PartyPartyAnimal的博客

The perturbation layer does away with convolution in the traditional sense and instead computes its response as a weighted linear combination of non-linearly activated additive noise perturbed inputs....

The large kernel (and effective receptive field) plays an important role when we have to perform the classification and localization tasks simultaneously.（当我们必须同时执行分类和定位任务时，大内核（和有效的感知野）起着重要作用）we prop...

论文地址：https://arxiv.org/pdf/1805.10180.pdf代码地址（？）：https://github.com/xgmiao/Pyramid-Attention-Networks摘要：提出金字塔注意网络（PAN）来利用全局语境信息在语义分割中的影响，结合注意机制和空间金字塔来提取精确的像素标注密集特征，而不是使用复杂的扩散卷积和人工设计的解码器网络。引入了一个Fea...

论文地址：https://arxiv.org/pdf/1707.00243.pdf代码地址：https://github.com/jfzhang95/DeepGrabCut-PyTorch（主要就是提出方法的前两步！！！！）大多数以前基于边界框的分割方法都假设边界框很准，但实际上经常不准。在本文中，提出了一种新的分割方法，它使用矩形框作为软约束，将其转换为欧几里德距离图，将图像与这些距离图c...

**论文地址：**https://arxiv.org/abs/1707.06990**pytorch实现：**https://github.com/gpleiss/efficient_densenet_pytorch**tensorflow实现：**https://github.com/joeyearsley/efficient_densenet_tensorflow属于实现方式的改进，不是...

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 图像级的分类：假设数据集共有c类， 网络最终输出会是一个长为c的输出向量, 表示输入图像属于每一类的概率。语义级别语义分割：得到对应位置每个像素的分类结果。其目的是将图像分割为若干个区域，语义相同的像素被分在同一区域内。边缘检测：相当于一个二分类问题，判断每个像素是不是边缘。~~~~~~~~~~~~~~~~~~

论文：https://arxiv.org/abs/1611.07004 代码：https://github.com/phillipi/pix2pix*摘要*条件对抗网络：不仅学习从输入图像到输出图像的映射，而且学习一个损失函数来训练这个映射。 使用条件对抗网络，不需要针对不同图像翻译问题设计不同的损失函数，从而使得本文提出的pix2pix网络成为一个图像翻译的通用网络。~~~~~~~~~~~~~

论文：https://arxiv.org/abs/1611.09326 代码：https://github.com/SimJeg/FC-DenseNet摘要典型的分割体系结构由下列部分组成： （a）负责提取粗略语义特征的下采样路径; （b）训练上采样路径以将模型输出的分辨率恢复至输入图像分辨率大小; （c）处理模块（例如，条件随机场）来优化模型预测。（可选）本文扩展DenseNet为全卷积网

论文：https://arxiv.org/abs/1611.08323 代码：https://github.com/TobyPDE/FRRN摘要语义图像分割是现代自动驾驶系统的重要组成部分，因为对周围场景的精确理解对导航和行动规划至关重要。论文提出了一种新的ResNet类架构，展现出强大的定位和识别性能。通过在网络中使用两个处理流，将多尺度上下文与像素级准确性结合在一起：一个流以全图像分辨率传输信