菜鸡AI

入门到进阶，全程实战目录

图像金字塔、特征图像金字塔、ＦＰＮ、ＦＰＴ【图像特征系列__四】文章目录图像金字塔、特征图像金字塔、ＦＰＮ、ＦＰＴ【图像特征系列__四】１、前言：微信交流群：每日面经1道：２、概述：３　摘要４　ＣＮＮ到ＦＰＴ的心路历程4.1 CNN4.2 特征金字塔4.3 FPN4.4 non-local卷积4.5 FPT５、FPT5.1 Non-Local Interaction Revisited5.2 Self-transformer(ST)5.3 Groundng Transformer(GT)5.4 Rend

前言：1X1卷积，NIN(Network in Network)，你真的了解吗？1 微信交流群：我建立了1组CV微信交流群，关注公众号：菜鸡Ai后台回复：加群备注：学校|公司+昵称+方向 会有小哥哥拉你进群。每日面经1道简短的语言描述CNN网络特征图的形成？答案：往下翻！1、卷积核尺寸与感受野做深度学习的应该都知道，卷积核最主要的的作用在于特征的抽取，学习局部信息，越是大的卷积核尺寸就意味着更大的感受野， 感受野越大表示该神经元所能接触到的原始图像范围越大，也就意味着更可能蕴含全局、语

２、特征图像金字塔2.1 Featurized image pyramid是在图像金字塔基础上构建的特征金字塔（featurized image pyramids ）,这是传统解决多尺度目标检测时候的一个思路，具有一定意义的尺度不变性。直观上看，这种特性使得模型可以检测大范围尺度的图像。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6PdBUQu4-1620905917841)(/home/irwin/.config/Typora/typora-user-images/

Episodic Transformer for Vision-and-Language Navigation前言：由Inria, 谷歌, 布朗大学2021年最新提出的Episodic Transformer，多模态Transformer网络，这是一种用于视觉-语言导航任务的多模态Transformer网络，在ALFRED基准上表现SOTA，而且代码开源！Transformer微信交流群我们建立了Transformer微信交流群，关注公众号：菜鸡Ai后台回复：加群备注：学校|公司+昵称+方向

文章目录前言：微信交流群１　图像金字塔1.1 定义：1.2 高斯图像金字塔：1.2.1 本质：1.2.2 原理：1.2.3 Python实现1.3 拉普拉斯金字塔：1.3.1 公式1.3.2 原理：1.3.3 python实现1.4 openCV缩放1.4.1 opencv－ＡＰＩ：1.4.2 原型1.4.3 参数详解：1.4.4 python实现前言：这会是个小系列，对图像特征进行盘点笔记，欢迎留言或加群交流微信交流群我建立了1组CV微信交流群，关注公众号：菜鸡Ai后台回复：加群备注：学校|