u011582187的专栏

文章的主要贡献：速度：带atrous算法的DCNN可以保持8FPS的速度，全连接CRF平均推断需要0.5s；准确：在PASCAL语义分割挑战中获得了第二的成绩；简单：DeepLab是由两个非常成熟的模块(DCNN和CRFs)级联而成。一、概述自LeCun（1998）以来，DCNN一直被选作版面识别的方法，如今已经成为高级视觉研究的主流，提高了计算机视觉性能，广泛应用于图像分割，对象检测，细粒度分类...

一、概述这篇文章研究了如何从弱注释的训练数据（如边界框或图像级标签）或少量强标记图像和许多弱标记图像的组合中学习DCNN用于语义图像分割的问题，在弱超监督和半监督条件下提出了期望最大化（EM）方法。代码：https://bitbucket.org/deeplab/deeplab-public二、研究内容文章将焦点放在用弱标签训练调参上，所以训练阶段没使用CRF，只在测试阶段使用。编码：m表示像素，...

遥感怎么分类的题目：Support vector machines for classification in remote sensing作者：M. PAL，P. M. MATHER　英国诺丁汉大学地理学院一、综述文章旨在比较SVM、最大似然法（ML）及人工神经网络（ANN）在分类任务中的准确率。使用的数据为Landsat-7 ETM+（多光谱数据）和DAIS（高光谱数据），实验...

一、摘要深度卷积神经网络（DCNN）最近在高级视觉任务中展示了最先进的性能，例如图像分类和对象检测。这项工作汇集了来自DCNN和概率图形模型的方法，用于解决像素级分类（也称为“语义图像分割”）的任务。我们表明DCNN最后一层的响应没有充分定位，无法进行精确的对象分割。这是由于非常不变的属性使DCNN有利于高级任务。我们通过将最终DCNN层的响应与完全连接的条件随机场（CRF...

康奈尔大学计算机系貌似这里的patches补丁就是图片的意思。一、摘要识别真实图像中的材料是一项具有挑战性的任务。真实世界的材料具有丰富的表面纹理，几何形状，照明条件和杂乱，这使得问题特别困难。在本文中，我们介绍了一个新的，大规模，开放的野外材料数据集，上下文材料数据库（MINC），并将该数据集与深度学习相结合，以实现野外图像的材料识别和分割。MINC比以前的材料数据库大一个数量级，...