导图社区 图像分割
本图介绍了图像分割的类别和可视化方法,如PCA降维方法,将高层次特征降为2维查看分类效果,一起来看。
这是我的mysql学习笔记,主要是基础篇入门的各项指令等,具体是看的黑马程序员的mysql视频,然后边学边自己整理出来的,希望对大家有帮助。
Segment Anything Model的论文行文思路,SAM是一个通过海量训练形成的分割模型,感兴趣可以看看。
DA-DETR的文章深度解读,解决方案DA-DETR可以使用一级探测器、使用单个鉴别器进行域间对齐网络、引入混合注意力机制确定应对其功能的模块,简化了领域自适应通道。
社区模板帮助中心,点此进入>>
互联网9大思维
组织架构-单商户商城webAPP 思维导图。
域控上线
python思维导图
css
CSS
计算机操作系统思维导图
计算机组成原理
IMX6UL(A7)
考试学情分析系统
图像分割
类别
识别
图像的物体识别
语义分割
给每个像素分配类别标签
思路
滑动窗口
全卷积
让整个网络只包含卷积层,一次性输出所有像素类别预测
在网络中嵌入下采样和上采样
反池化操作
Upoolling
记住下采样最大池化使用的下标,在上采样时候还原下标
可学习的上采样—转置卷积
通过卷积核将原来的值还原成原来的尺寸
也可通过镜像将下采样学习的参数转移到上采样,保证信息流的不丢失
目标检测
单目标
将最后的全连接数据分别进行分类和定位的全连接,分别计算loss并加和后作为loss输出
多目标分类
R-CNN
Fast R-CNN
区域裁剪RoI Align
在像素点之间使用双线性差值,提取所有的相同的特征尺寸数据
Faster RCNN
区域建议
对于特征图的每个位置,通常会采用k个不同尺寸和分辨率的锚点区域
anchor
一阶段目标检测
YOLO
子主题 1
实例分割
Mask RCNN
可视化
PCA降维方法
将高层次特征降为2维查看分类效果
查看特征图的响应结果,看卷积核对于图像感兴趣的部分
显著性图Saliency Maps
Gram Matrix
在卷积核中取两条对应位置相乘
FastStyle Transfer
使用一张图作为风格图
使用一张当做要布局的图片
将要布局的图片先经过神经网络先提取特征,送入网络当做输出来进行迭代
基于实例分割的归一化
用梯度下降法做特征的可视化
可视化工具Keras-vis
初步查看网络性能
salinecy map
像素级显示感兴趣区域
观察权值的梯度大小分布做出拟合图像
gard-CAM
图片级观察神经网络对图片感兴趣的区域
最大化激活
梯度上升方法看最后的特征结果