关于Transformer和SiamFC的一些笔记和学习链接

最新推荐文章于 2024-11-23 13:18:37 发布
最新推荐文章于 2024-11-23 13:18:37 发布
阅读量341 收藏 3
点赞数
文章标签： transformer mfc 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Cl2212/article/details/120856713
版权
这篇博客汇总了关于目标跟踪的资源，包括王树森的DRL Github仓库、知乎上的目标跟踪transformer文章、SiamFC的相关实现（MATLAB、PyTorch、TensorFlow）以及CVPR2021的TransT跟踪算法。还提到了2021年CVPR关于目标跟踪的研究论文集合。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

2021.10.19
王树森Github网址：https://github.com/wangshusen/DRL

2021.10.15
知乎上三篇文章（关于目标跟踪transformer的），已经看了一篇了，总结在了word中，还有两篇，作者还没有更新，请注意一下！
https://zhuanlan.zhihu.com/p/416413600

2021.10.13
SiamFC相关：
https://blog.youkuaiyun.com/qq_36449741/article/details/99696195

matlab代码：https://github.com/bertinetto/siamese-fc

pytorch代码：
https://github.com/rafellerc/Pytorch-SiamFC（最开始下载的这个版本，看了train.py等几个代码）
https://github.com/huanglianghua/siamfc-pytorch（目前根据这个来的，因为找到了相关的博客讲解）
【博客讲解地址：https://blog.youkuaiyun.com/laizi_laizi/article/details/104473021】

https://gitee.com/wendinghe/SiamFC-PyTorch

tensorfolw代码：https://github.com/torrvision/siamfc-tf

CVPR2021跟踪算法TransT的配置（Transformer Tracking）
https://blog.youkuaiyun.com/qq_17783559/article/details/119111028?spm=1001.2014.3001.5501

2021.10.08
关于目标跟踪的2021CVPR
https://github.com/amusi/CVPR2021-Papers-with-Code#Object-Tracking

2021.10.07
在这里插入图片描述

Cl2212
关注
读书笔记：基于Transformer的 Siamese 网络用于变化检测
qq_42075634的博客
03-18 2372
摘要： 本文提出了一种基于变压器的连体网络架构（缩写为 ChangeFormer），用于从一对共同配准的遥感图像中进行变化检测（CD）。与最近基于全卷积网络 (ConvNets) 的 CD 框架不同，所提出的方法在 Siamese 网络架构中将分层结构的 Transformer 编码器与多层感知 (MLP) 解码器相结合，以有效地渲染所需的多尺度远程细节获得准确的 CD。在两个 CD 数据集上的实验表明，所提出的端到端可训练 ChangeFormer 架构比以前的同类架构实现了更好的 CD 性能。 #文章
[Pytorch] Transformer+Siamese进行文本相似度分析
LeYOUNGER的博客
01-08 7110
摘要 使用Transformer 代替RNN进行sentence-level context的encode Requirements Pytorch >= 0.4.1 Python >= 3.5 General Usage Transformer 用于进行encode的transformer我已经写好放在Git上了，小伙伴随意取用，别忘记点星星哟～ https://githu...
论文解读：ChangeFormer | A TRANSFORMER-BASED SIAMESE NETWORK FOR CHANGE DETECTION
a486259的博客
03-22 3142
1、本文实验中STANet居然没有FC-EF、FC-Siam-Di、FC-Siam-Conc这很有可能是backbone性能差异导致的（其所使用的pspnet明显是古董网络） 2、非多尺度特征方法(FC*,STANet*)在DSIFN-CD数据集上性能下降明显，在DSIFN-CD上明显是需要大尺度的低级语义才能做判断；(在LEVIR-CD上每一个变化区域都是一个实例[建筑]，而在DSIFN-CD上一个变化区域对应着多个变化实例[建筑]，依赖高层语义会使区域所对应的特征发生弥散，从而使区域判断不准) 3、Ch
CVPR 2022 | Transformer再屠榜！南大提出MixFormer：端到端目标跟踪新网络
阿木寺的博客
03-23 6005
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达作者：王利民 |已授权转载（源：知乎）编辑：CVerhttps://zhuanlan.zhihu.com/p/485189978本文介绍一下我们在单目标跟踪(VOT)领域的新工作MixFormer——基于 transformer 的简洁的端到端模型。MixFormer打破了传统的跟踪范式，通过模板...
Siamese Transformer Pyramid Networks for Real-Time UAV Tracking(SiamTPN：用于实时无人机跟踪的孪生Transformer) 翻译
wang6562009的专栏
08-03 1370
近年来，无人机（UAV）跟踪因其在路径规划[25]、视觉监控[43]和边境安全[44]等多个领域的巨大潜力而受到越来越多的关注。尽管视觉目标跟踪方法已经取得了长足的进步，但实时跟踪问题仍未得到足够重视。此外，性能较低的小型设备上固有的电源资源限制进一步制约了无人机跟踪的发展。由于移动设备上软件和硬件的优化，以及轻量级但强大的骨干网络[24, 36, 41]的进步，基于视觉分类、目标检测和实例分割的实时应用已经在CPU端实现。
ai大模型学习和实践学习笔记：Transformer 模型和注意力机制的关系
09-01
Transformer模型是基于注意力机制的架构，注意力机制是Transformer模型的核心组成部分。 在传统的循环神经网络（如RNN）中，信息在序列中逐步传递，但难以捕捉全局上下文关系。而注意力机制允许模型在处理序列数据...
【第九周】李宏毅机器学习笔记07：Transformer
qq_30043925的博客
08-25 1414
这周主要了解了 transformer 中的 encoder 和 decoder 的结构和实现原理。在 decoder 中学习了两种解码的方法，一种是 AT （Autoregressive Transformer） ，另一种是NAT（Non-Autoregressive Transformer）。其中，AT生成序列质量高但速度较慢，而NAT则以牺牲部分质量换取更快的生成速度。最后还学习了如何训练 transformer 以及训练中的小 tips。
机器学习笔记-Transformer
08-03
Transformer语言模型是一种基于注意力机制的深度学习模型，它是在2017年由Google提出的，被广泛应用于自然语言处理领域。 Transformer模型主要由编码器和解码器组成，其中编码器将输入的文本序列转换为一组向量，...
Transformer学习笔记
08-07
Tranformer源码
【Transformer】学习笔记
最新发布
qq_53236757的博客
11-23 1450
参考视频提示：以下是本篇文章正文内容，下面案例可供参考词嵌入：将单词转换为向量表示，捕捉语义信息。位置编码：提供序列中每个位置的位置信息。位置嵌入：将词嵌入与位置编码相加，结合语义信息和位置信息。
单目标追踪——【Transformer】Transformer Tracking
qq_42312574的博客
07-05 6329
这篇文章是利用Transformer设计了一个新的基于注意力的特征融合网络和一个Siamese结构的集成该融合网络的追踪方法TransT。 在TransT中该融合网络以替换传统Siamese框架中的correlation相关操作。 几个值得注意的点： 这个模块主要就是多头自注意力机制+位置编码Sin函数。与原始的Transformer中的多头自注意力机制一样。所以这个模块叫上下文语境的增强模块也正是因为Transformer中Encoder的自注意力的全局特性。 这个模块应用了Transformer的Dec
深度强化学习（王树森）笔记05
阿正的梦工坊
01-28 1538
AlphaGo和更强的AlphaGo Zero的原理，蒙特卡洛树搜索MCST
深度强化学习（王树森）笔记11
阿正的梦工坊
01-30 1252
策略学习的高级技巧:置信域策略优化 (TRPO)
【王树森】Transformer模型(1/2): 剥离RNN，保留Attention（个人向笔记）
hxdxiaoming的博客
08-31 1093
这节课讲的attention相对比于前两节课多了一个。，之前是用权重直接乘。
深度强化学习（王树森）笔记01
阿正的梦工坊
01-26 1788
强化学习的基本概念：state, action, policy, reward, return, value functions等
车道线再出发！SinLane：孪生Transformer如何破局（上交&浙大）
CV_Autobot的博客
11-05 304
编辑| 自动驾驶Daily点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『车道线检测』技术交流群本文只做学术分享，如有侵权，联系删文自动驾驶之心+自动驾驶之薪+具身智能之心知识星球 | 双十一活动限时7折写在前面 & 笔者的个人理解车道检测是自动驾驶系统中一项重要但具有挑战性的任务。基于Visual Tran...
王树森：学 DRL 走过的弯路太多，想让大家避开
图灵教育
12-04 3493
大家都知道，深度强化学习（Deep Reinforcement Learning，DRL）就是应用了神经网络的强化学习。而强化学习是机器学习的一个分支，研究如何基于对环境的观测做出决策，以最大化长期回报。从 20 世纪 80 年代至今，强化学习一直是机器学习领域的热门研究方向。大家耳熟能详的经典强化学习方法——Q 学习、REINFORCE、actor-critic——就是 20 世纪 80 年代提...
【上】王树森《小红书推荐系统公开课》- 课程笔记（推荐系统基础、召回、排序）
qq_43629945的博客
05-22 8108
推荐系统基础（基本概念、链路、AB测试）；召回（ItemCF、Swing、UserCF、离散特征处理、矩阵补充、双塔模型、双塔模型+自监督学习、Deep Retrieval召回、其他召回通道、曝光过滤+Bloom Filter）；排序（多目标排序模型、MMoE、预估分数融合公式、视频播放时长和完播率建模、特征及处理、粗排三塔模型）
【SOT】SiamFC代码笔记
-徐徐图之-的博客
02-28 3474
代码来源：https://github.com/huanglianghua/siamfc-pytorch 结合siamfc-pytorch代码讲解的三篇博客 下面是阅读SiamFC时的笔记 preprocess data(数据预处理) dataset.py 概括：通过index索引返回item = (z, x, box_z, box_x)，然后经过transforms返回一对pair(z, x) 步骤： 根据 index 获得视频序列路径、标签、meta(可选) 滤除噪声图像，获得有效索引 如果有效索引大
Transformer检测技术学习笔记
由于"transformer"这个词通常与深度学习和自然语言处理（NLP）领域的模型相关联，我们可以推测这份笔记可能涉及这些领域的核心概念和细节。然而，"transformertection-mai"这一部分似乎是一个拼写错误或者是一个特定...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值