<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[w_study_ty的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/w_study_ty</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; w_study_ty]]></copyright><item><title><![CDATA[语义分割数据集的扩充]]></title><link>https://blog.youkuaiyun.com/w_study_ty/article/details/123067328</link><guid>https://blog.youkuaiyun.com/w_study_ty/article/details/123067328</guid><author>w_study_ty</author><pubDate>Tue, 22 Feb 2022 14:45:11 +0800</pubDate><description><![CDATA[语义分割数据集
语义分割数据集的mask图片并不是8bit的灰度图，而是png图片特有的通过调色盘去设置颜色的单通道8bit彩色图片，通过调色盘对应的值来显示对应的颜色，并且mask对应的值也对应着类别的标签。

当通过cv2去对图片进行扩充的时候，cv2的图片读取方式的原因，会将图片读取成3通道的彩图，并且保存时会保存成24bit的图片（即3通道8bit），所以语义分割数据集的mask最好不要用cv2进行读取处理，本文方法使用的是PIL库的Image方法对mask图片进行读取，并且使用PIL库的中的方法对]]></description><category></category></item><item><title><![CDATA[Swin Transformer:Hierarchical Vision Transformer using Shifted Windows 论文阅读]]></title><link>https://blog.youkuaiyun.com/w_study_ty/article/details/121669946</link><guid>https://blog.youkuaiyun.com/w_study_ty/article/details/121669946</guid><author>w_study_ty</author><pubDate>Mon, 06 Dec 2021 18:45:51 +0800</pubDate><description><![CDATA[该论文是Transformer模型在计算机视觉领域的应用，Swin Transformer的输入与DETR不同，同为Transformer模型在计算机视觉领域的应用，Swin Transformer是直接将image作为输入不需要CNN为主干网络进行特征提取，而且DETR是将image输入到CNN主干网络中进行特征提取，然后将feature map当作输入进行embedding。Swin Transformer提出的层级转换器，为了解决计算复杂度问题，以及多层特征融合问题，其中对patch进行编码和层级转换]]></description><category></category></item><item><title><![CDATA[anaconda prompt中安装Labelme]]></title><link>https://blog.youkuaiyun.com/w_study_ty/article/details/121531936</link><guid>https://blog.youkuaiyun.com/w_study_ty/article/details/121531936</guid><author>w_study_ty</author><pubDate>Thu, 25 Nov 2021 19:45:38 +0800</pubDate><description><![CDATA[Labelme是一个常用的数据集标注工具，为了不和其他的python外部库冲突（安装依赖影响其他外部库的使用），通过anaconda创建虚拟环境进行环境隔离来安装Labelme标注工具。

首先需要安装anaconda，网上会有很多安装anaconda的方法，通过网上的安装方法并且配置完环境之后进行虚拟环境：
进入虚拟环境的方法有两个，一个是通过命令行，另一个是通过anaconda prompt直接进入base环境。
1.首先是通过cmd命令行进入base环境。win+R，输入cmd打开命令行
activa]]></description><category></category></item><item><title><![CDATA[Deformable DETR：DEFORMABLE TRANSFORMERS FOR END-TO-END OBJECT DETECTION 论文阅读]]></title><link>https://blog.youkuaiyun.com/w_study_ty/article/details/120671781</link><guid>https://blog.youkuaiyun.com/w_study_ty/article/details/120671781</guid><author>w_study_ty</author><pubDate>Tue, 12 Oct 2021 20:10:35 +0800</pubDate><description><![CDATA[该论文为Transformer跨界论文，在原有的DETR的基础上做出改进，并且在COCO 2017数据集上取得了理想的成绩。该模型针对DETR收敛速度慢，训练时间长和对小物体检测效果不理想进行了相应的改进。

网络结构
该论文与DETR结构类似，同样也是由CNN进行特征的提取，通过Transformer模块进行特征和位置编码解码。

1.主干网络
Deformable DETR的主干网络也是采用的CNN进行特征提取，该论文主要使用了ResNet-50和ResNet-101作为主干网络，在ImageNet上进]]></description><category></category></item><item><title><![CDATA[Anchor DETR: Query Design for Transformer-Based Detector 论文阅读]]></title><link>https://blog.youkuaiyun.com/w_study_ty/article/details/120563603</link><guid>https://blog.youkuaiyun.com/w_study_ty/article/details/120563603</guid><author>w_study_ty</author><pubDate>Sun, 03 Oct 2021 11:14:30 +0800</pubDate><description><![CDATA[该论文为为最近比较热门的Transformer跨界论文，以DETR为基础进行改进，并且再COCO数据集上取得了很好的成绩。该结构主要就两个方向进行改进，第一个是同一区域多个目标的问题，第二个是attention机制内存消耗的问题。

网络结构
该论文与DETR结构类似，同样由CNN与Transformer组成。先由CNN进行特征提取，	再由Transformer结构将特征进行编码和预测。

1.主干网络
该论文中主干网络与DETR相同，同样是CNN进行提取特征，本文中主要使用ResNet-50和ResNet]]></description><category></category></item><item><title><![CDATA[End-to-End Object Detection with Transformers 论文阅读]]></title><link>https://blog.youkuaiyun.com/w_study_ty/article/details/120041914</link><guid>https://blog.youkuaiyun.com/w_study_ty/article/details/120041914</guid><author>w_study_ty</author><pubDate>Thu, 02 Sep 2021 12:40:42 +0800</pubDate><description><![CDATA[该论文为跨界论文，将机器翻译的Transformer结构用在了目标检测以及语义分割上，在COCO数据集上超越了Faster R-CNN。将Transformer应用到计算机视觉方面，简化了检测的流程（不需要很多手动设计的组件，如非最大抑制，或者锚）。该网络基于集合的全局损耗，通过二分匹配和Transformer中的编码解码器架构来进行预测。
网络结构
该论文由CNN与Transformer组成，由CNN提取特征，再通过Transformer结构将特征进行编码预测。

下图为网络各部分具体的结构。

1.主干]]></description><category></category></item><item><title><![CDATA[Attention Is All You Need 论文学习]]></title><link>https://blog.youkuaiyun.com/w_study_ty/article/details/119774052</link><guid>https://blog.youkuaiyun.com/w_study_ty/article/details/119774052</guid><author>w_study_ty</author><pubDate>Thu, 19 Aug 2021 10:17:48 +0800</pubDate><description><![CDATA[该论文为机器翻译方向。是attention机制为基础，以减少顺序计算为目标，将编码器解码器的复杂递归或卷积神经网络改进成本文的Transformer网络架构，避免了递归和卷积的使用。实验中表明，该模型在质量上更优越，同时更具有并行性，并且减少了训练的时间。
网络结构

上图为Transformer的网络结构，采用堆叠的自注意力（self-attention）和逐点全连接的解码器和编码器。
编码器（Encoder）
编码器结构为上图左边，由N=6个的相同层堆叠而成，每层有两个子层。这两个子层分别由Multi-]]></description><category></category></item><item><title><![CDATA[Single-Shot Refinement Neural Network for Object Detection论文学习]]></title><link>https://blog.youkuaiyun.com/w_study_ty/article/details/118720995</link><guid>https://blog.youkuaiyun.com/w_study_ty/article/details/118720995</guid><author>w_study_ty</author><pubDate>Wed, 14 Jul 2021 10:03:19 +0800</pubDate><description><![CDATA[该论文为one-stage目标检测。设计了ARM（Anchor Refinement Module）、TCB（Transfer Connection Block）、ODM（Object Detection Module）。通过ARM将box由粗到细的进行回归，再通过TCB将特征输入到ODM中。

网络结构



该论文采用的FPN（Feature Pyramid Network），使用了VGG16和ResNet-101作为主干网络，分别构建了ARM和ODM进行回归和分类，通过TCB将ARM和ODM的每层进行]]></description><category></category></item><item><title><![CDATA[R3Det: Refined Single-Stage Detector with Feature Refinementfor Rotating Object论文学习]]></title><link>https://blog.youkuaiyun.com/w_study_ty/article/details/118573726</link><guid>https://blog.youkuaiyun.com/w_study_ty/article/details/118573726</guid><author>w_study_ty</author><pubDate>Fri, 09 Jul 2021 12:07:31 +0800</pubDate><description><![CDATA[该论文为one-stage目标检测。是以RetinaNet为基础，增加了FRM（feature refinement module）以及设计了一个可导的近似偏斜损失函数（approximate SkewIoU），目的为了解决目标检测的三大挑战：1.大纵横比目标，2.密集目标的图像，3.任意旋转目标的图像。针对不同的场景做出相对应的解决方案。

网络结构



该论文是在RetinaNet的基础上进行增加新的模块和改变损失函数设计而成的，每层FPN连接着分类子网（class subnet）和边界盒回归子网（b]]></description><category></category></item><item><title><![CDATA[Focal Loss for Dense Object Detection论文学习]]></title><link>https://blog.youkuaiyun.com/w_study_ty/article/details/118568073</link><guid>https://blog.youkuaiyun.com/w_study_ty/article/details/118568073</guid><author>w_study_ty</author><pubDate>Thu, 08 Jul 2021 14:36:09 +0800</pubDate><description><![CDATA[本文为one-stage目标检测。主要对损失函数进行改进（Focal Loss），用来解决正负样本类别不平衡问题，并且增加hard sample在损失函数中的重要性。

网络结构



本文的网络名为RetinaNet，基于FPN（Feature Pyramid Networks）。以FPN为主干网络，FPN可以提取不同尺度的特征。在每个特征层有两个子网络，一个是分类子网络（class subnet），另一个是边界盒回归子网络（box subnet）。

1.分类子网络（class subnet）

分类子]]></description><category></category></item></channel></rss>