![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
阅读笔记
文章平均质量分 84
赫瑟尔
个人学习记录
展开
-
Visual Attention Network
文献提出了一种全新的针对于视觉任务的注意力机制,大核注意力机制(Large-Kernel Attention,LKA),并基于LAK提出一种新的简单且有效的视觉主干网络 Visual Attention Network (VAN)。LKA将一个K×K卷积分解为一个k/d×k/d的深度卷积、一个(2d−1)×(2d−1)深度膨胀卷积(扩张率为d)和一个1×1卷积。(1)大核卷积的分解:与MobileNet有相似之处,MobileNet将标准卷积分为为两部分,一个深度卷积和一个点卷积(1 × 1 Conv)。原创 2022-09-18 12:15:11 · 1068 阅读 · 1 评论 -
Visual Attention Network(VAN)
LKA与 MobileNet [6] 有相似之处, MobileNe将标准卷积解耦为两部分,一个深度卷积和一个点卷积(也称为 1 × 1 Conv [36])。我们的方法将卷积分解为三部分:深度卷积、深度和扩张卷积[37]、[38]和点卷积。受益于这种分解,LKA更适合有效地分解大核卷积。我们还在LKA中引入了注意力机制来获得自适应特性。原创 2022-09-16 13:40:06 · 3711 阅读 · 1 评论 -
递归门控卷积HorNet(gn_conv)阅读笔记
HorNet: Efficient High-Order Spatial Interactions with Recursive Gated Convolutions ECCV2022程序视觉 Transformers 的最新进展在基于点积 self-attention 的新空间建模机制驱动的各种任务中取得了巨大成功。在本文中,我们展示了视觉 Transformer 背后的关键要素,即输入自适应、远程和高阶空间交互,也可以通过基于卷积的框架有效实现。我们提出了递归门控卷积(gnConv),它通过门控卷原创 2022-09-02 22:14:04 · 8429 阅读 · 4 评论 -
intergration of self-att and conv笔记
卷积与注意力的聚合原创 2022-07-23 16:43:17 · 301 阅读 · 0 评论 -
基于图像重建损失的无监督变化检测
阅读翻译:Unsupervised Change Detection Based on Image Reconstruction LossAbstract:为了训练变化检测器,使用在同一区域的不同时间拍摄的双时图像。然而,收集标记的双时相图像既昂贵又耗时。为了解决这个问题,已经提出了各种无监督的变化检测方法,但它们仍然需要未标记的双时态图像。在本文中,我们提出了基于图像重建损失的无监督变化检测,仅使用未标记的单个时间单个图像。图像重建模型被训练以通过接收源图像和光度变换的源图像作为一对来重建原始源图原创 2022-05-04 14:24:09 · 5103 阅读 · 5 评论 -
RDP-Net:用于变化检测的区域细节保留网络
RDP-Net: Region Detail Preserving Network for Change Detection摘要变化检测(CD)是一种必不可少的地球观测技术。它捕捉地物的动态信息。随着深度学习的兴起,神经网络(NN)在 CD 中显示出巨大的潜力。然而,当前的 NN 模型引入了在学习过程中丢失细节信息的骨干架构。此外,当前的 NN 模型参数繁多,这阻碍了它们在无人机等边缘设备上的部署。在这项工作中,我们通过提出 RDP-Net 来解决这个问题:一个用于 CD 的区域细节保留网络。我们提出了原创 2022-04-20 14:52:08 · 3509 阅读 · 0 评论 -
读书笔记:基于Transformer的 Siamese 网络用于变化检测
摘要:本文提出了一种基于变压器的连体网络架构(缩写为 ChangeFormer),用于从一对共同配准的遥感图像中进行变化检测(CD)。与最近基于全卷积网络 (ConvNets) 的 CD 框架不同,所提出的方法在 Siamese 网络架构中将分层结构的 Transformer 编码器与多层感知 (MLP) 解码器相结合,以有效地渲染所需的多尺度远程细节获得准确的 CD。在两个 CD 数据集上的实验表明,所提出的端到端可训练 ChangeFormer 架构比以前的同类架构实现了更好的 CD 性能。#文章原创 2022-03-18 21:54:46 · 2199 阅读 · 6 评论 -
读书笔记:使用Transformers的遥感图像变化检测
读书笔记:Remote Sensing Image Change Detection with Transformers文章:https://ieeexplore.ieee.org/abstract/document/9491802代码:https://github.com/justchenhao/BIT_CD摘要:现代变化检测(CD)通过深度卷积强大的判别能力取得了显着的成功。然而,由于场景中物体的复杂性,高分辨率遥感 CD 仍然具有挑战性。具有相同语义概念的对象可能在不同时间和空间位置表现出不同的原创 2022-03-08 15:22:59 · 7939 阅读 · 18 评论