嗑研狗的日常

Attention Bottlenecks for Multimodal Fusion论文阅读笔记一、相关信息1、论文名称： Attention Bottlenecks for Multimodal Fusion2、论文地址： https://arxiv.org/pdf/2107.00135v1.pdf3、引用方式：@article{nagrani2021attention, title={Attention bottlenecks for multimodal fusion}, auth

More Diverse Means Better: Multimodal Deep Learning Meets Remote-Sensing Imagery Classification论文题目：More Diverse Means Better: Multimodal Deep Learning Meets Remote-Sensing Imagery Classification论文链接：https://ieeexplore.ieee.org/document/9174822引用方式：@AR

Cloud Removal with Fusion of High Resolution Optical and SAR Images Using Generative Adversarial Networks论文题目：Cloud Removal with Fusion of High Resolution Optical and SAR Images Using Generative Adversarial Networks论文链接：https://www.mdpi.com/2072-4292/12/

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

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.

![在这里插入图片描述]

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

轮廓波-非下采样轮廓波NSCT1、定义a) NSCT变换主要由两部分组成：① 尺度分解的非下采样金字塔滤波器组(Non Subsampled Pyramid Filter Bank,NSPFB)② 方向分解的非下采样方向滤波器组(Non Subsampled Directional Filter Bank,NSDFB)b) NSCT也称作塔型滤波器组，它的实现结合了多方向分析和多尺度分析，属于一种多分辨、多局域、多方向的图像表示方法。2、分解过程3、应用① NSCT+CNN② N

多模态融合的高分遥感图像语义分割方法(python)论文地址：http://www.cnki.com.cn/Article/CJFDTotal-ZNZK202004012.htm1、SE-UNet 网络模型2、SE-UNet的具体设计方案3、SE-UNet的pytorch复现import torch.nn as nnimport torch.utils.model_zoo as model_zoofrom torch.nn import functional as Fimport tor

学术检索数据库总结一、中文数据库介绍１、中国知网期刊论文、博士论文、会议论文、学术的毕业论文等中国最主要的中文期刊、学位论文库之一。由清华大学、清华同方发起，始建于1999年6月。除了大量的医学文献以外，还有大量社科类文献资料，有助于医院管理及人文社科方面的资源获取。因为中国知网进入电子出版行业比较早，使用的人群基数比较大，大家都已经熟悉了中国知网的检索方式，并且中国知网在资源量方面也是排在前列的，使中国知网成为了中文必检数据库。2、万方数据库比知网小点在检索选项中，我们可以运用文本词检

如何巧妙地回复审稿意见1、逐条回复我们需要将不同审稿人的不同意见逐一进行回答，并且要通过简单的section将其进行区分2、礼貌回复每一条回复的第一句首先要表示感谢① Thank you very much for you kind suggestions.② Thank you very much for your significative suggestion.③ Thank you very much for you careful suggestion.④ Thank you ve