概要 最近的语义分割方法都在探索encoder decoder结构。一般这种结构中的encoder产生较小分辨率的feature map，然后最后的decoder通过双线性上采样来得到像素级的预测。作者认为这种方法太简单粗暴是次优的，所以提出了一种新的上采样方法：Dupsampling，这种方法最大的优势在于它能应用于比较小分辨率的feature map，而且得到的结果比之前的更好。也就是这种方法 ...
2019-10-25 22:05 0 719 推荐指数：
Decoders Matter for Semantic Segmentation: Data-Dependent Decoding Enables Flexible Feature Aggregation 2019-04-24 16:53:25 Paper：https ...
R-CNN总结 不总结就没有积累 R-CNN的全称是 Regions with CNN features。它的主要基础是经典的AlexNet，使用AlexNet来提取每个region特 ...
论文阅读笔记《Semantic Instance Segmentation with a Discriminative Loss Function》 1、Introduction 本文最重要的是提出一个判别损失函数，其鼓励网络将每个像素映射到特征空间中的点，使得属于同一实例的像素靠近 ...
论文阅读--Residual Conv-Deconv Grid Network for Semantic Segmentation (别吐槽水印, arxiv上就长这样) 原文链接:https://arxiv.org/pdf/1707.07958.pdf 论文简介: 本文提出了一个新 ...
paper链接：https://arxiv.org/pdf/1812.09953.pdf code链接：https://github.com/YangZhang4065/AdaptationSeg ...
论文标题：Rich feature hierarchies for accurate object detection and semantic segmentation 标题翻译：丰富的特征层次结构，可实现准确的目标检测和语义分割 论文作者：Ross Girshick Jeff ...
论文网址： https://arxiv.org/abs/1311.2524 RCNN利用深度学习进行目标检测。 摘要 可以将ImageNet上的进全图像分类而训练好的大型卷积神经网络用到PASCAL的目标检测中？ 答案是肯定的，并且结果是简单的，可扩展的，相对于可变部件模型（DPM ...
如何将知识分离出来？ 作者在论文中argue到，CNN在设计的过程中有一个固有的无效性，因为他们会将color，shape和纹理信息一起处理（感觉可以找个时间介绍一些，图像中的color，shape或者texture信息对于图像的特征提取有哪些帮助作用）。但是实际上这些不同的信息，比如color ...
