深度学习--语义分割
文章平均质量分 52
浮生若梦,为欢几何耶
这个作者很懒,什么都没留下…
展开
-
深度学习—— Scale-aware Semantic Image Segmentation
CVPR2016原论文:Attention to Scale: Scale-aware Semantic image Segmentation源代码(caffe框架):http://liangchiehchen.com/projects/DeepLab.html1.主要内容:提出了多尺度注意力机制的语义分割网络模型。该网络模型具备两大特点:1,运用了多尺度特征 2,运用了注意力机制。运用多尺度特征,网络模型能捕获到不同感受野的上下文特征,这些上下文图像特征对于语义分割十分重要。提取多尺度特征的两原创 2021-03-02 10:42:25 · 846 阅读 · 1 评论 -
深度学习——Bidirectional Aggregation Network
CVPR2020论文:BANet: Bidirectional Aggregation Networkwith Occlusion Handling for Panoptic Segmentation1.主要内容:提出了双向融合的全景分割网络方案,即Instance-To-Semantic (I2S) 和Semantic-To-Instance (S2I)两个方向,使得语义分割和实例分割之间进行特征交流。运用ROIInlay算子实现了Instance-To-Semantic (I2S)的精确特征映射原创 2020-11-11 15:40:41 · 730 阅读 · 0 评论 -
深度学习——Dual Super-Resolution Learning
CVPR2020论文:Dual Super-Resolution Learning for Semantic Segmentation1.主要工作:提出了双信息流结构的超分辨率深度学习网络(DSRL网络)。在不增加计算量的情况下,提高语义分割的精度。验证了DSRL网络框架的通用性,它可以很容易地扩展到其他需要高分辨率表示的任务,如人体姿态估计。证明了该方法在语义分割和人体姿态估计方面的有效性。2.主体架构主要分为3部分:(a) Semantic Segmentation Super-Resol原创 2020-11-09 21:47:23 · 648 阅读 · 0 评论