- 博客(99)
- 收藏
- 关注
RSS订阅原创 FcaNet: Frequency Channel Attention Networks阅读笔记
ICCV 2021Zequn Qin, Pengyi Zhang, Fei Wu, Xi Li论文连接；code一、简介我们证明GAP是DCT的一个特例。基于这一证明，我们概括了频域中的通道注意力，并提出了具有多光谱通道注意力框架的FcaNet。我们通过探索使用不同数量的频率分量及其不同组合的影响，提出了选择频率分量的两步准则。GAP无法很好地捕捉丰富的输入模式信息，从而在处理不同输入时缺乏特征多样性，因此，出现了一个自然的问题，即平均值信息是否仅适用于表示频道注意力中的各种频道。二、方法
2021-08-25 11:45:55
1114
原创 Cascade and Fusion: A Deep Learning Approach for Camouflaged Object Sensing阅读笔记
Sensors 2021Kaihong Huang, Chunshu Li, Jiaqi Zhang, Beilun Wang论文地址一、简介
2021-08-23 15:51:48
859
原创 ACDNet with ASPP for Camouflaged Object Detection阅读笔记
ICAIIS 2021Qihui Zhu论文地址一、简介扩大感受野可以更好地利用前景和背景之间的差异，这将对高级图像特征处理产生积极影响。但这同时会导致本地信息的丢失。为了解决这个问题，ACDNet引入了一个基于膨胀卷积的ASPP模块，既可以防止分辨率下降过多，又可以扩大感受野。为了充分利用不同层次的特征，本研究提出了一种并行解码器来有效地结合高层特征。因此，可以准确定位伪装对象的大致位置。此外，为了从深度图像中充分获取有用信息并有效改善细节，引入了反向传播模块逐层多次细化边缘。可以改进融合所有级
2021-08-22 20:59:52
890
原创 Depth-Guided Camouflaged Object Detection阅读笔记
arXiv 2021Jing Zhang, Yunqiu Lv, Mochu Xiang, Aixuan Li, Yuchao Dai, Yiran Zhong论文地址一、简介
2021-08-22 16:24:23
792
原创 Confidence-Aware Learning for Camouflaged Object Detection阅读笔记
arXiv 2021Jiawei Liu, Jing Zhang, Nick Barnes论文地址一、简介提出了一个置信度感知伪装对象检测框架，该框架具有相互依赖的伪装对象检测网络和置信度估计网络，为难度感知学习提供相互指导；提出了一种动态置信度监督，它使用伪装对象检测网络的预测与真实标签之间的差异来训练置信度估计网络，然后输出像素级置信度，显示真阴性和假阳性预测防止网络变得过于自信；我们的置信估计网络可以在不依赖于真实情况的情况下提供对预测的初步评估，实验结果表明我们的方法与最先进的方法相比具
2021-08-21 18:02:29
782
原创 Bilateral attention network for RGB-D salient object detection阅读笔记
IEEE 2021Zhao Zhang; Zheng Lin; Jun Xu; Wen-Da Jin; Shao-Ping Lu; Deng-Ping Fan论文地址一、简介
2021-07-15 21:52:36
651
1
原创 Reverse attention for salient object detection阅读笔记
ECCV 2018Shuhan Chen, Xiuli Tan, Ben Wang, Xuelong Hu论文地址一、简介
2021-07-11 22:19:50
1587
1
原创 overleaf报错：PDF Rendering Error Something went wrong while rendering this PDF
一、错误右边无法显示PDF格式内容。二、解决方案2.1 错误分析该错误是由于IDM自动捕获PDF的地址, 所以需要将IDM的该功能关闭。2.2 具体步骤打开配置界面打开IDM – 下载 – 选项然后点击红色圈出来的编辑选项。勾选“不要从在线播放器中自动捕获并下载文件”对红色区域进行勾选。...
2021-07-10 18:48:38
7566
6
原创 Epsanet: An efficient pyramid split attention block on convolutional neural network阅读笔记
arXiv 2021Hu Zhang, Keke Zu, Jian Lu, Yuru Zou, Deyu Meng论文地址一、简介
2021-07-10 11:53:18
1488
3
原创 Spanet: Spatial pyramid attention network for enhanced image recognition阅读笔记
ICME 2020Jingda Guo; Xu Ma; Andrew Sansom; Mara McGuire; Andrew Kalaani; Qi Chen; Sihai Tang; Qing Yang; Song Fu论文地址一、简介
2021-07-01 19:58:08
2002
1
原创 Selective Kernel Networks阅读笔记
CVPR 2019Xiang Li, Wenhai Wang, Xiaolin Hu, Jian Yang论文地址一、简介众所周知，视觉皮层神经元的感受野大小受刺激调节，在构建CNN时很少考虑这一点。为此，我们提出了一种CNN中的动态选择机制，允许每个神经元根据输入信息的多尺度自适应的调整其感受野大小。设计了一种称为选择核（SK）单元的构建块，利用这些分支中的信息指导Softmax注意力对不同核大小的多个分支进行融合，对这些分支的关注不同，融合神经元的有效感受野大小也不同。二、方法2.1 SK
2021-06-30 20:25:06
524
1
原创 Pyramidal Convolution: Rethinking Convolutional Neural Networks for Visual Recognition阅读笔记
arXiv 2020Ionut Cosmin Duta, Li Liu, Fan Zhu, Ling Shao论文地址一、简介本文提出了一种金字塔卷积算法（PyConv），它能够在多个滤波器尺度上处理输入信号。PyConv包含一个内核金字塔，其中每个级别都包含大小和深度不同的不同类型的滤波器，这些滤波器捕捉场景中不同级别的细节，能够改善模型的识别能力。PyConv是高效的，并不会增加计算成本和参数。此外，它还具有很强的灵活性和可扩展性。同一场景中有大量的类别，有些类别具有很大的空间表示，有些类别具
2021-06-30 18:02:59
499
原创 Pyramidal Feature Shrinking for Salient Object Detection阅读笔记
AAAI 2021Mingcan Ma，Changqun Xia，Jia Li论文地址一、简介二、方法2.1 Adjacent Fusion Module（AFM）AFM模块主要有两大作用，一个是输出特征需要继承
2021-06-29 14:54:09
654
原创 Attentional Feature Fusion阅读笔记
WACV 2021Yimian Dai, Fabian Gieseke, Stefan Oehmcke, Yiquan Wu, Kobus Barnard论文地址一、简介现有注意力存在三个缺点：1）有限的使用场景，SKNet和ResNeSt只关注同一层的特征选择，而跨层融合未得到有效解决，面临着如何集成不同尺度特征的问题。2）简单的初始集成，为了将得到的特征提供给注意模块，SKNet通过相加来进行特征融合，而这些特征在规模和语义上存在很大的不一致性。3）偏向上下文聚合尺度，SKNet和ResNeSt
2021-06-29 13:10:31
1448
1
原创 模式识别报告：HWDB1.1手写汉字识别
一、简介本次实验的任务是汉字识别。使用pytorch深度学习框架和HWDB手写汉字数据集进行实验。二、开发环境目前主流的神经网络框架有Tensorflow，Pytorch，MXNET，Keras等。本次实验使用Pytroch深度学习框架。PyTorch看作加入了GPU支持的numpy，并且它是一个拥有自动求导功能的强大的深度神经网络。三、HWDB数据集3.1 简介HWDB是一个手写汉字数据集，该数据集来自于中科院自动化研究所，一共有三个版本，分别为HWDB1.0、HWDB1.1和HWDB1.2。
2021-06-29 11:41:40
12049
38
原创 计算智能导论期末大作业
一、遗传算法（1）遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。搜索算法的共同特征为：① 首先组成一组候选解② 依据某些适应性条件测算这些候选解的适应度③ 根据适应度保留某些候选解，放弃其他候选解④ 对保留的候选解进行某些操作，生成新的候选解。在遗传算法中，上述几个特征以一种特殊的方式组合在一起：基于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变操作。这种特殊的组合方式将遗传算法与其它搜索算法区别开来。遗传算法遗传算法遗传算法还具有以下几方面的特点：(
2021-06-26 21:48:57
2526
1
原创 Semantic segmentation with reverse attention阅读笔记
BMVC 2017Qin Huang, Chunyang Xia, Chihao Wu, Siyang Li, Ye Wang, Yuhang Song, C.-C. Jay Kuo论文地址一、简介提出了一种反向关注网络（RAN），该网络捕获与目标类无关的内容。RAN使用两个单独的分支来学习特征并生成分别与目标类相关联的预测。为了进一步突出从反向学习的知识，我们设计了反向关注结构，它产生每类掩码，以放大困惑区域中的反向响应。此前没有专门训练网络以学习类之间的差异，模型对两个类都有较高的响应。对象
2021-06-24 16:14:38
840
原创 Camoufinder: Finding camouflaged instances in images阅读笔记
AAAI 2021TN Le, V Nguyen, C Le, TC Nguyen, MT Tran论文地址一、简介我们调查了伪装实例分割问题。我们首先对CAMO数据集进行了实例分割的标注，并且嵌入了数据增强来增加训练样本。其次，我们在CAMO实例分割数据集上训练不同的实例分割模型。最后，我们开发了一个用户交互界面，它展现了不同实例分割方法在CAMO实例分割数据集上的性能。二、方法2.1 数据采集如Figure 2所示，使用CAMO数据集进行伪装实例分割数据集制作。该数据集分为伪装和非伪装类
2021-06-19 19:40:01
648
原创 Inferring Camouflaged Objects by Texture-Aware Interactive Guidance Network阅读笔记
AAAI 2021J Zhu, X Zhang, S Zhang, J Liu论文地址一、简介
2021-06-10 19:00:08
903
1
原创 Context-aware Cross-level Fusion Network for Camouflaged Object Detection阅读笔记
IJCAI2021Yujia Sun, Geng Chen, Tao Zhou, Yi Zhang, and Nian Liu论文地址一、简介二、方法
2021-06-08 21:12:18
1235
原创 D2C-Net: A Dual-branch, Dual-guidance and Cross-refine Network for Camouflaged Object Detection阅读笔记
IEEE Transactions on Industrial Electronics 2021Kang Wang; Hongbo Bi; Yi Zhang; Cong Zhang; Ziqi Liu; Shuang Zheng论文地址一、简介提出了一个COD模型，主要由DFE模块和GRCF模块组成。从人类视觉机制角度来看，当我们看到一个场景时，有两个阶段。第一阶段中产生的特征来提取双向引导信息，然后进行第二级预测。从对等特征中受益可以提供一些关于目标对象区域的位置的提示，我们采用了一个自我优化
2021-05-24 19:11:29
1134
原创 Towards Accurate Camouflaged Object Detection with Mixture Convolution and Interactive Fusion阅读笔记
arXiv 2021Bo Dong, Mingchen Zhuge, Yongxiong Wang, Hongbo Bi, Geng Chen论文地址一、简介
2021-05-12 17:57:59
675
2
原创 Camouflaged Object Segmentation with Distraction Mining阅读笔记
CVPR 2021Haiyang Mei, Ge-Peng Ji, Ziqi Wei, Xin Yang, Xiaopeng Wei, Deng-Ping Fan论文地址一、简介本文将分心的概念引入伪装物体分割任务，并开发了一种新的分心挖掘策略来进行分心的发现和去除，以帮助伪装物体的精确分割。本文提出了一个新颖的伪装物体分割方法，称为定位和聚焦网络（PFNet）。该方法首先通过探索长范围的语义依赖关系来定位潜在的目标物体，然后聚焦于分心区域的发现和去除以逐步细化分割结果。二、方法2.1 概述
2021-05-07 16:07:22
1998
1
原创 Java实战：粒子群算法
一、题目使用粒子群算法求解函数f（x）的最小值。理论上的最小值是0。二、原理粒子群算法利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。试想一下，如果一群鸟在一片区域中寻找食物，所有的鸟都不知道食物在什么地方，但是每一只鸟都知道自己距离食物有多远，也知道这一群鸟中离食物最近的鸟在什么位置，这样每一只鸟都可以改变当前自己的移动方向，逐渐向离食物最近的鸟所在位置靠近，这样通过不断的搜寻，就能找到食物。解题思路：假设有100只鸟，初始时这100
2021-04-30 21:41:33
1416
2
原创 MirrorNet: Bio-Inspired Camouflaged Object Segmentation阅读笔记
IEEE Access 2021Jinnan Yan, Trung-Nghia Le, Khanh-Duy Nguyen, Minh-Triet Tran, Thanh-Toan Do, Tam V. Nguyen.https://arxiv.org/abs/2007.12881一、简介当对象融入周围环境时，它成为了一个成功的伪装对象，以创建一个可以隐藏对象的熟悉的自然场景。通过改变同一场景，有可能可以逃离这种错觉。我们意识到只需简单的翻转操作就可以生成相同场景的新视图。实际上，翻转的图像意外地破坏
2021-04-20 22:01:59
994
原创 Simultaneously Localize, Segment and Rank the Camouflaged Objects阅读笔记
CVPR 2021Yunqiu Lv, Jing Zhang, Yuchao Dai, Aixuan Li, Bowen Liu, Nick Barnes, Deng-Ping Fan论文地址一、简介提出了Joint localization and segmentation框架，其中，Fixation Decoder生成discriminative region，该区域与周围的环境有更高的对比度，其实也就是大致的伪装对象的位置。Camouflage Decoder生成最终的预测图，使用反向关注的思
2021-04-20 11:35:31
1367
1
原创 BASNet: Boundary-Aware Salient Object Detection阅读笔记
CVPR 2019Xuebin Qin, Zichen Zhang, Chenyang Huang, Chao Gao, Masood Dehghan, Martin Jagersand论文地址一、简介提出了边界感知显著性目标检测网络（BASNet），它由Predict Module和RRM模块组成，Predict Module模块用于得到粗略的显著性图像，RRM用于克服“coarse”。提出了一种新的混合损失，融合BCE，SSIM和IoU损失，分别针对pixel-level, patch-lev
2021-04-19 14:08:40
951
1
原创 PraNet: Parallel Reverse Attention Network for Polyp Segmentation阅读笔记
MICCAI 2020Deng-Ping Fan, Ge-Peng Ji, Tao Zhou, Geng Chen, Huazhu Fu, Jianbing Shen, and Ling Shaohttps://link.springer.com/chapter/10.1007%2F978-3-030-59725-2_26一、简介息肉的精确分割是一项具有挑战性的任务，主要有两个原因：（i）同一类型的息肉具有不同的大小、颜色和纹理；（ii) 息肉与其周围粘膜之间的边界不清晰。为了解决这些问题，我们提出
2021-04-18 14:02:21
3981
原创 EGNet: Edge Guidance Network for Salient Object Detection阅读笔记
ICCV 2019Jia-Xing Zhao, Jiang-Jiang Liu, Deng-Ping Fan, Yang Cao, Jufeng Yang, Ming-Ming Chenghttps://openaccess.thecvf.com/content_ICCV_2019/html/Zhao_EGNet_Edge_Guidance_Network_for_Salient_Object_Detection_ICCV_2019_paper.html一、简介FCN存在显著对象检测目标边界模糊的问
2021-04-17 20:20:04
681
原创 Concealed Object Detection阅读笔记
arXiv 2021Deng-Ping Fan, Ge-Peng Ji, Ming-Ming Cheng, Ling Shaohttps://arxiv.org/abs/2102.10274
2021-04-16 23:28:03
2290
原创 Mutual Graph Learning for Camouflaged Object Detection阅读笔记
arXiv 2021Qiang Zhai, Xin Li, Fan Yang, Chenglizhao Chen, Hong Cheng, Deng-Ping Fanhttps://arxiv.org/abs/2104.02613一、简介我们的方法的灵感来自生物学研究的发现：捕捉真实的身体/物体形状是识破伪装的关键。一个理想的伪装目标检测模型应该能够从给定的场景中寻找有价值的、额外的线索，并将它们合并到一个联合学习框架中，用于特征表示联合增强。受此启发，我们设计了交互式图学习模型（MGL），将传
2021-04-16 09:57:15
1692
原创 Uncertainty-aware Joint Salient Object and Camouflaged Object Detection阅读笔记
一、简介显著物体检测旨在发现吸引人类注意力的显著物体，而伪装物体检测则旨在发现隐藏在周围的伪装物体。本文提出了一种利用矛盾信息来增强显著目标检测和伪装目标检测能力的方法。提出了一种数据扩充策略，将伪装数据集中的简单样本作为显著性检测的困难样本，实现了一个鲁棒的显著性模型。设计了相似性度量模块来显式地建模两个任务的“矛盾”属性。在对抗式学习框架下引入第一个联合显著目标检测和伪装目标检测网络，明确建模每个任务的预测不确定性。二、数据扩充如图1所示，显著突出的物体和伪装的物体是矛盾的属性。但是也存
2021-04-15 17:02:08
1365
1
原创 Deep Texture-Aware Features for Camouflaged Object Detection阅读笔记
arXiv 2021Jingjing Ren, Xiaowei Hu, Lei Zhu, Xuemiao Xu, Yangyang Xu, Weiming Wang, Zijun Deng, Pheng-Ann Henghttps://arxiv.org/abs/2102.02996一、简介
2021-04-15 12:00:44
885
原创 Camouflaged Object Detection阅读笔记
CVPR 2020Deng-Ping Fan, Ge-Peng Ji, Guolei Sun, Ming-Ming Cheng, Jianbing Shen, Ling Shaohttps://openaccess.thecvf.com/content_CVPR_2020/html/Fan_Camouflaged_Object_Detection_CVPR_2020_paper.html一、简介伪装目标检测任务旨在识别“无缝”嵌入其周围环境中的目标。该目标物体与背景之间有高度的内在相似性。为了解决
2021-04-14 20:26:59
2299
原创 Bottleneck Transformers for Visual Recognition阅读笔记
2021Aravind Srinivas, Tsung-Yi Lin, Niki Parmar, Jonathon Shlens, Pieter Abbeel, Ashish Vaswanihttps://arxiv.org/abs/2101.11605一、简介提出了BoTNet，它结合了多个计算机视觉任务（包括图像分类、对象检测和实例分割）的self-attention。通过在ResNet的最后三个bottleneck blocks中使用global self-attention来代替空间卷积。
2021-04-13 18:41:11
1008
原创 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale阅读笔记
ICLR 2021Alexey Dosovitskiy, Lucas Beyer, Alexander Kolesnikov, Dirk Weissenborn, Xiaohua Zhai, Thomas Unterthiner, Mostafa Dehghani, Matthias Minderer, Georg Heigold, Sylvain Gelly, Jakob Uszkoreit, Neil Houlsbyhttps://arxiv.org/abs/2010.11929一、简介在视觉领
2021-04-08 22:09:22
533
原创 Exploring Self-attention for Image Recognition阅读笔记
CVPR 2020Hengshuang Zhao, Jiaya Jia, Vladlen Koltunhttps://arxiv.org/abs/2004.13621一、简介卷积具有两个功能。第一种是特征聚合，通过卷积核在特征图上进行卷积来融合特征的过程；第二种是特征变换，在卷积完成后进行一系列的线性和非线性变换（例如全连接层和激活函数）。特征聚合和特征变换是可以解耦的，特征变换可以通过线性映射和非线性变换，因此我们将重点放在self-attention机制替代卷积用来特征聚集。本文探索了两种s
2021-04-08 14:47:22
582
原创 Attention Augmented Convolutional Networks阅读笔记
ICCV 2019Irwan Bello, Barret Zoph, Ashish V aswani, Jonathon Shlens一、简介卷积只对局部领域进行运算，因此会丢失全局信息。提出了Attention Augmentation method（注意增强方法），利用self-attention机制来增强卷积算子。将强调局部性的卷积特征映射与能够对较长范围的相关进行建模的self-attention特征映射连接起来。二、Self-attention over images2.1 mult
2021-04-08 12:32:36
1641
原创 Stand-Alone Self-Attention in Vision Models阅读笔记
NeurIPS 2019Prajit Ramachandran, Niki Parmar, Ashish Vaswani, Irwan Bello, Anselm Levskaya, Jonathon Shlens一、简介受限于感受域的大小设定，卷积很难获取长距离的像素关系，而在序列模型中，已经能很好地用attention来解决这个问题。将内容交互的模块（注意力机制）作为视觉模型的主要单元。为此，我们提出了一个简单的局部自我关注层（local self-attention layer），该层既可以用
2021-04-07 23:57:44
1177
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人