超级会员免费看
本文介绍了深度学习中用于图像校正的技术，包括Spatial Transformer Networks (STN)、ASTER、ESIR、GridFace和RoIRotate。这些方法通过学习变换参数对输入图像或特征进行校正，以提高下游任务的性能。特别是，ASTER和ScRN利用 Thin-Plate Spline 变换，而RoIRotate则用于文本检测中的旋转特征校正。各种技术的实现细节和参考资源也一并提供。
1.始于STN:Spatial Transformer Networks
文章提出了一个module, 可以是模型自主学习单应变换系数, 对输入图片或者feature进行单应变换, 校正目标, 提高下游任务. 模型自己学习系数, 所以不需要增加额外标注. 该部分pyrotch已经实现. 可以加入到任何网络中. 主要是两部分, 一部分回归系数, 一部分变换. 变换分两部分, 先affin_grid生成grid网格, 在使用grid_sampler, 对图像进行插值, 获取校正后的输出.
参考:https://blog.youkuaiyun.com/qq_39422642/article/details/78870629
github:
订阅专栏 解锁全文
扫一扫
7430
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
