- 博客(12)
- 收藏
- 关注
RSS订阅原创 DHAN-SHR:基于双混合注意力网络的镜面高光去除网络
镜面高光去除在多媒体应用中扮演着关键角色，因为它增强了图像和视频的质量和可解释性，最终提高了基于内容的检索、目标识别和场景理解等下游任务的性能。尽管基于深度学习的方法取得了显著进展，但当前最先进的方法通常依赖于额外的先验知识或监督，限制了它们的实用性和泛化能力。在本文中，我们提出了一种用于镜面高光去除的双混合注意力网络（DHAN-SHR），这是一个端到端网络，引入了新颖的混合注意力机制，有效地捕获和处理不同尺度和域中的信息，而不依赖于额外的先验知识或监督。
2024-09-19 20:54:31
1155
原创 镜面高光去除代码，DHAN-SHR的推理代码，自己写的
这篇博客主要是解决DHAN-SHR网络没有发布推理代码的问题（新手写推理代码可能有问题），所以本文给出了DHAN-SHR网络的推理代码，希望可以帮助到大家。
2024-09-19 20:51:04
416
1
原创 U-KAN：医学图像分割与生成的骨干网络
U-Net已成为各种视觉应用的基石，例如图像分割和扩散概率模型。尽管通过整合变换器或MLP引入了许多创新设计和改进，但这些网络仍然限于线性建模模式以及缺乏可解释性。为了解决这些挑战，我们受到Kolmogorov-Arnold Networks (KANs)在准确性和可解释性方面取得的印象深刻的结果的启发，这些结果通过Kolmogorov-Anold表示定理派生的非线性可学习激活函数堆叠来重塑神经网络学习。具体来说，在本文中，我们探索了KANs在改善视觉任务骨干方面的未开发潜力。
2024-08-30 18:52:44
3148
1
原创 windows10/win10 重装系统（超级详细，傻瓜都会），windows11/win11同样适用
了解自己电脑的引导设备快捷键，需要你在电脑开机的时候“狂按”，我的是华为笔记本，需要按F12。其次，打开你刚才下载的.exe文件，会出现下面的界面，并依次照着做。将非C盘区域都删除，并将C盘格式化。到此就结束啦，恭喜！
2024-08-28 15:21:01
12504
原创 三阶段网络镜面高光去除：Towards High-Quality Specular Highlight Removal by Leveraging Large-Scale Synthetic Data
本文旨在从单个物体级图像中移除高光。尽管先前的方法已取得一定进展，但它们在处理具有复杂高光的真实图像时，性能仍有限。为此，我们提出了一个三阶段网络来解决这些问题。具体来说，给定一张输入图像，我们首先将其分解为反照率、阴影和高光残差分量，以估计一个粗糙的无高光图像。然后，我们进一步细化这个粗糙结果，以减轻其视觉伪影，例如颜色失真。最后，我们调整细化结果的色调，使其尽可能与输入图像的色调匹配。此外，为了促进网络训练和定量评估，我们展示了一个大规模合成数据集，涵盖了多样化的物体和照明条件。
2024-08-25 22:15:51
1063
1
原创 工业环境下的高光去除方法：Specular Removal of Industrial Metal Objects Without Changing Lighting Configuration
在工业环境中，使用计算机视觉方法测量和重建金属物体可能会受到表面高光反射的影响，导致结果不准确。在本文中，我们提出了一种新颖的网络结构，其具有广泛的适用性，基于动态高光掩模去除高光反射，适用于没有无高光反射基线图像的工业金属高光图像。首先，我们使用预训练模型学习金属表面的高光特征，然后构建一个自适应的动态高光软掩模，允许在去除高光的同时保留高光区域的纹理特征。其次，我们使用自适应高光掩模调整卷积操作的形状和偏移量，以更好地匹配金属表面结构，并避免部分卷积网络中高光边缘的不自然过渡。
2024-08-25 22:09:58
970
原创 labelimg教程和使用
下载labelimg（anaconda中的一个模块）。打开anaconda prompt创建一个环境：conda create -n labeimg python=3.8；然后在这个环境中下载labelimg模块：pip install labelimg；Auto Save mode：切换图片时会自动保存标签。Advanced Mode：标注的十字架会一直悬浮。Display Labels：显示标注框和标签。A：切换到上一张图片。D：切换到下—张图片。del：删除标注框框。
2024-03-07 13:17:22
805
1
原创 yolov8环境搭建
首先打开命令提示符cmd输入conda activate python38回车运行，激活环境。print(torch.cuda.device_count())#查看对应CUDA的版本号。之后输入pip uninstall torch回车运行，卸载CPU版本的pytorch。print(torch.cuda.is_available())#返回设备gpu个数。②查看电脑的显卡驱动：在桌面右击鼠标→控制面板→帮助→系统信息→组件。”到cmd中回车运行，安装GPU版本的pytorch。打开命令提示符：cmd。
2023-10-30 11:32:05
1132
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人