![](https://img-blog.csdnimg.cn/20210330220244263.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
论文笔记
文章平均质量分 94
论文笔记,包括机器学习,深度学习,图像处理,语义分割,水下图像增强
紫芝
你可不可以成为我的main函数,做我此生有且仅有一个入口;我愿为自己加上private,在你的class中只有你能调用。
展开
-
[PAMI2013] Guided Image Filtering 导向滤波器以及OpenCV-Python代码实现
He, K. , J. Sun , and X. Tang . “Guided Image Filtering.” IEEE Transactions on Pattern Analysis & Machine Intelligence 2013:1397-1409.论文地址:https://www.researchgate.net/profile/Xiaoou_Tang/publication/236228168_Guided_Image_Filtering/links/54e999640c原创 2021-06-27 17:42:57 · 1173 阅读 · 1 评论 -
屠榜各大CV任务!最强骨干网络:Swin Transformer来了
原文地址:https://mp.weixin.qq.com/s/z91JuI2w1QZg-3ZxN-OmwQpaper: https://arxiv.org/abs/2103.14030code: https://github.com/microsoft/Swin-Transformer目标检测:https://github.com/SwinTransformer/Swin-Transformer-Object-Detection语义分割:https://github.com/SwinTransfo原创 2021-04-14 14:32:32 · 1208 阅读 · 0 评论 -
用Transformer完全代替CNN:AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE
原文地址:https://zhuanlan.zhihu.com/p/266311690论文地址:https://arxiv.org/pdf/2010.11929.pdf用Transformer完全代替CNN1. Story2. Modela 将图像转化为序列化数据b Position embeddingc Learnable embeddingd Transformer encoder3. 混合结构4. Fine-tuning过程中高分辨率图像的处理5. 实验1. Story近年来,Transfor转载 2021-04-11 21:25:51 · 249 阅读 · 0 评论 -
【ICCV-2019】ACNet:通过非对称卷积块增强CNN的核骨架 3*3卷积==>1*3卷积+3*1卷积=白给的精度提升
论文:https://arxiv.org/pdf/1908.03930v1.pdf代码:https://github.com/ShawnDing1994/ACN通过非对称卷积块增强CNN的核骨架摘要1.研究背景2. 相关工作2.1 非对称卷积2.2 CNN架构中的中性结构3. 方法3.1 公式3.2 利用卷积的可加性下面要介绍的论文发于ICCV2019,题为「ACNet:Strengthening the Kernel Skeletons for Powerful CNN via Asymmetri.转载 2021-04-05 20:50:45 · 4647 阅读 · 0 评论 -
Non-local Neural Networks:非局部神经网络
Non-local Neural Networks:非局部神经网络Abstract1. Introduction2. Related WorkNon-local image processing.Graphical models.Abstract卷积运算和递归运算都是一次处理一个局部邻域的构造块。在本文中,我们将非本地操作作为一个通用的构建模块家族来描述,用于捕获长期依赖关系。受计算机视觉中经典非局部均值方法的启发,我们的非局部运算将一个位置的响应计算为所有位置特征的加权和。这个构建模块可以插入到许多计原创 2021-04-01 23:05:26 · 1954 阅读 · 0 评论 -
Vision Transformer 论文
https://openreview.net/pdf?id=YicbFdNTTyAN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALEAbstract1 Introduction1.1 NLP领域中的Transformer VS CV领域中的CNN1.2 Transformer向视觉领域的跨界融合2 模型和方法2.1 Vision Transformer(ViT)2.2 微调和更高分辨率3 实验3.1 模型3.2转载 2021-03-20 22:13:21 · 399 阅读 · 0 评论 -
Water-Net:水下图像增强基准数据集(UIEB Dataset)2019年TIP顶刊论文
IEEE Transactions on Image ProcessingCCF推荐国际学术期刊A类(计算机图形学与多媒体)Water-Net 它是一种门控融合(gated fusion)的卷积神经网络,在UIEB数据集上进行水下图像增强。为了适应退化的水下图像的特性,Water-Net模型通过三种方法增强输入图像,分别是白平衡(WB)、伽马矫正(GC)和直方图均衡(HE)。但是这是一个复杂的CNN结构,受到反向散射的影响。项目地址:https://li-chongyi.github.io/pro.原创 2021-02-02 00:27:08 · 9528 阅读 · 10 评论 -
Shallow-UWnet:水下图像增强新网络 2021年1月AAAI顶会论文
Shallow-UWnet:水下图像增强新网络,该体系结构可保持性能,并具有比最新模型更少的参数,表现SOTA!由于Deep SESR、WaterNet等,作者单位:马萨诸塞大学阿默斯特分校下载地址:https://arxiv.org/abs/2101.02073Shallow-UWnet: Compressed models for underwater image enhancementAbstractIntroductionBackgroundAbstract在过去的数十年里,由于水下图像.原创 2021-01-20 12:12:02 · 3819 阅读 · 15 评论