自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 收藏
  • 关注

原创 《ReCoNet: Recurrent Correction Network forFast and Efficient Multi-modality Image Fusion》论文讲解

近年来,深度网络在红外与可见光图像融合(IVIF)中得到了极大的关注。然而,现有的大多数方法都不能处理源图像上的微小错位,并且存在计算和空间开销较高的问题。针对这两个关键问题,本文提出了一种用于鲁棒且高效融合的递归纠错网络,即ReCoNet。具体地说,我们设计了一个形变模块来显式补偿几何失真,并设计了一个注意力机制来减轻重影伪影。同时,该网络由一个并行的膨胀卷积层组成,并以递归的方式运行,显著降低了空间和计算的复杂性。ReCoNet可以有效和高效地缓解因轻微未对齐而带来的结构扭曲和纹理伪影。

2024-11-10 10:46:50 769 1

原创 《UMF-CMGR》论文翻译解读

近年来,基于学习的图像融合方法在多模态数据预配准方面取得了长足的进步,但在多模态数据配准不一致的情况下,由于多模态数据的空间变形和模态间差异难以缩小,会产生严重的伪影。为此提出了一种鲁棒的无监督错位红外与可见光图像融合(IVIF)的跨模态生成-配准方法.具体地说,我们提出了一个跨模态感知风格传输网络(CPSTN),以产生伪红外图像,以可见光图像作为输入。利用CPSTN良好的几何保持能力,生成的伪红外图像具有清晰的结构特征,结合红外图像的结构敏感性,更有利于将跨模态图像配准转化为单模态配准。

2024-10-24 15:22:02 1783

原创 《U2Fusion:A Unified Unsupervised ImageFusion Network》论文翻译解读

本研究提出了一种新的统一的和无监督的端到端图像融合网络,称为U2 Fusion,它能够解决不同的融合问题,包括多模态,多曝光和多焦点的情况下。通过特征提取和信息度量,U2 Fusion自动估计对应源图像的重要性,并给出自适应的信息保持度。因此,不同的融合任务统一在同一个框架。基于自适应度,训练网络以保持融合结果与源图像之间的自适应相似性。因此,将深度学习应用于图像融合的绊脚石,例如,极大地减轻了对地面实况和专门设计的度量的要求。

2024-10-23 16:44:18 919

原创 Text-IF论文解读翻译

图像融合的目的是将来自不同源图像的信息结合,以产生具有综合代表性的图像。现有的融合方法对低质量源图像的降质处理无能为力,且对多种主客观需求无交互性。为了解决这些问题,我们引入了一种新的方法,利用语义文本引导图像融合模型的降级感知和交互式图像融合任务,称为TextIF。它创新性地将经典的图像融合扩展到文本引导的图像融合,沿着能够协调地解决融合过程中的退化和交互问题。通过文本语义编码器和语义交互融合解码器,Text-IF实现了红外与可见光图像的一体化降质感知处理和交互式灵活融合结果。

2024-10-22 10:26:57 999 1

原创 如何下载torch1.8.1和cu111

torch1.8.1+cu111下载完成后,还要分别下载所对应的torchvision==0.8.1+cu111和torchaudion==0.8.1,同理选择cp38。镜像下载的一般是cpu版本,需要自己手动去官网pip下载安装,有些时候下载成功后使用torch.cuda.is available()测试时返回都为false。2、下载时可以看到有很多个版本,cp38对应python3.8,win_amd64对应windows的64位操作系统,根据自己的实际情况进行下载。下载相对应的版本即可!

2024-10-10 14:13:42 2576 1

原创 清华园镜像下载网站

清华园镜像下载网站:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 需要下载的包。

2024-10-10 13:38:34 1515

原创 解决新创建的虚拟环境在C盘而不是anaconda的envs里面的问题

首先查看虚拟环境安装位置:win+r,输入cmd,打开终端,在输入conda env list,这样就可以查看虚拟环境的安装位置。上面是改正后的安装位置,第二个刚开始安装时是在C盘。(我的在D盘),再根据上面的步骤即可成功。

2024-10-10 11:09:22 486

原创 创建虚拟环境时出现CondaSSLError

虚拟环境出现SSL安全证书问题

2024-10-10 10:49:14 121

原创 深度学习环境搭建(Anaconda+Pytorch+CUDA+cuDNN)

4、检查cudnn是否安装成功,进入cuda安装路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\extras\demo_suite。需要在安装的anaconda文件夹里找到这几个路径(根据自己安装的路径进行修改,后面的内容文件夹里面一般都能找到),然后将他们添加进去。注意更改自己的安装目录,新建的文件夹应该是空的,不然会报错,文件名称也不能有中文名。下面是安装时的默认路劲,安装的时候需要记好,以便后续用到。

2024-10-10 10:46:30 1517 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除