weixin_46202235的博客

原创 FusionBooster: A Unified Image Fusion Boosting Paradigm

原创 Conditional Controllable Image Fusion

Summary Method Experiments

原创 An Interactive Multi-Modal Image Fusion Framework based on Text-modulated Diffusion Model

SummaryMethodExperiments

原创 Python列表的基本语法在diffusion去噪模型中的应用

其中 up_channels 实现对列表 down_channels 反转后赋值。

原创 mmcv安装问题

上传至服务器指定目录，进入conda环境后，使用 pip install 命令安装。选择与创建conda虚拟环境的python版本匹配的whl文件，下载到本地~

原创 引用计算机视觉会议期刊全称与缩写

IEEE Trans. Image Process

原创 Preventing Catastrophic Overfitting in Fast Adversarial Training

FGSM-PCO

原创 Sensor-Adaptive Multimodal Fusion for 3D Object Detection in Adverse Weather

SummaryKey ProblemsContributions:

原创 网页无法打开的问题CONNECTION_FAILED

Win+R进入控制台。

原创 Latex常用语法总结

行内公式使用$...................$包裹，块公式在overleaf中使用\begin{equation} \end{equation}包裹。带上标和下标的求和公式。

原创 A ConvNet for the 2020s

In the 2020s，vision Transformers，特别是分层Transformers，如swin Transformer，开始超越ConvNets作为通用视觉backbones的首选。本文提出了 ConvNeXts是一种ConvNet模型，可以在多个计算机视觉基准上与最先进的分层Transformers比较，同时保持标准卷积网络的简单性和效率。在某种程度上，观察结果令人惊讶，ConvNeXt 模型本身并不是全新的——在过去的十年中，许多设计选择是单独检查的，但不是集体的。

原创 Some ideas about 数字图像处理（第四版）

人眼结构和视觉感知、光原理、通过不同传感器获取图像、采样量化（very important）、像素间关系（邻接、连通）、数学知识（运算：元素运算、矩阵运算；算术、逻辑、集合等）灰度变换函数、直方图（均衡化、规范化、局部处理）、低通高通滤波器（平滑与锐化）、组合方式用于空间增强。课程学习总结and假期阅读总结 - 2024.8.15。数字图像处理定义，起源发展，技术应用（不同成像波段）三、灰度变换、空间滤波器。

原创 python常用输出形状方式

【代码】python常用输出形状方式。

原创 tensorflow1.x版本兼容问题

计算flops和params通过加载计算图，使用profiler得到结果。传入参数设置为符合语法要求的形式，保持原设置。

原创 在arxiv上传文章

按要求填写题目、作者、摘要等信息后等待审核，有邮件通知。start new submission提交新文章。确认个人信息，选择对应领域和license。使用edu邮箱登录或新用户注册。

原创 蒙特卡洛算法用于枚举与可靠问题

原创 from apex import amp正确安装apex

运行代码如果显示apex相关报错，可考虑调整网络结构中出现的各种小问题~不需要换为cuda.amp的形式计算损失及优化。复制apex进入apex对应目录后建议直接运行setup.py，其他方法可能报错导致安装失败。首先创建合适python版本的anaconda环境。如果使用了该方法需要先卸载再安装。安装成功后退出apex当前路径。不要使用以下命令进行安装。

原创 Fusion from Decomposition：自监督分解的图像融合方法

另一种解决方案是放弃监督信息，仔细设计一些辅助损失,保持融合图像和源图像之间的一致性 或者利用定制的融合规则在一些预训练网络的语义bottleneck层进行融合(auto-encoder)(Fig. 1b) 尽管这些进步扩展了适用的场景，但它们仍然存在严重的缺陷：它们的性能严重依赖于人类对辅助损失和融合规则的知识。提出了一个统一且通用的图像融合框架，融合分解用于多个图像融合任务。为了获得源图像的有效表示，设计了基于共同和特有分解 (CUD) 的任务，以自监督的方式进行训练，并且适用于图像融合任务。

原创 Text-IF:利用语义文本引导面向退化感知和交互的图像融合

(2024).

原创 Anaconda常用命令

进入 anaconda 中 “project_name” 环境。退出当前环境 “project_name” 回到 （base)完全删除”project_name“整个空间。使用screen命令将程序置于后台运行。回到刚创建项目对应的session。安装对应的pytorch版本。以及代码所需要的其他依赖包。查看正在运行的screen。查看当前显卡占用状态。结束该项目，删除会话。

原创 STFuse:半监督迁移学习红外可见光图像融合

基于梯度信息迁移学习机制——引导监督知识迁移到无监督情境，促进共有知识的跨任务利用；CEM模块——用自注意力和相互注意力机制细化每个分支的特征，在提升互补特征建模整合的同时减少冗余信息产生。原因：为获取带有源图像互补信息（complementary information）的融合图像，IVIF缺少ground truth并依赖先验知识。解决方法：基于半监督迁移学习，借助MFIF任务的监督知识通过引导损失函数过滤特定任务的属性知识促进与IVIF交互任务。目标：从信息丰富的源域迁移知识到目标域。