CV无名之辈-CSDN博客

原创《Context Encoding for Semantic Segmentation》论文笔记

论文地址：https://arxiv.org/pdf/1803.08904.pdfGithub：https://github.com/zhanghang1989/PyTorch-Encoding问题提出最近语义分割网络使用基于多分辨率金字塔来扩大感受野，如PSPSNet中的Spatial Pyramid Pooling和Deeplab中的Atrous Spatial Pyramid Pooling。虽然这些方法可以提升性能，但是上下文地表达不明确，导致了一个问题：增加感受野就等同于整合了上下文信息了吗

2021-03-08 16:21:29 140

原创《Strip Pooling: Rethinking Spatial Pooling for Scene Parsing》论文笔记

文章地址：https://arxiv.org/pdf/2003.13328v1.pdf源码地址：https://github.com/Andrew-Qibin/SPNet问题的引出在某些情况下，目标对象可能具有远距离的带状结构或离散分布（如下图所示）。使用方形不能很好地解决问题，因为它不可避免地会合并来自无关区域的信息。普通的空间池化，不可避免的会加入一些无关紧要的像素区域。尤其是在利用池化扩大感受野时，这一缺点将更加明显。所以作者提出了条纹池化。在本文中，为了更有效地捕获远程依赖关系，进一步

2021-02-15 11:07:30 268

原创语义分割的评价指标MIoU那点事儿

语义分割，简单地讲就是给一张图像，分割分出一个物体的准确轮廓。其实就是分类任务，而分类任务预测的结果往往就是一下四种：TP：True PositiveFP：False PositiveTN：True NegativeFN：False Negative其中，T/F表示预测与实际是否相符；P/N表示预测结果的正负。下面我们看一个具体的例子对这出现的四种情况进行分析：由上图可以看出，在这个语义分割的任务中，我们将????????????????????????????????表示为非物体标签，即背景

2021-01-27 15:31:57 1237

原创《Dual Attention Network for Scene Segmentation》论文笔记

论文收录于CVPR2019，,本文通过基于Self Attention mechanism来捕获上下文依赖。提出了Dual Attention Networks (DANet)来自适应地整合局部特征和全局依赖。具体做法是，在一贯的dilated FCN中加入两种类型地attention module。其中position attention module选择性地通过所有位置的加权求和聚集每个位置的特征。channel attention module通过所有channle的feature map中的特征选择

2021-01-22 16:55:52 206

原创《CCNet: Criss-Cross Attention for Semantic Segmentation》论文笔记

论文地址：https://arxiv.org/abs/1811.11721代码地址：https://github.com/speedinghzl/CCNet本文是ICCV2019的语义分割领域的文章，旨在解决long-range dependencies问题，提出了基于十字交叉注意力机制（Criss-Cross Attention）的模块，利用更少的内存，只需要11x less GPU内存，并且相比non-local block更高的计算效率，减少了85%的FLOPs。最后，该模型在City..

2021-01-21 17:26:12 583

原创《ACFNet: Attentional Class Feature Network for Semantic Segmentation》论文笔记

这是一篇ICCV2019的语义分割文章，其核心思想是采用baseline生成的粗糙特征图作为attention指引分割输出结果，其中的idea有些像张航提出的Context Encoding（EncNet）。伴随着提出的两个新模块，分别是 Class Center Block（CCB）和Class Attention Block（CAB）。Abstract为了适应每个像素点的不同类中心（class center），即本论文从类别的角度看分割，并且从 coarse-to-fine的角度出发，提出了Att

2021-01-20 21:02:19 691 2

原创《Gated-SCNN: Gated Shape CNNs for Semantic Segmentation》论文笔记

这篇论文收录在ICCV2019的语义分割领域中，其核心思想采用了两个stream和ASPP进行分割处理。

2021-01-19 21:12:33 456

qq_43088966的博客