 22:33:01 · 330 阅读 · 0 评论 -
关于CLAN的一些总结
前言:最近在看域自适应相关的文章,看到了一篇cvpr2019(orcal)的文章,觉得挺有意思的就记录下来.文章题目是:Taking A Closer Look at Domain Shift: Category-level Adversaries for Semantics Consistent Domain Adaptation摘要:传统的大多数域自适应(domain adaptati...原创 2020-03-27 11:47:27 · 1966 阅读 · 0 评论 -
deeplab系列记录
前言:最近的工作用到了deeplabv3+网络,于是把deeplab系列的文章都看一遍.空洞卷积(Atrous Convolution):优点:1.在不增加参数或者计算量(扩大卷积核的大小/进行下采样)的前提下扩大模型的感受野.并且不降低影像的空间分辨率.例如下图,分别使用了s=2 +standard conv和rate = 2的dilation conv有着相同的感受野,所使用的卷积核...原创 2020-03-28 21:50:14 · 1041 阅读 · 0 评论