嗑研狗的日常

HS和SAR的融合总结一、传统的方法：首先生成一个融合图像，然后再对其进行手工的特征提取和分类。1、成分替换：替换的成分仍然还有部分光谱信息，融合图像会存在光谱扭曲现象。① IHS+DWT② PCA和HSV具体的操作如下所示：③ HSV2、多分辨率分析：高低频的融合策略影响着融合图像的质量二、基于深度学习的方法用两个不同的网络分别提取各自的特征，然后对其进行直接级联融合，最后再进行分类。这种方法简单粗暴。三、目前存在的问题1、类内差异大，类间差异小：如何降低类内差异，增大类

阅读论文笔记：Generic Attention-model Explainability for Interpreting Bi-Modal and Encoder-Decoder Transformers论文名称： Generic Attention-model Explainability for Interpreting Bi-Modal and Encoder-Decoder Transformers论文链接： https://arxiv.org/abs/2103.15679代码链接： ht

Transformer小白入门一、举例说明Transformer的整体工作原理\quad 首先将这个模型看成是一个黑箱操作。在机器翻译中，就是输入一种语言，输出另一种语言。\quad 那么拆开这个黑箱，我们可以看到它是由编码组件、解码组件和它们之间的连接组成。\quad 编码组件部分由一堆编码器（encoder）构成（论文中是将6个编码器叠在一起——数字6没有什么神奇之处，你也可以尝试其他数字）。解码组件部分也是由相同数量（与编码器对应）的解码器（decoder）组成的。\quad 最后一层

论文阅读笔记：Remote Sensing Image Change Detection With Transformers论文题目： Remote Sensing Image Change Detection With Transformers论文链接：https://ieeexplore.ieee.org/document/9491802代码链接：https://github.com/justchenhao/BIT_CD引用方式：@Article{chen2021a, title={R

Spatial-Spectral Transformer for Hyperspectral Image Classification论文题目： Spatial-Spectral Transformer for Hyperspectral Image Classification下载链接： https://www.researchgate.net/publication/348804892_Spatial-Spectral_Transformer_for_Hyperspectral_Image_Cla

论文题目： Multimodal remote sensing benchmark datasets for land cover classification with a shared and specific feature learning model论文链接： https://www.sciencedirect.com/science/article/pii/S0924271621001362?dgcid=rss_sd_all.代码链接：https://github.com/danfengho

论文题目： SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers论文链接： https://arxiv.org/pdf/2107.02988.pdf.代码链接： https://sites.google.com/view/danfeng-hong.引用方式：@misc{hong2021spectralformer, title={SpectralFormer: Rethinking

论文阅读笔记：Learning Statistical Texture for Semantic Segmentation论文名称：Learning Statistical Texture for Semantic Segmentation论文地址：https://arxiv.org/pdf/2103.04133.pdf.代码链接：https://github.com/lanyunzhu99/Learning-Statistical-Texture-for-Semantic-Segmentation.

MATLAB遍历文件夹下的图像并将处理生成的文件遍历存入clear all;close all;clc;imgDataPath = 'E:/SAREO/train_images/TRAIN/';imgDataDir = dir(imgDataPath); % 遍历所有文件for i = 1:length(imgDataDir) if(isequal(imgDataDir(i).name,'.')||... % 去除系统自带的两个隐文件夹 iseq

DIDFuse: Deep Image Decomposition for Infrared and Visible Image Fusion论文地址：https://arxiv.org/abs/2003.09210一、动机① 红外图像具有较强的穿透力，不受光照影响，而可见光具有较细的纹理信息和较高的空间分辨率。互补特性融合出高质量的图像。② 融合图像：突出显示辐射信息(亮度和对比度)；详细的纹理信息(梯度和边缘)；明确、完整、准确地描述目标二、方法2.1 训练：主要采用编码和解码网络来训练：双

[论文阅读] RepVGG论文地址：https://arxiv.org/abs/2101.03697代码地址：https://github.com/DingXiaoH/RepVGG作者单位：清华大学(丁贵广团队)， 旷视科技(孙剑等人)，港科大， 阿伯里斯特威斯大学一、主要思路① 为每一个3 ×\times× 3卷积层添加平行的1 ×\times× 1卷积分支和恒等映射分支，构成一个RepVGG Block；② 区别在于ResNet是每隔两层或三层加一个分支，而我们是每层都加；③ 将20多层3

队列在线程池等有限资源池中的应用1、队列：先进者先出栈支持的两个基本操作：入栈 push()和出栈 pop()队列支持的两个基本操作：入队 enqueue()，放一个数据到队列尾部；出队 dequeue()，从队列头部取一个元素。2、顺序队列和链式队列★ 用数组实现的栈叫作顺序栈，用链表实现的栈叫作链式栈★ 用数组实现的队列叫作顺序队列，用链表实现的队列叫作链式队列对于栈来说，我们只需要一个栈顶指针就可以了。但是队列需要两个指针：一个是 head 指针，指向队头；一个是 tail 指针，指向

基于UNet的变化检测论文名称：基于改进 UNet 孪生网络的遥感影像矿区变化检测论文地址：http://www.chinacaj.net/i,2,425089,0.html一、内容框架：1、改进的UNet孪生网络结构2、影响中心环绕3、特征金字塔二、网络框架复现 (Pytorch)import torch.nn as nnimport torch.utils.model_zoo as model_zoofrom torch.nn import functional as Fi

目标检测综述一、two-stage1、R-CNN (2014 CVPR)论文名称：Rich feature hierarchies for accurate oject detection and semantic segmentation论文地址： http://www.rossgirshick.info/#girshick2014rcnn.代码链接：https://github.com/rbgirshick/rcnnR-CNN 需要利用候选区域方法创建ROI (大约2000)。这些区域都会被

计算机视觉中的注意力机制1、SENet (2017 CVPR)论文名称：Squeeze-and-Excitation Networks论文连接：https://arxiv.org/abs/1709.01507代码地址：https://github.com/hujie-frank/SENet2、SKNet (2019 CVPR)论文名称：Selective Kernel Networks论文连接：https://arxiv.org/pdf/1903.06586.pdf代码地址：https:/