![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
文章平均质量分 66
ru-willow
嗑研dog
展开
-
HS和SAR的融合总结
HS和SAR的融合总结一、传统的方法:首先生成一个融合图像,然后再对其进行手工的特征提取和分类。1、成分替换:替换的成分仍然还有部分光谱信息,融合图像会存在光谱扭曲现象。① IHS+DWT② PCA和HSV具体的操作如下所示:③ HSV2、多分辨率分析:高低频的融合策略影响着融合图像的质量二、基于深度学习的方法用两个不同的网络分别提取各自的特征,然后对其进行直接级联融合,最后再进行分类。这种方法简单粗暴。三、目前存在的问题1、类内差异大,类间差异小:如何降低类内差异,增大类原创 2021-07-31 11:06:49 · 518 阅读 · 0 评论 -
Generic Attention-model Explainability for Interpreting Bi-Modal and Encoder-Decoder Transformers
阅读论文笔记:Generic Attention-model Explainability for Interpreting Bi-Modal and Encoder-Decoder Transformers论文名称: Generic Attention-model Explainability for Interpreting Bi-Modal and Encoder-Decoder Transformers论文链接: https://arxiv.org/abs/2103.15679代码链接: ht原创 2021-07-29 20:58:40 · 1053 阅读 · 0 评论 -
Transformer小白入门
Transformer小白入门一、举例说明Transformer的整体工作原理\quad 首先将这个模型看成是一个黑箱操作。在机器翻译中,就是输入一种语言,输出另一种语言。\quad 那么拆开这个黑箱,我们可以看到它是由编码组件、解码组件和它们之间的连接组成。\quad 编码组件部分由一堆编码器(encoder)构成(论文中是将6个编码器叠在一起——数字6没有什么神奇之处,你也可以尝试其他数字)。解码组件部分也是由相同数量(与编码器对应)的解码器(decoder)组成的。\quad 最后一层原创 2021-07-26 10:46:18 · 3273 阅读 · 2 评论 -
论文阅读笔记:Remote Sensing Image Change Detection With Transformers
论文阅读笔记:Remote Sensing Image Change Detection With Transformers论文题目: Remote Sensing Image Change Detection With Transformers论文链接:https://ieeexplore.ieee.org/document/9491802代码链接:https://github.com/justchenhao/BIT_CD引用方式:@Article{chen2021a, title={R原创 2021-07-24 15:28:05 · 3579 阅读 · 29 评论 -
论文阅读笔记:Spatial-Spectral Transformer for Hyperspectral Image Classification
Spatial-Spectral Transformer for Hyperspectral Image Classification论文题目: Spatial-Spectral Transformer for Hyperspectral Image Classification下载链接: https://www.researchgate.net/publication/348804892_Spatial-Spectral_Transformer_for_Hyperspectral_Image_Cla原创 2021-07-22 21:20:13 · 3615 阅读 · 6 评论 -
论文阅读笔记:多模态的融合数据和方法
论文题目: Multimodal remote sensing benchmark datasets for land cover classification with a shared and specific feature learning model论文链接: https://www.sciencedirect.com/science/article/pii/S0924271621001362?dgcid=rss_sd_all.代码链接:https://github.com/danfengho原创 2021-07-17 11:13:55 · 1172 阅读 · 0 评论 -
论文阅读笔记:SpectralFormer
论文题目: SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers论文链接: https://arxiv.org/pdf/2107.02988.pdf.代码链接: https://sites.google.com/view/danfeng-hong.引用方式:@misc{hong2021spectralformer, title={SpectralFormer: Rethinking原创 2021-07-16 21:37:48 · 892 阅读 · 1 评论 -
论文阅读笔记:Learning Statistical Texture for Semantic Segmentation
论文阅读笔记:Learning Statistical Texture for Semantic Segmentation论文名称:Learning Statistical Texture for Semantic Segmentation论文地址:https://arxiv.org/pdf/2103.04133.pdf.代码链接:https://github.com/lanyunzhu99/Learning-Statistical-Texture-for-Semantic-Segmentation.原创 2021-07-10 20:21:19 · 2028 阅读 · 4 评论 -
MATLAB遍历文件夹下的图像并将处理生成的文件遍历存入
MATLAB遍历文件夹下的图像并将处理生成的文件遍历存入clear all;close all;clc;imgDataPath = 'E:/SAREO/train_images/TRAIN/';imgDataDir = dir(imgDataPath); % 遍历所有文件for i = 1:length(imgDataDir) if(isequal(imgDataDir(i).name,'.')||... % 去除系统自带的两个隐文件夹 iseq原创 2021-03-06 17:47:14 · 314 阅读 · 0 评论 -
【论文阅读】红外和可见光的融合
DIDFuse: Deep Image Decomposition for Infrared and Visible Image Fusion论文地址:https://arxiv.org/abs/2003.09210一、动机① 红外图像具有较强的穿透力,不受光照影响,而可见光具有较细的纹理信息和较高的空间分辨率。互补特性融合出高质量的图像。② 融合图像:突出显示辐射信息(亮度和对比度);详细的纹理信息(梯度和边缘);明确、完整、准确地描述目标二、方法2.1 训练:主要采用编码和解码网络来训练:双原创 2021-03-02 20:43:57 · 3240 阅读 · 4 评论 -
[论文阅读] RepVGG
[论文阅读] RepVGG论文地址:https://arxiv.org/abs/2101.03697代码地址:https://github.com/DingXiaoH/RepVGG作者单位:清华大学(丁贵广团队), 旷视科技(孙剑等人),港科大, 阿伯里斯特威斯大学一、主要思路① 为每一个3 ×\times× 3卷积层添加平行的1 ×\times× 1卷积分支和恒等映射分支,构成一个RepVGG Block;② 区别在于ResNet是每隔两层或三层加一个分支,而我们是每层都加;③ 将20多层3原创 2021-03-02 20:07:27 · 1051 阅读 · 0 评论 -
队列在线程池等有限资源池中的应用
队列在线程池等有限资源池中的应用1、队列:先进者先出栈支持的两个基本操作:入栈 push()和出栈 pop()队列支持的两个基本操作:入队 enqueue(),放一个数据到队列尾部;出队 dequeue(),从队列头部取一个元素。2、顺序队列和链式队列★ 用数组实现的栈叫作顺序栈,用链表实现的栈叫作链式栈★ 用数组实现的队列叫作顺序队列,用链表实现的队列叫作链式队列对于栈来说,我们只需要一个栈顶指针就可以了。但是队列需要两个指针:一个是 head 指针,指向队头;一个是 tail 指针,指向原创 2020-11-28 16:11:27 · 124 阅读 · 0 评论 -
基于UNet的变化检测
基于UNet的变化检测论文名称:基于改进 UNet 孪生网络的遥感影像矿区变化检测论文地址:http://www.chinacaj.net/i,2,425089,0.html一、内容框架:1、改进的UNet孪生网络结构2、影响中心环绕3、特征金字塔二、网络框架复现 (Pytorch)import torch.nn as nnimport torch.utils.model_zoo as model_zoofrom torch.nn import functional as Fi原创 2020-10-29 21:18:43 · 5376 阅读 · 5 评论 -
目标检测超全综述
目标检测综述一、two-stage1、R-CNN (2014 CVPR)论文名称:Rich feature hierarchies for accurate oject detection and semantic segmentation论文地址: http://www.rossgirshick.info/#girshick2014rcnn.代码链接:https://github.com/rbgirshick/rcnnR-CNN 需要利用候选区域方法创建ROI (大约2000)。这些区域都会被原创 2020-10-29 20:57:41 · 411 阅读 · 0 评论 -
计算机视觉中的注意力机制综述
计算机视觉中的注意力机制1、SENet (2017 CVPR)论文名称:Squeeze-and-Excitation Networks论文连接:https://arxiv.org/abs/1709.01507代码地址:https://github.com/hujie-frank/SENet2、SKNet (2019 CVPR)论文名称:Selective Kernel Networks论文连接:https://arxiv.org/pdf/1903.06586.pdf代码地址:https:/原创 2020-10-28 17:21:52 · 1185 阅读 · 0 评论