论文笔记
文章平均质量分 93
浅若清风cyf
这个作者很懒,什么都没留下…
展开
-
论文翻译:MiniViT:Compressing Vision Transformers with Weight Multiplexing(2022CVPR)
Vision Transformer由于其较高的模型性能在计算机视觉领域受到广泛关注。然而,Vision Transformer受到大量参数的影响,限制了它们在内存有限的设备上的适用性。为了缓解这一问题,本文提出了一种新的压缩框架MiniViT,MiniViT能够在保持相同性能的同时实现了Vision Transformer的参数缩减。 MiniViT的核心思想是将连续Vision TRansformer Block的权重相乘。更具体地说,使权重跨层共享,同时对权重进行转换以增加多样性。Weight转载 2022-08-15 22:18:47 · 596 阅读 · 0 评论 -
论文笔记:Image Fusion Transformer (2021)
# 一、瓶颈问题- 现有的基于CNN融合技术通过学习局部特征来提高泛化能力,克服了传统方法的缺点(依赖手工特征提取、耗时、设计特定的融合规则),但是它们无法提取图像中的长距离的相关性,这导致丢失一些可能对融合图像有用的基本全局上下文。 # 二、 本文贡献本文提出了一种基于Transformer的多尺度融合策略,同时关注局部和长距离信息(或全局上下文)- 1、我们提出了一种新的融合方法,称为Image Fusion Transformer(IFT),它利用局部信息和模型的长期依赖性来克服当前图像原创 2022-04-11 08:00:00 · 3379 阅读 · 6 评论 -
论文笔记:SESF-Fuse: an unsupervised deep model for multi-focus image fusion (2021)
# 一、瓶颈问题:## 1、融合策略DenseFuse提出AE架构的无监督图像融合方法,在红外光与可见光融合任务中,特征向量的$l_1$范数用于表示两张源图像对应像素点activity level,从而获得融合特征图,最后通过解码器得到融合图像。$l_1$范数能够度量像素的强度信息,然而,对于多聚焦图像融合任务,通常只假设DOF(景深)内的目标在照片中具有锐利的外观,这种任务场景中,重要的是特征的梯度信息,$l_1$不是这一任务的有效度量方法。原创 2022-04-09 08:00:00 · 2449 阅读 · 2 评论 -
论文笔记:Densely Connected Convolutional Networks (2017 CVPR)
【开源代码】:https://github.com/liuzhuang13/DenseNet# 一、瓶颈问题a. 随着CNN越来越深入,出现了一个新的研究问题:当有关输入或输入的信息通过许多层时,它可能会在到达网络的末端(或开始)时消失。b. 网络层数的增多意味着需要更大的参数量,可能有大量冗余的参数,这导致了更多的计算消耗。原创 2022-04-07 08:00:00 · 1112 阅读 · 0 评论 -
论文笔记:U2Fusion A Unified Unsupervised ImageFusion Network(2020 TPAMI)
# 一、瓶颈问题:## 1、如何在无ground truth和通用参考指标情况下构建统一的图像融合模型?传统的融合框架、融合规则的有限选择和手工设计的复杂性限制了性能的提高。在端到端模型中,融合问题通过依赖监督学习的ground truth或专门设计的无监督学习度量来解决。然而,<u>不存在多个任务的通用基本事实或无参考指标。</u>然而,不存在多个任务的通用基本事实或无参考指标。这些问题是构建统一模型和有监督或无监督学习应用的主要障碍。原创 2022-04-05 18:46:20 · 8710 阅读 · 9 评论 -
论文笔记(综述):Deep Learning-based Multi-focus Image Fusion: A Survey and A Comparative Study
文章链接:https://ieeexplore.ieee.org/abstract/document/9428544/摘要(Abstract)背景多聚焦图像融合(Multi-focus image fusion (MFIF))是图像处理中的一个重要领域。自2017年以来,深度学习(deep learning has)已被引入MFIF领域,并提出了各种方法。然而,缺乏详细讨论基于深度学习的MFIF方法的调查论文。本文工作详细调查基于深度学习的MFIF算法,包括方法、数据集和评估指标比较基于.原创 2022-02-25 23:42:56 · 3621 阅读 · 0 评论 -
Secure Federated Transfer Learning(论文笔记)
论文链接:https://arxiv.org/pdf/1812.03337.pdf一、概述机器学习依赖于大量数据的可用性来进行训练。然而,实际上,大多数数据分散在不同的组织中,并且在许多法律和实际限制下很难聚合。在本文中,我们引入了一种新技术和框架,称为联邦转移学习(FTL),以改进数据联合下的统计模型。联盟允许在不损害用户隐私的情况下共享知识,并且允许在网络中传送互补知识。因此,目标域方可以...原创 2019-08-02 10:57:22 · 4956 阅读 · 0 评论 -
Federated Machine Learning:Concept and Applications(论文笔记)
近年来,数据的隔离和**对数据隐私的重视**正成为人工智能面临的下一个挑战,但联合学习给我们带来了新的希望。它可以建立在**保护本地数据**的同时,**为多个企业建立统一的模型**,以数据安全为前提,使企业能够共同取胜。本文主要介绍了**基本原理。 联邦学习的概念、体系结构和技术**,并讨论了它在各种**应用中的潜力**。预计在不久的将来,联邦学习将打破隔阂,建立一个能够与**安全共享数据和知识的社区**,并根据每个参与者的贡献**公平地分配利益**。人工智能的效益最终会被带到我们生活的每一个角落。原创 2019-07-24 21:49:18 · 7702 阅读 · 1 评论 -
论文笔记:DeepFuse: A Deep Unsupervised Approach for Exposure Fusion with Extreme Exposure Image Pairs
论文笔记:DeepFuse: A Deep Unsupervised Approach for Exposure Fusion with Extreme Exposure Image Pairscode:hli1221/Imagefusion_deepfuse: Image fusion based on deepfuse network - Tensorflow (based on ICCV2017: deepfuse), Unofficial (github.com)年份:2017会议:ICCV原创 2022-01-06 23:49:46 · 3546 阅读 · 0 评论 -
论文笔记:Multi-focus image fusion with a deep convolutional neural network
论文笔记:Multi-focus image fusion with a deep convolutional neural network年份:2016实验室:合肥工业大学生物医学工程系、中国科技大学自动化系名词总结:景深(depth-of-field (DOF))活动水平测量(activity level measurement)融合规则(fusion rule)聚焦图(focus map)二值图(binary map)一致性检验(consistency verification)原创 2021-12-21 17:48:15 · 3739 阅读 · 18 评论 -
论文笔记(综述)——Image fusion meets deep learning: A survey and perspective
文章目录摘要引言摘要图像融合:指从不同的源图像中提取并组合最有意义的信息,其目的是生成一幅信息量更大、有利于后续应用的图像。深度学习在图像融合中的应用:神经网络的强大特征提取和重建能力使得融合结果有前景。(如:生成对抗网络,自动编码器)本文要点:① 介绍了图像融合的概念,并从采用的深层架构和融合场景的角度对图像融合方法进行分类。② 回顾了深度学习在各种图像融合场景中的应用,包括数字摄影图像融合、多模态图像融合和锐化融合。③ 对特定融合任务中的一些代表性方法进行了定性和定量评估。④ 介绍了原创 2021-12-01 09:51:15 · 5952 阅读 · 5 评论 -
论文笔记(显微图像拼接)——A fast algorithm for material image sequential stitching
文章目录摘要引言摘要本文主要介绍了一种医学图像拼接方法,该方法采用了增量搜索策略(incremental searching strategy)以及GPU加速。实验表明,这种方法相比于传统的通用软件(如ImageJ,Photoshop,Autostitch)在准确率和速度上都取得了先进的水平。引言...原创 2021-10-30 17:17:58 · 3115 阅读 · 9 评论