- 博客(27)
- 收藏
- 关注
RSS订阅原创 Learning Pixel-level Semantic Affinity with Image-level Supervision forWeakly Supervised Semantic Se
Computing CAMs用式1确定每个类别CAM图中每个元素的值用式2确定背景CAM图中每个元素的值，参数α\alphaα调整背景概率的值，让大的更大小的更小，更加显著？？Learning AffinityNetAffinityNet结构取出backbone的last three levels，backbone是resnet，估计是最后那三个残差单元的输出特征，他们的通道数分别...
2019-09-23 22:52:26
781
原创 DenseCRF源码解读
simple_dense_inference.pyint main( int argc, char* argv[]){ if (argc<4){ printf("Usage: %s image annotations output\n", argv[0] ); return 1; } // Number of labels const int M = 21;...
2019-07-01 17:34:39
4047
1
原创 Box-driven Class-wise Region Masking and Filling Rate Guided Loss for Weakly Supervised Semantic Seg
AbstractSemantic segmentation has achieved huge progress via adopting deep Fully Convolutional Networks (FCN). However, the performance of FCN based models severely rely on the amounts of pixel-leve...
2019-06-23 22:31:30
1366
2
原创 CRFasRNN论文+源码
源码看的是基于keras实现的版本，代码在这里。CRFasRNN把fcn作为骨干网络，然后把fcn的输出作为CRF的二元势的初始化和一元势，前面fcn的部分不再赘述，文章中提出的CRFasRNN作为单独一层用TensorFlow实现，使用起来很简单：output = CrfRnnLayer(image_dims=(height, weight), ...
2019-06-21 15:58:51
1492
1
转载 【论文阅读】Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials
参考：https://blog.youkuaiyun.com/dcz1994/article/details/88837760用一个Gibbs分布来表征条件随机场：P(X∣I)=1Z(I)exp(−∑c∈CGϕc(Xc∣I))P(\mathbf{X} | \mathbf{I})=\frac{1}{Z(\mathbf{I})} \exp \left(-\sum_{c \in \mathcal{C}_{...
2019-06-15 12:16:38
2336
原创 【论文笔记】Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization
参考自：https://www.jianshu.com/p/1d7b5c4ecb93定义Grad-CAM中第k个特征图对类别c的权重为αkc\alpha_k^cαkc，αkc=1Z∑i∑j∂yc∂Aijk\alpha_k^c=\frac{1}{Z}\sum\limits_{i}\sum\limits_{j}\frac{\partial y^c}{\partial A_{ij}^k}αkc...
2019-05-20 20:53:35
485
原创 【论文笔记】Weakly-Supervised Semantic Segmentation Network with Deep Seeded Region Growing
abstractThis paper studies the problem of learning image semantic segmentation networks only using image-level labels as annotation efforts. Recent state-of-the-art methods on this problem first inf...
2019-05-19 21:23:26
3931
原创 【论文阅读】Pseudo Mask Augmented Object Detection
abstractIn this work, we present a novel and effective framework to facilitate object detection with the instance-level segmentation information that is only supervised by bounding box annotation. S...
2019-05-17 16:24:57
632
1
原创 【论文笔记】Learning to Segment Every Thing
Learning to Segment Every Thing解读和Learning to Segment Every Thing算法笔记这两篇博客讲的很好了。前面我们也讲了，模型的参数相当于 embeding vector包含了类别的appearance information。在box和mask 分支中只有最后一层包含category-specific的参数，是类别专属的，原有的mask ...
2019-05-17 09:17:38
340
原创 【论文笔记】Simple Does It: Weakly Supervised Instance and Semantic Segmentation
abstractSemantic labelling and instance segmentation are two tasks that require particularly costly annotations. Starting from weak supervision in the form of bounding box detection annotations, we ...
2019-05-16 21:21:32
2431
原创 【论文笔记】DeepCut: Object Segmentation from Bounding Box Annotations using Convolutional Neural Networks
这篇论文提出了一种给定弱标注的实例分割方法。其将微软研究院提出的GrabCut进行扩展，可以实现给定bounding boxes的神经网络分类器训练。该论文将分类问题视为在稠密连接的条件随机场下的能量最小化问题，并通过不断迭代实现实例分割。AbstractIn this paper, we propose DeepCut, a method to obtain pixelwise objec...
2019-05-09 19:46:24
2671
2
原创 Weakly- and Semi-Supervised Learning of a Deep Convolutional Network for Semantic Image Segmentation
abstractDeep convolutional neural networks (DCNNs) trained on a large number of images with strong pixel-level annotations have recently significantly pushed the state-of-art in semantic image segme...
2019-05-09 15:46:19
1980
原创 Nonparametric Scene Parsing via Label Transfer论文笔记
用⟨K,ϵ⟩−NN\langle K,\epsilon \rangle-NN⟨K,ϵ⟩−NN检索确定和目标图像最相似的K幅图像公式是：使用图像的HOG特征还定义两个图像之间的相似性。使用SIFT flow进行图像的稠密匹配(Dense Scene Alignment)作者提出SIFT flow是基于图像标定/图像定位（image alignment），旨在根据输入图像，在数据库中找到与...
2019-03-20 21:19:32
235
原创 Probabilistic Diffusion for Interactive Image Segmentation论文笔记
计算流程初始化参数KKK和α\alphaαKKK是k-means聚类数，用Eq.(7)计算初始概率p0p^0p0c是像素的intensity feature使用k-means算法分别对被标记成前景和背景的样本点进行聚类，得到聚类中心，K是聚类数，L=F/B大概是没有标签的像素吧？，为没有标签的像素分配类别用Eqs.(1,10,9)计算W，DF，W^\hat{W}W^W=[Wi...
2019-03-19 23:14:52
657
原创 GrabCut
整个图的GibbsGibbsGibbs能量为：E(a‾,k,θ‾,z)=U(a‾,k,θ‾,z)+V(a‾,z)E(\underline{a},k,\underline{\theta},z)=U(\underline{a},k,\underline{\theta},z)+V(\underline{a},z)E(a,k,θ,z)=U(a,k,θ,z)+V(a,z)U(a‾,k,θ‾...
2019-03-19 19:55:19
1385
原创 tf-faster-rcnn源码解读
參考自：详细的Faster R-CNN源码解析之proposal_layer和proposal_target_layer源码解析详细的Faster R-CNN源码解析之RPN源码解析Tensorflow 版本 Faster RCNN 代码解读_build_network里面包含了_region_proposal,_crop_pool_layer,_reigon_classificatio...
2019-03-07 10:07:15
951
原创 数字图像处理--图像的形态处理学
形态学基本概念基本思想:用一定形态的结构元素去度量和提取图像中的对应形状，达到分析和识别的目的。可用于图像处理的各个方面，包括图像分割，特征抽取，边界检测等等。对图像处理的理论和技术产生了重大影响，已经构成一种新的图像处理方法和理论，成为一个重要的研究领域。在图像处理中的应用主要是：对图像进行观察和处理，从而达到改善图像质量的目的米哦啊书和定义图像的各种几何参数和特征，如面积，周长，...
2019-02-18 21:29:30
906
原创 数字图像处理--图像测量
在二值图像中，相互连接的黑像素的几何成为一个黑区域，对黑区域的处理的测量主要介绍如下：二值图形的区域标记通过对图像内每个区域进行标记操作，求得区域的数目。处理前的f是二值的，像素要么为0（黑），要么为255（白）。处理后每个像素的值几位所处理区域的编号（1，2，3，。。。）。标记准则从左到右,从上倒下逐个像东扫描若该点的左上、正上、右上及左前点都不为物体,则标号加1（第一次找到目标...
2019-02-16 19:37:03
3315
转载 转载--Cmd Markdown 公式指导手册
#Cmd Markdown 公式指导手册标签： Tutorial2018-03-20 补档：收到很多小伙伴对本文的源文档转载需求，故传了一份 md 文件，请按需 下载 。本文固定链接: https://www.zybuluo.com/codeep/note/163962点击跳转至 Cmd Markdown 简明语法手册 ，立刻开始 Cmd Markdown 编辑阅读器的记录和写...
2019-02-13 20:39:01
2116
原创 数字图像处理--锐化处理
图像边缘锐化基本方法锐化处理可以用空间微分来完成。微分运算梯度锐化边缘检测通常，边缘上的灰度值变化平缓，而边缘两侧灰度值变化较快，图像的边缘一般指在局部不连续的图像特征，一般是局部亮度变化最显著的部分，灰度值的变化，颜色分量的突变，纹理结构的突变都可以构成边缘信息。用差分定义一元函数f(x)的一阶微分...
2019-02-13 11:32:14
5212
2
原创 数字图像处理笔记--平滑处理
平滑处理的基本方法线性平滑-模板系数都为1非线性平滑自适应平滑邻域平均法二值滤波对图像中的每个像素，首先利用卷积操作求值（这里卷积核是1，所以取得是平均值），然后把平均值和当前像素值比较，差值是否大于阈值，若大于，则以均值代替超限邻域平均法以某个灰度值T作为阈值，如果某个像素的**灰度大于其临近像素的平均值，并超过阈值，**则用平均灰度置换。N*N均值滤波器选择式掩模平滑...
2019-02-13 11:31:02
1457
原创 用python实现两层的bp神经网络
用python实现两层的bp神经网络关键代码正向传播，计算loss h1 = np.maximum(0,np.dot(X, W1) + b1) # 计算第一个隐层的激活数据(NxH) scores=np.dot(h1, W2) + b2 # 神经元输出(NxC) scores = scores - np.reshape(np.max(scores,axis=1),(N,...
2019-01-16 18:59:39
1581
转载 转载--rcnn
CAFFE玩了也有段时间了，现在开始准备研究一下物体检测，现在知道的有RCNN、spp-net、Fast-RCNN和Faster-RCNN，作为菜鸟我还是从头学习，决定先看RCNN，因为有项目要做还要上课，可能得用一段时间才能看完，慢慢写，开始以翻译为主，以后有自己的想法了再慢慢更新，如果有理解错误的地方还希望各位博客园的大神指教--这也是我第一次用博客园，纪念一下，顺便熟悉一下怎么用论文全称《...
2018-12-25 09:45:58
218
原创 卷积层的反向传播
卷积层的反向传播符号规定已知卷积层的$\delta^l$，推导上一隐藏层的$\delta^{l-1}$已知卷积层的$\delta^l$，推导该层的W,b的梯度参考资料符号规定zlz^lzl：第lll层卷积后，激活前的结果ala^lal：第lll层激活后的结果,一般情况下，也是第l+1l+1l+1层的输入卷积层前向传播的公式为：al=σ(zl)=σ(al−1∗Wl+bl)a^l= \si...
2018-12-14 21:26:11
2166
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