BGNET_PLUS整体结构分析

最新推荐文章于 2024-06-25 09:41:22 发布
最新推荐文章于 2024-06-25 09:41:22 发布
阅读量855 收藏 4
点赞数 3
分类专栏： Stereo Estimation 文章标签： 人工智能 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42677507/article/details/119246582
版权

前面的博文主要是介绍了BGNET的论文思路以及特征提取模块，今天总体总体介绍一下BGNET_PLUS的总体网络结构，整个网络可以具体分成六个部分：特征提取+3D stackhourglass+组相关性计算+引导图生成+双边网格插值+视差优化，结合他论文里那张非常宽泛的图来看就是如下图所示:
在这里插入图片描述
下面给出每个部分的网络结构：

特征提取&引导图生成：

在这里插入图片描述

3D stackhourglass：

在这里插入图片描述

视差优化：

在这里插入图片描述
我写了一个小脚本统计了上面每个模块的参数占比：
在这里插入图片描述

jiaxuan@seu
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
sdram_model_plus.v
08-12
《SDRAM那些事儿》第一季-轻松设计SDRAM控制器 邓堪文老师sdram讲解中用到的代码
Trackpad_Plus_Plus_Driver_Control_Module_Setup_Ver_36_02272020.exe
02-28
Trackpad_Plus_Plus_Driver_Control_Module_Setup_Ver_36_02272020 windows 支持苹果触摸屏驱动.2020年2月27日版本
BGNet
wsjxiao的博客
12-13 888
在本文中，我们利用边缘先验来帮助恢复对象结构并提高伪装对象检测的性能。我们提出了一个简单而有效的边界引导网络 (BGNet)，其中包含边缘感知模块，边缘引导特征模块和上下文聚合模块，以探索与对象相关的边缘语义，以指导和增强COD的表示学习。通过采用边缘提示，我们的BGNet提供了准确的伪装对象预测，具有完整而精细的对象结构和边界。广泛的实验表明，我们的方法在三个基准上都优于现有的最新方法。
BGNet代码解读
weixin_42677507的博客
06-23 2403
理论准备 Bilateral Grid Learning for Stereo Matching Networks论文内容解读请参看“论文阅读笔记：Bilateral Grid Learning for Stereo Matching Networks” 特征提取模块 视差预测模块 网络结构 class BGNet(SubModule): def __init__(self): super(BGNet, self).__init__() self.softmax =
推荐文章：双线性网格学习——BGNet，立体匹配的新篇章
最新发布
gitblog_00061的博客
06-25 324
推荐文章：双线性网格学习——BGNet，立体匹配的新篇章 项目地址:https://gitcode.com/3DCVdeveloper/BGNet 在计算机视觉的浩瀚领域中，寻找一对图像间的深度对应关系始终是挑战之一。今天，我们将带您深入了解一个前沿项目——BGNet（双线性网格学习用于立体匹配网络），该项目源于CVPR 2021的一篇重量级论文[查看论文]。这是一个旨在提升立体匹配精度与效率的开...
伪装目标检测论文BGNet：Boundary-Guided Camouflaged Object Detection
absence521的博客
03-15 1897
伪装物体检测（COD）是一项有价值但具有挑战性的任务，它可以分割与周围环境完美融合的物体。现有的深度学习方法往往难以准确识别具有完整精细对象结构的伪装对象。为此，在本文中，我们提出了一种用于伪装目标检测的新型边界引导网络（BGNet）。我们的方法探索了有价值的和额外的对象相关的边缘语义，以指导COD的表示学习，这迫使模型生成突出对象结构的特征，从而促进精确边界定位的伪装对象检测。在三个具有挑战性的基准数据集上进行的大量实验表明，在四个广泛使用的评估指标下，我们的BGNet显著优于现有的18种最先进的方法。
BG-Net双目立体匹配_细节笔记
DYOSR的博客
10-24 520
此网络是两年前发表的，但在今天的KITTI2015榜单上来看，也属于速度很快、精度尚可的网络。这篇笔记主要记录我学习其源码遇到的一些问题和我自己的理解。
IJCAI 2022｜边界引导的伪装目标检测模型BGNet
努力努力再努力的小马
08-03 2934
本篇分享IJCAI 2022 论文『Boundary-Guided Camouflaged Object Detection』，内大&ETH&石大&UAE提出边界引导的伪装目标检测模型BGNet，性能SOTA！代码已开源！详细信息如下：论文地址：https://arxiv.org/abs/2207.00794代码地址：https://github.com/thograce/BGNet      01&nbs
Nucleus_PLUS.rar_nucleus_nucleus_plus_plus
09-23
源码分析可以揭示其内部定时器结构和超时处理机制，这对于理解和设计嵌入式系统的定时功能至关重要。 同步机制，如信号量、互斥锁和事件标志组，是多任务协作的基础。Nucleus PLUS提供了丰富的同步原语，确保任务间...
mybatis_plus 2.92
10-24
8. **性能分析插件**：内置的PerformanceAnalyzer插件可以帮助开发者分析SQL执行效率，找出可能存在的性能瓶颈。 然而，需要注意的是，描述中提到的2.92版本是相对于3.0版本的一个较早版本。尽管2.92可能在破解和...
ManageEngine_ADManager_Plus_64_7.1
03-10
ManageEngine ADManager Plus 是一款简单易用的 Windows Active Directory 管理和报表的解决方案，可以帮助AD 管理员和帮助台技术人员在日常管理中提高效率。利用直观的网站界面，这款软件可以处理各种复杂任务，...
bgnet:Beej的网络编程指南源
05-02
Beej网络编程指南 这是Beej的《网络编程指南》的来源。 如果您只想阅读该指南，请访问网站。 这是为了让Beej在回购中拥有所有内容，因此翻译人员可以轻松地克隆它。 制作说明 依存关系 （也可以使用XCode make） XeLaTeX（可以在找到） （sans，serif，mono） Mac依赖项安装（执行此操作后重新打开终端）： xcode-select --install # installs make brew install python # installs Python3 brew install pandoc brew cask install mactex # installs XeLaTeX brew tap homebrew/cask-fonts
论文阅读笔记：Bilateral Grid Learning for Stereo Matching Networks
weixin_42677507的博客
06-18 2446
摘要 立体匹配网络的实时性能对于许多应用都很重要，例如自动驾驶、机器人导航和增强现实 (AR)。尽管近年来立体匹配网络取得了重大进展，但平衡实时性能和准确性仍然具有挑战性。在本文中，我们提出了一种有效的边缘保留的匹配代价卷上采样模块，它是基于可学习的双边网格中的切片操作。切片层是无参数的，在可学习引导图的作用下，这使我们能够从低分辨率的特征图获得高质量的匹配代价卷。我们提出的成本量上采样模块可以无缝嵌入到许多现有的立体匹配网络中，例如 GCNet、PSMNet 和 GANet。这些网络可因此被加速，同时保持
【CVPR2021】用于立体匹配的可学习双边网格
limingmin2020的博客
03-23 574
高精度的实时立体匹配网络是时下研究的一个热点，它在自动驾驶、机器人导航和增强现实等领域中有着广泛的应用。虽然近年来对立体匹配网络的研究已经取得了显著的成果，但要同时兼顾实时性和高精度仍然是一个挑战。现有的高精度立体匹配网络，通常需要在较高的分辨率建立代价空间。比如，GANet在1/3分辨率建立代价空间，PSMNet在1/4分辨率，但这会影响网络的效率（GANet处理一对1242×375的图像，需要1.8s，PSMNet需要0.41s）。
双目立体匹配修炼之路
奔跑的回锅肉の博客
10-01 2299
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、双目立体匹配是什么？双目视觉：视差：“对极约束”概念：对极几何（Epipolar Geometry）如何计算得到深度呢？二、《Bilateral Grid Learning for Stereo Matching Network》论文学习1.文章简介摘要论文学习之路双边滤波双边网格三、常用数据集总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学
CVPR2021|用于立体匹配的可学习双边网格
3D视觉工坊
06-27 2204
编辑丨3D视觉开发者社区高精度的实时立体匹配网络是时下研究的一个热点，它在自动驾驶、机器人导航和增强现实等领域中有着广泛的应用。虽然近年来对立体匹配网络的研究已经取得了显著的成果，但要同时...
【5G系列】Network Slicing学习总结（1）
通信小黑的博客
09-19 4949
Network Slicing学习总结
【5G核心网】 Network slicing 网络切片
热门推荐
zhonglinzhang
08-29 1万+
5GS 支持如 3GPP TS 23.501 [8] 中所述的网络切片。在 PLMN 内，网络切片由 S-NSSA I标识，该 S-NSSAI 由切片/服务类型（SST）和切片区分符（SD）组成。在 S-NSSAI 中包含 SD 是可选的。一组一个或多个 S-NSSAI 称为 NSSAI。在 3GPP TS 23.501 [8] 中定义了以下 NSSAI： a) configured NSSAI; b) requested NSSAI; c) allowed NSSAI; and...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值