- 博客(47)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 单提示分割所有医学图像
本文介绍了一种新的医学图像分割方法-单点分割。单提示分割结合了单次和交互式方法的优点。在推理阶段，只需一个提示样本，它就可以在一次向前传递中熟练地处理看不见的任务。
2024-12-28 17:23:41
81
原创 当视觉提示调优遇到无源领域自适应语义分割
首先将源预训练骨干与冻结参数分为多个阶段，并提出了一个轻量级的提示适配器，用于渐进地将信息性知识编码为提示，并增强相邻骨干阶段之间目标特征的泛化。同时，设计了一种具有多尺度一致性损失的新型自适应伪标签校正策略，以减轻具有噪声伪标签的目标样本的负面影响，并提高视觉提示对空间扰动的能力。
2024-12-28 17:14:18
127
原创 跑DecoupleSegNets遇到的问题
不想用 ./scripts/train/train_cityscapes_ResNet50_deeplab.sh，直接改train.py。这俩权重都下载下来，第二个下载下来是".tar"结尾，但是解压失败，删掉“.tar”就行。代码：https://github.com/lxtGH/DecoupleSegNets。原来citiscapes是19类，我做的2分类，数据集按照citiscapes格式改好。train.py import一堆包之后加上。resnet_d.py 315行。问题2：权重文件缺失。
2024-09-13 11:00:16
309
原创 跑Boundary-Aware Feature Propagation遇到的问题
从train.py代码第一行import开始添加，print（“check1”），发现问题torch.encoding无法导入，反复地参考github源代码https://github.com/zhanghang1989/PyTorch-Encoding重新安装。2、为还原作者使用的环境，AutoDL租了个2卡2080Ti，cuda 10.1，pytorch1.4 python3.6.2。
2024-09-01 21:27:29
354
原创 linux访问github网速太慢 the remote end hung up unexpectedly问题
pip install git+https://时遇到fatal: the remote end hung up unexpectedly。linux访问github网速太慢 the remote end hung up unexpectedly问题。保存退出，参考：https://zhuanlan.zhihu.com/p/489362379。将查询到的ip复制到文件，复制格式如下。
2024-08-30 17:17:31
552
1
原创 基于混合监督的表面缺陷检测 From weakly to fully supervised learning
混合监督目标检测：弱标记+少量注释样本的混合监督 即可达到与完全监督相当的性能
2023-03-16 19:00:09
597
原创 HyperTransformer: A Textural and Spectral Feature Fusion Transformer for Pansharpening
HyperTransformer: A Textural and Spectral Feature Fusion Transformer for PansharpeningHyperTransformer:用于全色锐化的纹理和光谱特征融合Transformer来源：CVPR2022Transformer已经用到了全色锐化领域了~~~文章一直说是全色锐化，代码显示是对HRHSI高斯模糊下采样得到LRHSI，选HRHSI三个波段拼接得到三波段图像，将这两者融合。HyperTransformer在本文中被当
2022-03-13 09:46:52
6574
原创 基于隐式神经表示的RGB图像连续谱重建（NeSR）
Continuous Spectral Reconstruction from RGB Images via Implicit Neural Representation（NeSR）基于隐式神经表示的RGB图像连续谱重建中国科学技术大学 、华为诺亚方舟实验室、北京理工大学摘要：现有的光谱重建方法通常学习从RGB图像到多个光谱带的离散映射。然而，这种建模策略忽略了光谱特征的连续性。在本文中，通过引入一种新的连续光谱表示，提出了神经光谱重建(NeSR)来打破这一限制。为此，本文接受了隐函数的概念，并用神经
2022-01-21 22:09:51
3577
原创 SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers Transformer高光谱分类论文笔记
SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers作者：Danfeng Hong,Zhu Han,Jing Yao, Lianru Gao,Bing Zhang,Antonio Plaza,and Jocelyn Chanussot来源：2021 IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING本文动机：CNN
2021-12-03 21:31:22
14542
7
转载 CA-Net: Comprehensive Attention Convolutional Neural Networks用于可解释医学图像分割的综合注意卷积神经网络
CA-Net: Comprehensive Attention Convolutional Neural Networks论文：CA-Net: Comprehensive Attention Convolutional Neural Networks for Explainable Medical Image Segmentation代码：HiLab-git/CA-Net准确的医学图像分割对于疾病的诊断和治疗计划至关重要。卷积神经网络（CNN）在自动医学图像分割方面已经取得了最先进的性能。然而，它们仍
2021-10-20 11:25:00
2131
原创 Coordinate Attention for Efficient Mobile Network Design坐标注意力以实现高效的移动网络设计论文笔记
Coordinate Attention for Efficient Mobile Network Design坐标注意力以实现高效的移动网络设计CVPR2021 即插即用的注意力块Mobile Network设计的最新研究成果表明，通道注意力（例如，SE注意力）对于提升模型性能具有显著效果，但它们通常会忽略位置信息，而位置信息对于生成空间选择性注意力图是非常重要。因此在本文中，作者通过将位置信息嵌入到通道注意力中提出了一种新颖的移动网络注意力机制，将其称为“Coordinate Attention
2021-10-11 16:14:04
662
转载 Ultra Lightweight Image Super-Resolution with Multi-Attention Layers论文笔记
Ultra Lightweight Image Super-Resolution with Multi-Attention Layers具有多注意力层的超轻量级图像超分辨率在AIM 2020高效SR挑战赛上，分别在内存使用，FLOPs和参数数量上获得了第一，第三和第四名，优于CBPN和CARN等。轻量级图像超分辨率（SR）网络对于现实应用具有最重要的意义。有几种基于深度学习的SR方法具有出色的性能，但是它们的内存和计算成本却在实际使用中受到阻碍。为了解决此问题，我们提出了一种多注意力特征融合超分辨率
2021-08-24 11:03:05
788
原创 Residual Feature Distillation Network for Lightweight Image Super-Resolution（AIM2020）轻质超分辨率的残差特征蒸馏
图像超分取得了极大的进展，尽管基于CNN的方法取得了极好的性能与视觉效果，但是这些模型难以部署到端侧设备(高计算量、高内存占用)。为解决上述问题，已有各种不同的快速而轻量型的CNN模型提出，**IDN(Information Distillation Network, IDN)**是其中的佼佼者，它采用**通道分离**的方式提取蒸馏特征。然而，我们并不是很清晰的知道这个操作是如何有益于高效单图超分（SISR）的。本文提出一种等价于通道分离操作的**特征蒸馏连接操作****(Feature Disti
2021-08-21 09:20:32
3526
原创 MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-Resolution论文笔记
MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-ResolutionMASA-SR基于匹配加速和空间适应的有参考超分辨率CVPR2021，代码：https://github.com/dvlab-research/MASA-SR。快手，思谋，港中文论文中有些小问题还不是很清楚在这里插入图片描述在这里插入图片描述...
2021-08-20 11:56:12
1639
2
原创 Hyperspectral Image Super-Resolution by Band Attention Through Adversarial Learning对抗学习波段注意高光谱超分论文笔记
**Hyperspectral Image Super-Resolution by Band Attention Through Adversarial Learning**IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, VOL. 58, NO. 6, JUNE 2020高光谱图像（HSI）的超分辨率（SR）是一项具有挑战性的任务，因为当放大系数较大时，会出现纹理模糊和光谱失真问题。为了应对这两个挑战，本文提出了通过对抗性学习的波段注意力。首先
2021-07-15 22:01:20
768
1
原创 DMSANet: Dual Multi Scale Attention Network（2021CVPR）双尺度注意网络论文笔记
DMSANet: Dual Multi Scale Attention Network双多尺度注意网络Abhinav Sagar作者主页：https://abhinavsagar.github.io/在本文中，提出了一个新的注意力模块，它不仅能达到最好的性能，而且与大多数现有的模型相比，具有更少的参数。最近，注意力机制在计算机视觉界相当流行。为了提高网络的性能，人们做了大量的工作，尽管几乎总是导致计算复杂性的增加。在本文中，提出了一个新的注意力模块，它不仅能达到最好的性能，而且与大多数现有的模型相比
2021-06-19 21:33:08
2702
2
转载 高光谱图像学习资源怎么找
转载自 微信公众号 科研之高光谱加粗样式https://mp.weixin.qq.com/s/S5i3G6sPee1pFAnqwaUyuQ你好，这里是每周五学习心得分享，今天分享的内容是怎样找到更好的高光谱图像学习资源，我梳理了以下四种方式：关注国内外研究学者的主页，我总结了一下高光谱图像领域国内外知名学者（点击公众号菜单研究团队），大家可以做个参考。https://mp.weixin.qq.com/s/ddAoMgNmjS9GQm3SB4S2Sw国外University of Extrem
2021-06-04 17:23:53
1203
1
原创 英文写作笔记（1）Introduction
一、How to Write an Introduction？在导言中需要做的许多事情都是在讨论/结论中以相反的顺序完成的，在介绍中，你首先相当普遍，逐渐缩小你的关注范围，而讨论/结论则相反。1.2 Grammar and Writing SkillsTENSE PAIRS SIGNALLING LANGUAGE PASSIVE/ACTIVE USE PARAGRAPHING1.2.1 Tense pairsPresent Simple/Present Continuou
2021-05-23 10:23:51
1689
3
原创 频谱分治的多光谱和高光谱图像融合方法 论文笔记
频带分治的多光谱和高光谱图像融合方法 在本文中，我们提出了一个频谱分治框架(BDCF)来解决这个问题，通过全面考虑频谱保真度、空间增强和计算效率。首先，根据HS和MS的谱响应，将HS的谱带分为重叠和非重叠带，然后提出了一种新的基于组分替换(CS)的改进方法来融合LRHS的重叠带。然后，提出了一种基于映射的神经网络方法来构造原始LRHS数据的重叠带和非重叠带之间的复杂非线性关系。将训练后的网络映射到融合重叠的HRHS波段，以估计非重叠的HRHS波段。...
2021-05-12 21:45:23
904
2
转载 ENVI处理遥感教程及学习资料
转载自http://blog.sina.com.cn/s/blog_764b1e9d0102y64u.html微博ENVI-IDL技术殿堂2017年ENVI-IDL遥感应用培训班素材及录屏共享2017年在8个城市共举办8场培训班。共有来自260多个单位的630多人参加。今年培训班继续以中国遥感应用协会和我公司的名义共同主办，部分地区与地方遥感协会、高校联合主办。培训时间依然是5天，内容上形成卫星图像处理专题、遥感应用专题、技术专题、SAR图像处理专题和IDL与ENVI二次开发专题，每站培训班通过投票方式
2021-04-25 10:30:32
4538
6
原创 批量裁剪高光谱图片使其大小可以被32整除存储裁剪后的图片图片名与原图片相同
批量裁剪高光谱图片，使其大小可以被32整除，存储裁剪后的图片，图片名与原图片相同。clearclcpathstr1 = fileparts('.\icvl'); %当前路径dirname1 = fullfile(pathstr1, 'icvl','*.mat'); imglist1 = dir(dirname1);sf=32; %scale factorTest_file={'icvl'}; %原图像数据集Result_dir ='crop'; %裁剪图像存放位置Out_dir=f
2020-12-07 21:19:55
490
原创 卷积神经网络膨胀卷积
卷积神经网络中的卷积核卷积核就是图像处理时，给定输入图像，输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数称为卷积核，又称滤波器。卷积核的大小一般有1x1,3x3和5x5的尺寸（一般是奇数x奇数）。同样提取某个特征，经过不同卷积核卷积后效果也不一样。可以发现同样是锐化，5x5的卷积核要比3x3的卷积核效果细腻不少。CNN的卷积核通道数=卷积输入层的通道数CNN的卷积输出层通道数(深度)=卷积核的个数在卷积层的计算中，假设输入是Hx W .
2020-12-04 15:43:46
1585
原创 用于多聚焦图像融合的全局特征编码GEU网论文笔记
与传统方法相比，基于卷积神经网络的多聚焦图像融合方法从源图像中学习聚焦图，大大提高了融合性能。然而，这些方法尚未达到令人满意的融合结果，因为卷积运算过于关注局部区域、将生成聚焦图作为局部分类(将每个像素分类为聚焦或非聚集类别)问题。 提出了一种用于多聚焦图像融合的全局特征编码的GEU网络。在所提出的全局优化网络中，使用了U-Net网络将聚焦图的生成作为一个全局两类分割任务，从全局角度分割聚焦和散焦区域。为了提高U-Net的全局特征编码能力，引入了全局特征金字塔提取模块(GFPE)和全局注意连接上采样模块..
2020-12-04 15:38:49
977
4
原创 matlab图像归一化方法
B为二维矩阵，大小为16*16一、max-min归一化：Bmax=max(max(B));Bmin=min(min(B)); for a=1:16 for b=1:16 B(a,b)=(B(a,b)-Bmin)/(Bmax-Bmin); end end二、B=B/255B=B/65535三、B=im2double（B）%把图像转换成double精度类型（0~1）...
2020-11-04 20:27:35
10202
原创 用matlab实现图片下采样（mat矩阵分块求平均再重组）
将256*256大小的图片以factor32下采样得到16*16的大小（256*256矩阵分成32*32的矩阵，在每个块上求平均值，所得平均值重新组成新的16*16矩阵）A=imgB=zeros(16,16); for i=1:16 for j=1:16 subA=A((1+32*(i-1):i*32),(1+32*(j-1):j*32)); B(i,j)=mean(subA(:)); end endimshow
2020-11-04 20:21:54
2160
原创 图像融合数据集
图像数据集网站CVonline：图像数据库YACVIDTNO Image Fusion Dataset多聚焦图像http://www.pxleyes.com/photography-contest/19726https://mansournejati.ece.iut.ac.ir/content/lytro-multi-focus-datasethttp://dsp.etfbl.net/mif/https://github.com/sametaymaz/Multi-focus-
2020-11-04 10:02:21
2330
3
原创 基于元分析思想的遥感图像泛锐化方法综述：实践探讨与挑战 论文笔记
题目：Review of the Pansharpening Methods for Remote Sensing Images Based on the Idea of Meta-analysis: Practical Discussion and Challenges 基于元分析思想的遥感图像泛锐化方法综述：实践探讨与挑战作者：Xiangchao Meng , Huanfeng ...
2020-10-31 21:47:58
730
1
原创 高光谱数据集，论文笔记，图像融合代码汇总
数据集：https://blog.youkuaiyun.com/siyumiao_hbu/article/details/109291055论文笔记：高光谱图像超分辨率空间谱先验学习Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral ImageryGDD无监督图像对融合Guided Deep Decoder: Unsupervised Image Pair Fusion用于半盲高光谱和多光谱图像融合的非局部稀疏张..
2020-10-31 10:51:43
11381
37
原创 基于CNN的Landsat 8全色与多光谱图像融合的泛锐化方法
基于CNN的Landsat 8全色与多光谱图像融合的泛锐化方法摘要为了解决影响传统方法的光谱和空间失真问题，提出了一种基于卷积神经网络结构的泛锐化方法，将低空间分辨率的多光谱图像进行升级，并与高空间分辨率的全色图像进行融合，生成一幅新的高空间分辨率的多光谱图像。该方法基于有线电视网络体系结构的金字塔结构，具有较高的学习能力，能够为建设任务生成更具代表性和鲁棒性的层次特征。此外，通过叠加多个线性滤波层可以有效模拟高度非线性的融合过程，适用于学习高空间分辨率全色图像和低空间分辨率多光谱图像之间的复杂..
2020-10-31 10:51:16
2172
2
原创 高光谱和多光谱数据融合的比较[综述]2017 论文笔记
近年来，人们在设计图像处理算法以提高高光谱图像的空间分辨率方面做了大量的工作。HS数据与高空间分辨率多光谱(MS)数据的融合是最常见的问题之一。基于不同的理论，人们提出了不同的数据融合方法，包括分量替代(CS)、多分辨率分析(MRA)、光谱分离和贝叶斯概率。本文通过大量的实验对那些HS-MS融合技术进行了比较综述。通过定量和可视化评估10种最先进的HS-MS融合方法的融合性能，对其进行了比较。实验中使用了8个具有不同地理和传感器特征的数据集来评估融合算法的通用性和通用性。为了最大化这种比较的公平性和透明..
2020-10-31 10:50:33
2853
6
原创 基于自适应响应函数学习的耦合卷积神经网络在高光谱超分辨中的应用 论文笔记
Coupled Convolutional Neural Network With Adaptive Response Function Learning for Unsupervised Hyperspectral Super ResolutionHyCoNet由三个耦合的自动编码器网络组成，其中HSI和MSI基于线性分解模型解混成端元和丰度。设计了两个特殊的卷积层作为与三个自编码网络协调的桥梁，在训练过程中自适应地学习两个卷积层的PSF和SRF参数。此外，在联合损失函数的驱动下，该方法简单明了，
2020-10-31 10:47:08
779
原创 多光谱高光谱数据集
两个图像数据集网站http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htmCVonline：图像数据库http://yacvid.hayko.at/YACVID自然场景的高光谱图像 - 2002（David H. Foster）自然场景的高光谱图像 - 2004（David H. Foster）ICVL五个多光谱成像数据集用于语义分割的高分辨率多光谱数据集...
2020-10-26 15:58:04
3896
原创 高光谱图像超分辨率空间谱先验学习论文笔记
Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery
2020-09-24 10:25:47
2204
5
原创 GDD无监督图像对融合 论文笔记
Guided Deep Decoder: Unsupervised Image Pair Fusion摘要：提出了一个有指导的深度编码器网络作为一般先验。所提出的网络由两部分组成：1、利用引导图像的多尺度特征的编码器-解码器网络。2、产生输出图像的深度解码器网络组成。这两个网络由特征细化单元连接，以将引导图像的多尺度特征嵌入到深度解码器网络中。所提出的网络允许在没有训练数据的情况下以无监督的方式优化网络参数。符号表示：低分辨率或有噪声的输入图像、guidance图像C W和H分别表示通道数.
2020-09-17 10:39:53
946
原创 具有结构张量表示的无监督深度图像融合 论文笔记
Unsupervised Deep Image Fusion With Structure Tensor Representations具有结构张量表示的无监督深度图像融合来源：IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 29, 2020作者：Hyungjoo Jung, Youngjung Kim , Hyunsung Jang, Namkoo Ha, and Kwanghoon Sohn...
2020-06-28 09:39:11
975
5
原创 一用于半盲高光谱和多光谱图像融合的非局部稀疏张量分解 论文笔记
Nonlocal Sparse Tensor Factorization for Semiblind Hyperspectral and Multispectral Image Fusion一用于半盲高光谱和多光谱图像融合的非局部稀疏张量分解Renwei Dian , Student Member, IEEE, Shutao Li , Fellow, IEEE, Leyuan Fang , Senior Member, IEEE, Ting Lu , Member, IEEE, and José
2020-06-19 11:13:08
885
多光谱图像评价指标含psnr,rmse, ergas, sam, uiqi,ssim,DD,CCS
2020-11-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人