OpenSceneGraph的博客

/1 UP-DETR: Unsupervised Pre-training for Object Detection with Transformers（无监督预训练检测器）paper:https://arxiv.org/pdf/2011.09094.pdf使用Faster R-CNN，通过一种Transformer编码器-解码器架构，使得Object Detection with Transformers（DETR）达到了更好的竞争性能。受Pre-trainingTransformer在自然语言处理.

/1 Transformer Interpretability Beyond Attention Visualization(注意力可视化之外的Transformer可解释性)paper:https://arxiv.org/pdf/2012.09838.pdfcode:https://github.com/hila-chefer/Transformer-Explainability概述：Self-attention技术，特别是Transformer ，在文本处理领域占据主导地位，并在计算机视觉分类.

/1 Image-to-image Translation via Hierarchical Style Disentanglement通过层次风格解缠的图像到图像的转换 paper：https://arxiv.org/abs/2103.01456code：https://github.com/imlixinyang/HiSD多标签和多风格的图像到图像的转换显著发展，但是由于标签中未探索的独立性和排他性，现有的工作由于涉及对转换结果的不受控制的操作而失败。在本文中，我们提出层次风格解缠(Hi

/1 Pre-Trained Image Processing Transformer随着现代硬件的计算能力不断增强，在大规模数据集上学习的预训练的深度学习模型(例如Transformer的BERT，GPT-3)已经显示出它们比传统方法的有效性。这一重大进展主要归功于Transformer及其变体体系结构的表示能力的提高。本文研究了低层次的计算机视觉任务(如去噪、超分辨率和去噪)，提出了一种新的预处理模型，即图像处理Transformer(IPT)。为了最大限度地挖掘Transformer的能力，我们.

（本来做深度学习目标检测的相关图书，但由于时间原因搁置了，所以本文作为样章，重复率很低）AlexNet模型在2012年的ILSVRC比赛中大放异彩，引起了神经网络的应用热潮。Ross深受启发，将AlexNet模型的图像分类功能应用到目标检测方向上，成功开启了利用深度学习实现目标检测的时代。R-CNN作为最初的基于深度学习的目标检测网络模型，很好地解决了如何利用卷积网络去目标定位和如何在小规模的数据集上训练出较好的网络模型，为之后基于深度学习的目标检测方法奠定了良好的基础。本章我们将深入讨论基于R-CNN

2.改进颜色融合的医学图像彩色化技术摘要：彩色化后的医学图像能清晰体现患者病灶信息有利于医患沟通。提出改进颜色融合的医学图像彩色 化方法，首先利用基于 ＫＮＮ 的图像前背景区分算法，强化病灶区域的边界信息；然后以此为约束条件，只需提供 简单的着色输入；最后将边界能量引入颜色融合方法，得到较好的着色结果。着色图像保持了原图的灰度信息 不变，增加了彩色标记图像的颜色和真实感。实验结果表明，该算法具有较高的精确度，可有效地应用于医学图 像彩色化处理。3.An Introduction to Colo

1.Colorization of CT images to improve tissue contrast for tumor segmentation彩色CT图像以提高肿瘤分割的组织对比度摘要：由于肿瘤和健康组织之间的强度值intensity values非常接近，从灰度医学图像数据中分割肿瘤是困难的。本文提出了一项研究，说明如何彩色CT图像分割之前可以解决这个问题。预先着色的数据强调了肿瘤组织和健康组织之间的组织密度差异，从而更容易识别肿瘤组织。该方法能准确、高效地将代表肿瘤和健康组织的像素清

图像融合技术可以提取自然光图像和红外图像的互补信息，获得对同一场景描述解释更为准确、全面和可靠的图像。像素级融合是常用于灰度图像与可见光图像的融合。基于源图像的彩色化就是源图像和目标图像的融合过程，使其同时兼有源图像的颜色和目标图像的形状、纹理等特征信息，达到整体颜色基调和谐、真实。影响图像融合的主要因素：图像庞大数据量的处理、融合规则的选择等。关于图像融合技术的应用研究，主要集中在夜视图...

1.最大类间方差法：根据直方图以某一会灰度为阈值将图像分割成两部分，计算两组的方差，当被分成的两组之间的方差最大时，这个灰度为阈值灰度值。（基于阈值分割）img = imread('1.jpg');%原图 I_gray=rgb2gray(img);%转换为灰度图 subplot(121),imshow(img);%转换为双精度I_double=double(I_gra...

1.彩色图像处理2.形态学利用形态学进行边缘提取、孔洞填充、连通成分提取、骨架提取 结构元比原图像简单且明显小，有界、凸性（方形、扁平形、圆形） 开运算即先腐蚀再膨胀，能够消除小物体、在纤细处分离物体、平滑较大物体边界且面积不明显变化 闭运算即先膨胀再腐蚀，能够使轮廓平滑且面积不明显变化、消除狭窄的间断和长细的鸿沟、消除小空洞、填补裂缝3.图像压缩哈夫曼、香农-费诺、游...

1.图像增强：对于噪声图像、模糊图像等对图像信息增强以突出有用信息。高通平滑、低通锐化；平滑模糊、锐化突出图像细节 滤波器还有带通、带阻等形式 根据噪声（椒盐噪声、高斯噪声....）的不同，选用不同的滤波 邻域有4-邻域、对角邻域、8-邻域，相对应的有邻接，即空间上相邻、像素灰度相似 图像边缘处理：忽略不处理、补充、循环使用 目前尚未图像处理大多基于灰度图像% %低通滤波器，...

将图像从空间域通过傅里叶变换等变换转换到频域，目的在于更好处理且计算速度快。1.频域处理基础通过狄里赫莱条件（有限个间断点、有限个极值点、绝对可积）定义傅里叶变换。通过了解FT的性质对图像进行处理。上机实现：m=imread('D:\Imagematlab\1.jpg');t=rgb2gray(m);figure;imshow(t);R=fftshift(...

1.数字图像：采用图像传感器进行图像采集获得图像，图像传感器会利用光电器件将光信号转换为连续的电信号，对其采样得到的图像即为数字图像。像素：数字图像由二维元素组成，这些元素称为像素。常用工具：Matlab/VC；PS/CorelDraw/ACDSee数字图像处理：图像采集、图像增强、图像复原、形态学处理、图像分割、目标识别、表达描述、图像压缩、彩色化处理2.数字图像处理基础...