刘一哈-优快云博客

论文地址：[1809.02983v4] Dual Attention Network for Scene Segmentation (arxiv.org)1、解决的问题与利用多尺度特征融合获得上下文呢特征不同，利用自注意力来获取上下文信息。2、创新点提出双注意力网络，将局部特征与全局依赖性相结合分别在空间上和通道维度捕获特征依赖关系，3、模型由于卷积运算产生局部感受野，相同标签的像素对应的特征可能会有差异，这些差异可能会导致类内不一致，为解决这个问题，利用注意力在特征之间

2022-05-30 20:55:35 201

原创 CCNet

CCNet：Criss-Cross Attention for Semantic Segmentationhttps://arxiv.org/abs/1811.11721v21、创新点提出十字交叉网络来有效提取上下文信息，相较于非局部注意力，GPU内存使用减少11倍并且提出类别一致性损失，增强交叉注意力模块的识别能力。2、解决的问题1、目前的FCN，仅能提供短程上下文的局部感受野，上下文信息不足的局限性对分割造成很大的不利影响。2、为了引入上下文信息，各种工作ASPP、PSP..

2022-05-23 10:31:44 460

原创 non-local论文笔记

https://openaccess.thecvf.com/content_cvpr_2018/papers/Wang_Non-Local_Neural_Networks_CVPR_2018_paper.pdf1、创新点1、问题：卷积运算和循环运算都是处理局部邻域的构造，DCNN是通过重复的卷积操作得到长距离的相关性。缺点是计算效率低，其次优化困难2、本文提出非局部操作，将某个位置的响应计算为所有位置特征的加权和。目的是捕捉远距离的依赖关系。位置集可以是空间、时间、时空no...

2022-05-23 10:20:40 554

原创语义分割指标_混淆矩阵计算指标

1、混淆矩阵2、准确率在数据集不平衡时，准确率将不能很好地表示模型的性能。可能会存在准确率很高，而少数类样本全分错的情况，此时应选择其它模型评价指标。3、精确率（查准率）和召回率（查全率）positive class的精确率表示在预测为positive的样本中真实类别为positive的样本所占比例；positive class的召回率表示在真实为positive的样本中模型成功预测出的样本所占比例。4、F1和Fβ在β=1时，Fβ就是F1值，此时...

2022-05-07 10:03:32 1350

原创 LANet——遥感图像使用Local Attention分割

LANet: Local Attention Embedding to Improve the Semantic Segmentation of Remote Sensing ImagesLANet: Local Attention Embedding to Improve the Semantic Segmentation of Remote Sensing Images | IEEE Journals & Magazine | IEEE Xplore1、创新点提出两种方式增强特...

2022-05-05 16:44:37 4010 5

原创 DDRNet论文笔记

DDRNet，轻量化网络

2022-05-03 11:32:45 1078

weixin_46460816的博客

原创 WSL2配置深度学习环境，cuda+cudnn+opencv

原创使用onnxruntime推理模型报错

原创简单实现cv::dnn推理深度学习模型

原创 TensorRT推理学习笔记2——python_api

原创 TensorRT推理-python

原创 pytorch模型部署_python

原创报错信息如下：引发了异常: 读取访问权限冲突。Ort::GetApi(...) 返回 nullptr。

原创一、windows调用D435i深度相机

原创 CVPR2019--Dual Attention Network for Scene Segmentation