ccly1996-CSDN博客

原创【论文阅读】Graphonomy: Universal Human Parsing via Graph Transfer Learning通过图迁移学习进行的通用人体解析

Problem问题人体解析是指将在图像中捕获的人分割成多个语义上一致的区域，例如，身体部位和衣物。作为一种细粒度的语义分割任务，它比仅是寻找人体轮廓的人物分割更具挑战性。人体解析对于以人为中心的分析非常重要，并且具有许多工业上的应用，例如，虚拟现实，视频监控和人类行为分析等等。Prior highly-tuned human parsing models tend to fit towa...

2019-11-25 09:36:19 1606

原创【论文解析】《 Dense Symmetric Co-Attention for VQA》改进视觉和语言表示的密集对称协同注意力机制的视觉问题回答

Abstract摘要A key solution to visual question answering (VQA) exists in how to fuse visual and language features extracted from an input image and question.如何融合从输入图像和问题中提取的视觉和语言特征，是解决视觉问答问题的关键。We show...

2019-09-30 09:59:31 1387 1

原创【论文阅读】《Skip-Connected Covariance Network for Remote Sensing Scene Classification》跳跃连接协方差池化的遥感图像场景识别

摘要本文提出了一种用于遥感场景分类的新型端到端学习模型——跳跃链接协方差(SCCov)网络。本工作的创新之处在于将两个新的模块嵌入到传统的卷积神经网络(CNN)模型中，即，跳跃连接和协方差池化。SCCov具有双重优势。首先，通过跳跃接将CNN生成的多分辨率地物图结合起来，这对于解决遥感场景分类数据集中存在的大规模变化问题具有重要的好处。其次，利用协方差池化，可以充分利用多分辨率特征图中包含的二阶...

2019-07-08 09:41:48 1271

原创【论文阅读】《Remote Sensing Scene Classification Using Multilayer Stacked Covariance Pooling》MSCP遥感图像场景分类

目前计算机视觉领域日趋火热，针对图像分类的各种深度学习框架也逐渐被提出，这些框架表现出了良好的性能和准确率，但是针对遥感图像场景的分类问题的解决一直存在挑战，因为遥感图像中包含着大量的空间信息，这些空间信息中又包含着很强的类内变化以及很弱的类间变化，因此本文提出了一种MSCP的特征堆叠与协方差池化的方法来解决此类问题。摘要本文提出了一种新的遥感图像场景分类方法——MSCP。该方法的创新之处在于...

2019-04-04 20:34:23 3287 18

原创【代码分析】用于高光谱图像分类的DRCNN代码解析

**这篇文章是DRCNN高光谱图像分类《Diverse Region-Based CNN for Hyperspectral Image Classiﬁcation》论文解析https://blog.csdn.net/weixin_44794449/article/details/88718383**的相关文章，主要是解析了这篇论文的代码构成以及相关解析代码文件的构成用于高光谱分类的代码构成...

2019-04-01 16:51:00 9512 89

原创《21个项目玩转深度学习--基于tensorflow的实践详解》代码实现和笔记（一）

一、首先尝试获取数据集的时候会报一个warning，但是发现这个对后面数据集的获取并没有影响，print数据集的shape的时候可以输出输出训练集验证集以及测试集的shape大小接下来尝试从数据集中读取20张样本，并将其保存哼图像文件（这里需要注意的1.是读取的数据集的shape大小是55000784的，后面的784指的是每个图像的维度，也就是这张图象的大小，在数据集中他是个1784的向...

2019-03-22 10:08:12 3561

原创 DRCNN高光谱图像分类《Diverse Region-Based CNN for Hyperspectral Image Classiﬁcation》论文解析

引言简介目前深度学习应用日趋广泛，而卷积神经网络（CNN）作为一种针对图像处理及其有效的网络框架在图像分类领域表现出了良好的性能与准确率。但是对于高光谱图像分类问题CNN也出现了一些问题。它们主要包括：1.同一类别的像素可能具有不同的光谱特征，不同类别的像素又可能具有相同的光谱特征，因此仅利用光谱特征很难区分不同像素代表的类别。2.不能利用高光谱图像当中充足的空间信息与光谱信息。3.不能...

2019-03-21 16:20:11 6175 9

转载【转载】RPNet对高光谱图像分类《Hyperspectral image classification via a random patches network》

该文章转自https://blog.csdn.net/weixin_43641241/article/details/88396194 相关介绍如今越来越多的研究将深度学习应用到高光谱图像(HSI)分类中。到目前为止，这些方法大多先经过预训练阶段和微调阶段来提取深层特征，它们一般框架如Fig.1所示，它主要分为两部分：深度特征提取，包括空间和光...

2019-03-18 15:39:21 634

weixin_44794449的博客