DYC Blog

「想见更大的世界」

maskformer

semantic segmentation

maskformer 分割领域有两个大框架，一方面是像素级分类（per-pixel classification）统治语义分割领域，另一方面是以Mask-FCN为首的掩膜分类（mask classification）统治实例分割、全景分割领域 像素级分类（per-pixel classification）：分类损失应用于每个输出像素，将预测图像划分为不同类别的区域； 掩膜分类（mask ...

Posted by DYC on August 28, 2023

Rich CNN Features for Water-Body Segmentation from VeryHigh Resolution Aerial and Satellite Imagery

semantic segmentation

Rich CNN Features for Water-Body Segmentation from VeryHigh Resolution Aerial and Satellite Imagery motivation 遥感图像中水体轮廓不清晰 contribution 设计了一种新的多特征提取和组合模块，以考虑来自小感受野和大感受野以及通道之间的特征信息。作为编码器...

Posted by DYC on August 24, 2023

swin transformer

semantic segmentation

swin transformer motivation 图像变化很大，不固定 相较于文本信息，图像具有更大的分辨率，意味着计算复杂度要更大 contribution 利用分层结构来处理图像，使模型能够处理不同尺度的图片 使用window self-attention来降低计算复杂度 architecture 由上图可以看出基本流程如下： 首先将...

Posted by DYC on August 20, 2023

vision-transformer

semantic segmentation

vision-transformer transformer最开始应用于nlp领域，但其注意力机制的优秀也可以利用在cv领域 architecture vit可以分为以下三个模块 Linear Projection of Flattened Patches Transformer Encoder MLP Head Linear Projection of Fla...

Posted by DYC on August 16, 2023

c++刷题

c++

Leetcode-c++ 链表 反转链表 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 /** * Definition for singly-linked list. * struct ListNode { * int val; * ListNode *next; * ListNode(i...

Posted by DYC on August 11, 2023

Transformer

semantic segmentation

Attention is all you need motivation 对于RNN而言，递归式进行，但因为它的特点是需要将历史信息传递给当前步骤，以帮助理解和预测后续数据，这种依赖关系意味着在顺序处理数据时，每个时间步骤必须按顺序计算，无法并行化，因此速度较慢 CNN只能获取局部的感受野，如果想得到全局的需要多尺度融合等方式 contribution 引入自注意力...

Posted by DYC on August 10, 2023

Docker入门笔记

Docker Learning

Ⅰ 引言 需要提前掌握的知识： Linux基本命令 计算机网络 Springboot（非必须） 1.1 容器技术的起源 我们考虑这样的场景，公司正在研发一款APP，程序员一开始在自己的设备上搭建了一套环境开始写代码，写完代码后交给测试同学进行测试，这时测试同学也需要重新搭建这套环境，测试人员测完后可以上线，这时运维同学又需要重新搭建这套环境。 从整个过程中我们看到，...

Posted by DYC on August 4, 2023

DAnet

semantic segmentation

DANet 与之前通过多尺度特征融合捕获上下文的工作不同，作者提出了一种双重注意网络（DANet）来自适应地集成局部特征及其全局依赖性 motivation 现有的方法提高像素级辨别能力的，包括结合膨胀卷积，下采样等方式来进行多尺度融合，或者编码器-解码器等方式，这些方式虽然有助于捕获不同比例的对象，但却无法利用全局视图中对象之间的关系 为了有效地完成场景分割任务，需要区分一...

Posted by DYC on July 25, 2023

DeepLab v3+

semantic segmentation

DeepLabv3+ Motivation 尽管在encode的最后阶段获取了丰富的语义分割信息，但是由于池化或卷积的步长操作，导致细节信息的缺失，使用膨胀卷积虽然能够缓解，但当下采样几倍之后的的计算量是很大的 encoder-decoder模型在encoder的时候计算更快，在decoder的时候能够逐渐回复清晰的边界，所以尝试将两者进行结合 语义分割的两大问题，多尺度信...

Posted by DYC on July 20, 2023

DeepLab v3

semantic segmentation

DeepLab v3 对于语义分割而言，下采样是必不可少的，首先 stride>1 的下采样层对于提升感受野非常重要，这样高层特征语义更丰富，而且对于分割来说较大的感受野也至关重要；另外的一个现实问题，没有下采样层，特征图一直保持原始大小，计算量是非常大的。 但为了得到高分辨率的特征，一般有两种方法，第一种是采用EncoderDecoder 结构，类似于U-NET结构，并且Deco...

Posted by DYC on July 15, 2023

FEATURED TAGS
java semantic segmentation
ABOUT ME

Hi, it's DYC here!