- 博客(6)
- 资源 (1)
- 收藏
- 关注
原创 GoodSAM论文阅读
这篇论文解决了一个新颖而具有挑战性的问题:如何从新兴的“Segment Anything Model”(SAM)中转移知识,SAM展现出了令人印象深刻的零样本实例分割能力,以学习一种紧凑的全景语义分割模型,即学生模型,而不需要任何标记数据。这带来了相当大的挑战,因为SAM无法提供语义标签,并且SAM与学生之间存在巨大的容量差距。为此,我们提出了一个名为GoodSAM的新框架,引入了一个教师助手(TA)来提供语义信息,与SAM集成以生成集成logits以实现知识转移。
2024-04-13 11:33:54 982
原创 DATR论文阅读与实验复现
看这个Abstract就是说之前使用全景影像语义分割UDA之前的网络结构泛化性差,其实把我看了之前的论文都是base在ERP投影模式下,科普一下ERP投影(维基百科)
2024-04-12 18:26:34 921 1
原创 Trans4PASS论文阅读与实验复现
首先本篇文章提出的背景主要是一个矛盾,那就是全景影像能够提供关于周围空间详尽的信息,为场景理解提供丰富的基础,但是如果想要全景分割模型展示这种潜力,大量昂贵的像素级标注对于实现任务必不可少。
2024-04-11 22:26:17 950 1
原创 基于YOLO v8的目标检测的基本操作
目标检测(Object 的任务是找出图像中所有感兴趣的目标,并确定其类别和位置,是计算机视觉领域的核心问题之一。因各类目标有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。通过本实验,了解基于深度学习目标检测基本原理、特征、结构以及主流模型( YOLOv 8 )的应用,掌握模型应用的工作方法与流程。
2024-01-11 18:36:20 718
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人