yumaomi的博客

本文介绍了医学图像处理领域的TransUnet模型，TransUnet模型主要由ResNet50、Vision Transformer组成。

本文介绍了K-Net网络，介绍了其动态内核的分割方法，核更新方法和语义分割、实例分割、全景分割实现。

SETR：《Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspectivewith Transformers》重新思考语义分割范式，使用Transformer实现语义分割。本文介绍了SETR和VIT如何在语义分割中实现，介绍了Self-Attention机制和Multi Head Self Attention机制，在Camvid数据集上做了训练和预测。提供了代码。......

本文介绍了BiSeNetV2的论文思路和模型结构，给出了BiSeNetv2的模型代码实现，在Camvid数据集上进行测试，所有代码都基于pytorch框架。

本文介绍了CVPR2020的作品：PointRend: Image Segmentation as Rendering。本文介绍了PointRend的实现细节、原理，提供了PointRend的代码，在pytorch框架上进行训练。

本文介绍了ISANet和其论文Interlaced Sparse Self-Attention for Semantic Segmentation。本文还介绍了Self-Attention（Non-Local）和Interlaced Sparse Self-Attention的实现方式，并提供了代码。并在Camvid数据集上进行了论文的复现和测试。......

本文介绍了GCNet和论文GCNet: Non-local Networks Meet Squeeze-Excitation Networks and Beyond。介绍了Global Context block的实现方式和代码。提供了pytorch框架下的代码实现，在Camvid数据集上进行测试。

本文介绍了Asymmetric Non-local Neural Networks for Semantic Segmentation论文与Asymmetric Non-local Neural Networks（ANN）模型，介绍了Non Local与非对称Non Local（Asymmetric Non-local）的实现方式。介绍了AFNB和APNB的原理，并提供了相关代码。本文提供pytorch框架下ANNNet模型的所有实现代码，并在Camvid数据集上进行测试。......

本文介绍了CCNet论文及模型，介绍了Criss-Cross attention模块原理和实现代码。本文提供了Criss-cross attention、Recurrent Criss-Cross attention、CCNet的实现代码，并且在Camvid数据集上进行测试，所有代码基于pytorch框架。...

本文介绍了生物医学图像领域的一个分割模型GRUU-Net，详细介绍了ConvGRU和FRDU模块，本文给出了GRUU-Net的pytorch复现代码（全网仅此一家哦！）。因为没有使用文章中的数据集，本文在Camvid的数据集上进行测试。.........

本文介绍了EMANet，介绍了部分EM算法的内容，介绍了EMANet论文的核心思想，提供了EMANet的模型代码，在pytorch框架上进行测试和复现，数据集使用的是Camvid。

本文介绍了FPN在语义分割领域中的应用，在pytorch框架上进行复现，并在Camvid数据集上进行测试。

本文介绍了Non-Local Network论文，详细介绍了NonLocal机制和设计原理，通过与DANet对比，理解NonLocal和Attention机制的关系。并在Pytorch框架上，实现了2D的NonLocal模块，在Camvid数据集上进行测试。

本文介绍了实时语义分割模型BiSeNetV1的论文细节和模型设计理念，在pytorch框架上复现了模型，在Camvid数据集上进行测试。

本文介绍了UPerNet论文思想，介绍了UPerNet作者如何创建Multi-task数据集以及如何设计UPerNet网络和检测头来解决Multi-task任务。本文对于UPerNet语义分割部分的模型进行单独复现，所有代码基于pytorch框架，并在Camvid数据集上进行训练和测试。......

本文介绍了DMNet，介绍了如何解决多尺度（Multi-Scale）问题，包括DCM模块的操作内容。在pytorch上进行模型复现，提供了模型代码，在数据集Camvid上进行测试。

PSANet：2018年CVPR。论文地址：《PSANet: Point-wise Spatial Attention Network for Scene Parsing》作为较早引入Attention机制的模型之一，PSANet对位置相关的注意力机制进行了一些探索。那几年大多数论文都会谈到几个事情：一是模型的感受野问题，使用堆叠卷积层增加感受野的方案虽然可行，但效果有限，或是使用空洞卷积的方式来增大感受野，但这种操作也会忽略一些信息。二是上下文信息很难被有效结合起来。三作者也对常用的卷积进行了一个思考，作

本文详细介绍了APCNet的原论文和模型架构，在pytorch框架上复现了APCNet的模型，在Camvid数据集上进行复现和测试。

本文介绍了DAnet网络，介绍了Position Attention和Channel Attention两个Attention机制的构建方式，在pytorch框架上复现了DAnet网络，在Camvid数据集上进行测试。本文提供了DAnet网络的代码和测试结果。

本文介绍了DFANet的论文核心思想，介绍了DFANet模型结构，在pytorch框架上复现了DFANet，在Camvid数据集上进行训练和测试。

本文介绍了EncNet的论文主要思想，在pytorch框架上进行模型复现，提供了EncNet的pytorch代码，并在Camvid数据集上进行测试。

本文介绍了RefineNet的思想和具体架构，在pytorch上进行代码复现。本文提供了Resnet101-RefineNet的pytorch代码。

本文介绍了AttentionUnet模型和其主要中心思想，并在pytorch框架上构建了Attention Unet模型，构建了Attention gate模块，在数据集Camvid上进行复现。

本文主要介绍Cityscapes在语义分割方向上的理解和使用。其中包括Cityscapes具体构建流程和使用方法。并提供了具体代码和pytorch dataset代码。

本文介绍了Unet++网络，在pytorch框架上复现Unet++，并在Camvid数据集上进行训练。

本文介绍了PSPnet网络，通过pytorch框架搭建了Pspnet模型，在CamVid数据集上进行复现。

本文主要介绍CamVid数据集的使用方法（用于语义分割）。所有代码由pytorch构建。

本文从DeepLabV1开始，DeepLabV3+结束，讲述DeepLab家族的故事。并在CamVid数据集上进行复现。所有代码都基于Pytorch。

本文介绍了SegNet网络结构，基于pytorch构建了SegNet模型，并在Camvid数据集上复现。

本文详细介绍了Unet的网络结构和论文思路，在pytorch框架上复现了Unet结构，在Camvid数据集上进行测试。

本文复现了全卷积网络FCN(Fully Convolutional Networks)论文，使用pytorch框架构建FCN结构，在PascalVOC2012数据集上实现复现。