<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qihshe的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qihshe</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qihshe]]></copyright><item><title><![CDATA[VerdictAD]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/170149667</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/170149667</guid><author>qihshe</author><pubDate>Sun, 08 Nov 2026 22:00:30 +0800</pubDate><description><![CDATA[提出无需训练的VerdictAD框架，通过类型化视觉决策模型优化异常检测。该框架引入全局（GVR）与局部（LVR）判定精炼模块，利用少量正常样本对比评估查询图像，在不修改底层检测器的前提下，提升图像级得分与像素级异常图的准确性。在MVTec AD、VisA等基准上实现少样本异常检测新纪录，具备即插即用性与强泛化能力。]]></description><category></category></item><item><title><![CDATA[PL-SCEA]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/169811280</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/169811280</guid><author>qihshe</author><pubDate>Wed, 04 Nov 2026 21:41:05 +0800</pubDate><description><![CDATA[本文提出一种少样本工业异常检测框架，通过“幂律自相关增强注意力”（PL-SCEA）重构冻结视觉基础模型的注意力机制，在保留语义上下文的同时增强局部关系敏感性。结合轻量级变分自编码器建模类别特定正常性，实现高精度异常定位。在MVTec AD和VisA数据集上，该方法在1–8次射击设置下均取得优异性能，显著提升像素级检测效果，验证了任务对齐的注意力重配置对异常定位的有效性。]]></description><category></category></item><item><title><![CDATA[Dinomaly2]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/169560532</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/169560532</guid><author>qihshe</author><pubDate>Sat, 31 Oct 2026 11:06:21 +0800</pubDate><description><![CDATA[Dinomaly2提出一种极简主义的统一无监督异常检测框架，通过基础表示、噪声瓶颈、简化注意力、宽松重建与上下文重对齐等轻量组件，有效解决多类检测中的过度泛化与上下文模糊问题。在15个基准数据集上，其在多类、多模态、少样本及跨场景任务中均达领先性能，如MVTec-AD与VisA上图像级AUROC分别达99.9%和99.3%，且仅需每类8个样本即超越全样本模型。该方法以简洁设计实现广泛可扩展性，推动UAD向统一化、实用化迈进。]]></description><category></category></item><item><title><![CDATA[FB-CLIP]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/169555117</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/169555117</guid><author>qihshe</author><pubDate>Fri, 30 Oct 2026 15:33:55 +0800</pubDate><description><![CDATA[本文提出FB-CLIP框架，解决零样本细粒度异常检测中前景-背景特征纠缠与文本语义粗糙的问题。通过多策略文本特征融合（MSTFF）整合EOT、全局池化与注意力加权特征，增强语义表达；在视觉模态引入多视角前景-背景软分离（MVFBE）与背景抑制（BS），有效降低干扰；结合语义一致性正则化（SCR）强化跨模态对齐。实验表明，FB-CLIP在无标注异常数据下实现精准的异常定位与检测，显著提升细粒度异常识别能力。]]></description><category></category></item><item><title><![CDATA[Adapt-CLIP]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/169367626</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/169367626</guid><author>qihshe</author><pubDate>Thu, 29 Oct 2026 08:40:44 +0800</pubDate><description><![CDATA[AdaptCLIP提出一种简单高效的通用视觉异常检测方法，基于CLIP模型仅通过三个轻量适配器（视觉、文本、提示-查询）实现零/少样本跨域泛化。其核心思想是交替学习视觉与文本表示，并在对比学习中融合上下文信息与对齐残差特征。该方法无需微调，在12个工业与医疗基准上均达领先性能，兼具高效率与强适应性。]]></description><category></category></item><item><title><![CDATA[VCP-CLIP]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/169268036</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/169268036</guid><author>qihshe</author><pubDate>Wed, 28 Oct 2026 22:34:49 +0800</pubDate><description><![CDATA[本文提出VCP-CLIP，一种基于CLIP的零样本异常分割模型，通过引入视觉上下文提示解决产品类别未知下的异常检测难题。针对现有方法依赖特定文本提示、易受隐私限制及模态对齐不足的问题，VCP-CLIP设计Pre-VCP与Post-VCP模块，分别利用全局与细粒度图像特征动态优化文本提示，实现无需产品先验信息的高效泛化。在10个工业数据集上的实验表明，该方法显著优于现有SOTA，验证了视觉上下文提示在增强模型语义感知能力中的有效性。]]></description><category></category></item><item><title><![CDATA[CLIP-Learning Transferable Visual Models From Natural Language Supervision]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/169170908</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/169170908</guid><author>qihshe</author><pubDate>Tue, 27 Oct 2026 21:06:06 +0800</pubDate><description><![CDATA[本文提出CLIP，一种基于大规模自然语言监督的图像表示学习方法。通过在4亿对（图像, 文本）数据集WIT上进行对比预训练，CLIP联合学习图像与文本编码器，实现零样本迁移。在30多个视觉任务上，其性能媲美甚至超越有监督模型，如在ImageNet零样本任务中达到ResNet-50水平，且无需使用任何原始训练样本。研究表明，模型性能随计算量平滑提升，具备强泛化能力与鲁棒性，为计算机视觉提供了高效、可扩展的新范式。]]></description><category></category></item><item><title><![CDATA[PatchCore]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/169065202</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/169065202</guid><author>qihshe</author><pubDate>Mon, 26 Oct 2026 22:08:45 +0800</pubDate><description><![CDATA[PatchCore是一种无需异常样本的工业图像异常检测方法，通过在预训练网络中提取中层特征，构建局部感知的Patch特征记忆库，并利用K-Center Greedy Coreset Sampling压缩冗余，实现高精度异常检测与定位。其核心优势在于最大化正常样本信息利用，减少对ImageNet的偏倚，同时保持高效推理，在MVTec AD上达到99.6% AUROC，适用于冷启动场景下的实际工业应用。]]></description><category></category></item><item><title><![CDATA[CGBNet :Semantic Segmentation With Context Encoding and Multi-Path Decoding]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/156047365</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/156047365</guid><author>qihshe</author><pubDate>Thu, 18 Dec 2025 11:38:42 +0800</pubDate><description><![CDATA[本文提出了一种新型语义分割网络CGBNet，通过上下文编码和多路径解码提升分割性能。主要贡献包括：1）提出上下文编码模块，生成具有对比度的局部特征，有效增强不显著对象的分割效果；2）设计尺度选择方案，自适应融合多尺度特征；3）引入边界划定模块，利用低级特征优化边界预测。该网络在PASCAL Context等六个数据集上表现出色且稳定。创新点在于：对比局部特征结合上下文信息、门控机制选择多尺度特征、位置感知的边界优化方法。相比传统方法，CGBNet能更好地处理多尺度对象和边界细节问题。]]></description><category></category></item><item><title><![CDATA[Detecting Road Obstacles by Erasing Them]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/156025203</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/156025203</guid><author>qihshe</author><pubDate>Thu, 18 Dec 2025 10:49:27 +0800</pubDate><description><![CDATA[基于图像修复的道路异常障碍物检测方法 本文提出了一种仅需单目RGB图像的自动驾驶道路异常障碍物检测方法。针对训练数据中未包含的多样障碍物，该方法首先通过修复技术清除可行驶区域内的潜在障碍物，然后利用深度网络识别修复区域与原始图像的显著差异来检测异常。核心创新在于引入差异网络(Difference Network)来评估修复效果，而非直接依赖手工特征比较，从而有效克服了道路纹理多样性和修复不完美带来的误报问题。 方法流程分为两步：1)基于语义分割获取可行驶区域，采用滑动窗口方式用周边道路纹理修复疑似障碍区域；]]></description><category></category></item><item><title><![CDATA[Survey on semantic segmentation using deep learning techniques]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/155993098</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/155993098</guid><author>qihshe</author><pubDate>Wed, 17 Dec 2025 18:02:59 +0800</pubDate><description><![CDATA[本文综述了基于深度学习的语义分割方法，首先将现有方法按架构特点分为10类，包括基于特征编码器、残差学习框架等方法。文章详细介绍了VGG网络、ResNet等核心架构及其变体，分析了它们在精度提升和计算优化方面的贡献。同时概述了33个公开数据集和主流评估指标，总结了100多种模型在各类任务中的表现。通过深入解析代表性方法的架构设计，揭示了其高性能的实现原理。最后讨论了该领域存在的开放性问题及潜在解决方案，为研究者提供了全面参考。]]></description><category></category></item><item><title><![CDATA[Stacked U-Nets: A No-Frills Approach to Natural Image Segmentation]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/155989230</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/155989230</guid><author>qihshe</author><pubDate>Wed, 17 Dec 2025 00:02:34 +0800</pubDate><description><![CDATA[本文提出了一种堆叠U-Net（SUNets）架构，用于解决语义分割任务中保持高分辨率与获取全局信息的矛盾问题。传统方法通常通过增加复杂辅助模块或减少池化层来实现这一目标，但会带来参数激增和计算成本过高的问题。SUNets通过迭代堆叠U-Net模块，在不同分辨率尺度上反复整合特征，既保持了原始U-Net结构简单、参数少的优势，又能有效处理自然图像的复杂性。实验表明，最小SUNet模型在PASCAL VOC 2012数据集上mIoU比ResNet-101高4.5%，而参数减少7倍。该架构采用端到端训练，无需预训]]></description><category></category></item><item><title><![CDATA[DeepLab系列对比]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/155949918</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/155949918</guid><author>qihshe</author><pubDate>Mon, 15 Dec 2025 19:55:53 +0800</pubDate><description><![CDATA[V3： 把“上下文”再拉满（ASPP升级 + 全局池化分支），尽量摆脱CRF。V3+： 在V3的语义能力上加 decoder，把边界/小结构显著补回来。V1： 空洞卷积“保分辨率 + 大感受野”，CRF“修边”。V2： 用 ASPP 把“多尺度上下文”做成标配。]]></description><category></category></item><item><title><![CDATA[DeepLab（V3）]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/155949398</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/155949398</guid><author>qihshe</author><pubDate>Mon, 15 Dec 2025 19:51:36 +0800</pubDate><description><![CDATA[本文提出了DeepLabv3模型，通过改进空洞卷积模块来解决语义分割中的多尺度物体分割问题。作者设计了级联和并行（ASPP）两种空洞卷积模块，并引入图像级特征来增强全局上下文信息。实验表明，DeepLabv3在PASCAL VOC 2012数据集上达到了85.7%的优异性能，无需使用CRF后处理。该工作系统探讨了空洞卷积在密集特征提取和多尺度建模中的应用，为语义分割提供了新的解决方案。]]></description><category></category></item><item><title><![CDATA[DeepLab（V1）]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/155948820</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/155948820</guid><author>qihshe</author><pubDate>Mon, 15 Dec 2025 19:16:20 +0800</pubDate><description><![CDATA[摘要： DeepLab提出了一种结合空洞卷积与全连接条件随机场（CRF）的语义分割方法，解决了深度卷积神经网络（DCNN）在像素级分类任务中因空间不变性导致的定位不精确问题。通过空洞卷积高效提取密集特征，并利用CRF优化边界细节，该系统在PASCAL VOC-2012测试集上达到71.6%的交并比（IoU），刷新了当时的最佳性能。其优势包括：高速（8帧/秒的DCNN计算+0.5秒CRF推理）、高精度（超越第二名7.2%）和结构简洁性（仅DCNN与CRF级联）。相关工作对比显示，DeepLab通过端到端整合像]]></description><category></category></item><item><title><![CDATA[DeepLab（V2）]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/155946833</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/155946833</guid><author>qihshe</author><pubDate>Mon, 15 Dec 2025 18:27:31 +0800</pubDate><description><![CDATA[本文提出了一种基于深度学习的语义图像分割方法DeepLab，其核心贡献包括：(1) 采用空洞卷积技术提升特征分辨率，在不增加计算量的情况下扩大感受野；(2) 提出空洞空间金字塔池化(ASPP)结构，通过多尺度采样捕获不同大小的物体和上下文信息；(3) 结合全连接条件随机场(CRF)优化边界定位精度。该系统在PASCAL VOC-2012等数据集上取得79.7%的mIOU，达到当时最优性能。实验表明，DeepLab具有高效(8FPS)、准确和简洁的特点，通过级联DCNN和CRF模块，有效解决了特征分辨率降低、]]></description><category></category></item><item><title><![CDATA[DeepLabV3+]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/155889182</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/155889182</guid><author>qihshe</author><pubDate>Sun, 14 Dec 2025 02:47:48 +0800</pubDate><description><![CDATA[DeepLabv3+提出了一种结合空间金字塔池化与编解码器结构的语义分割模型，通过引入改进的解码器模块优化边界细节。该模型以DeepLabv3为编码器，利用空洞卷积灵活控制特征分辨率，并集成深度可分离卷积降低计算成本。在解码阶段，通过融合低级特征和4倍上采样恢复精细边界。实验表明，该模型在PASCAL VOC 2012和Cityscapes数据集上分别达到89.0%和82.1%的领先性能，无需后处理即可实现高效准确的分割。核心贡献包括：1) 高效的编解码架构；2) 空洞卷积的灵活应用；3) 深度可分]]></description><category></category></item><item><title><![CDATA[PIX2SEQ: A LANGUAGE MODELING FRAMEWORK FOR OBJECT DETECTION]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/150520518</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/150520518</guid><author>qihshe</author><pubDate>Tue, 19 Aug 2025 16:20:20 +0800</pubDate><description><![CDATA[我们提出了Pix2Seq，一个简单而通用的目标检测框架。与现有的明确集成有关任务的先验知识的方法不同，我们将对象检测作为一种基于观察到的像素输入的语言建模任务。对象描述（例如，边界框和类标签）被表示为离散标记的序列，我们训练神经网络来感知图像并生成所需的序列。我们的方法主要是基于直觉，如果神经网络知道物体在哪里和是什么，我们只需要教它如何读取它们。除了使用特定于任务的数据增强之外，我们的方法对任务进行了最小的假设，但与高度专业化和优化的检测算法相比，它在具有挑战性的COCO数据集上取得了具有竞争力的结果。]]></description><category></category></item><item><title><![CDATA[SET: Spectral Enhancement for Tiny Object Detection（CVPR2025）]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/149573544</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/149573544</guid><author>qihshe</author><pubDate>Wed, 23 Jul 2025 16:16:32 +0800</pubDate><description><![CDATA[本文提出了一种针对 Tiny Object Detection（TOD）任务的新型方法——Spectral Enhancement for Tiny object detection（SET）。通过对特征编码后的小物体进行频域分析，发现高频信息对小物体识别造成了干扰，因而设计了通过抑制背景中的高频信息来增强小物体检测性能的方法。具体地，SET 包含两个模块：层次化的背景平滑（HBS）模块和对抗扰动注入（API）模块。]]></description><category></category></item><item><title><![CDATA[RGBA图片格式转换为RGB格式（解决convert转换的失真问题）]]></title><link>https://blog.youkuaiyun.com/qihshe/article/details/149426316</link><guid>https://blog.youkuaiyun.com/qihshe/article/details/149426316</guid><author>qihshe</author><pubDate>Thu, 17 Jul 2025 17:33:31 +0800</pubDate><description><![CDATA[OpenCV 的 cv2.cvtColor(…, cv2.COLOR_BGRA2GRAY) 会直接忽略 Alpha 通道的含义，将它当作第四个颜色通道来处理。也就是说，即使 Alpha 为 0（完全透明），它也会参与这个公式，导致原本透明区域的像素值被错误地计算成一个“伪灰度值”。]]></description><category></category></item></channel></rss>