<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[yaopanla的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/yaopanla</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yaopanla]]></copyright><item><title><![CDATA[2021-03-30]]></title><link>https://blog.youkuaiyun.com/yaopanla/article/details/115336885</link><guid>https://blog.youkuaiyun.com/yaopanla/article/details/115336885</guid><author>yaopanla</author><pubDate>Tue, 30 Mar 2021 22:17:52 +0800</pubDate><description><![CDATA[Dual Refinement underwater object Detection Network
摘要
由于复杂的水下环境，水下成像经常会遇到一些问题，例如模糊，缩放比例变化，颜色偏移和纹理失真。 当我们直接在水下场景中使用通用检测算法时，它们不能很好地工作。 为了解决这些问题，我们提出了一种具有特征增强和锚点细化的水下检测框架。 它具有复合连接主干以增强特征表示，并引入了接收场增强模块以利用多尺度上下文特征。 所开发的水下物体检测框架还根据六个预测层提供了一种预测细化方案，它可以通过学习偏移量来细化]]></description><category></category></item><item><title><![CDATA[2021-02-21]]></title><link>https://blog.youkuaiyun.com/yaopanla/article/details/113913774</link><guid>https://blog.youkuaiyun.com/yaopanla/article/details/113913774</guid><author>yaopanla</author><pubDate>Sun, 21 Feb 2021 09:24:09 +0800</pubDate><description><![CDATA[空洞卷积
   常见的图像分割算法通常使用池化层来增大感受野，同时也缩小了特征图尺寸，然后再利用上采样还原图像尺寸。特征图缩小再放大的过程造成了精度上的损失，因此需要有一种操作可以在增加感受野的同时保持特征图的尺寸不变，从而替代池化与上采样操作，在这种需求下，空洞卷积就诞生了。
   空洞卷积，顾名思义就是卷积核中间带有一些洞，跳过一些元素进行卷积。
   空洞卷积的优点显而易见，在不引入额外参数的前提下可以任意扩大感受野，同时保持特征图的分辨率不变。这一点在分割与检测任务中十分有用，感受野的扩大可以检测大]]></description><category></category></item></channel></rss>