摘要: 学习适应结构化输出空间进行语义分割 在语义分割场景中,虽然物体在外表上不同,但是他们的输出是结构化且共享很多例如空间分布, 局部内容等信息。所以作者提出了multi-level的输出空间adaptation。 本文提出一种在未知领域强化source领域知识的finetune,作者观察到分割效果不好的 阅读全文
posted @ 2018-04-18 16:11 mangoyuan 阅读(2581) 评论(0) 推荐(1) 编辑
摘要: python进阶 原书内容 "https://github.com/eastlakeside/interpy zh" 通过记录书本目录和大概内容做一个记录,方便以后回顾检索。 | Chapter | Title | Brief | More | | : : | : : | : : | : : | | 阅读全文
posted @ 2018-04-17 23:56 mangoyuan 阅读(293) 评论(0) 推荐(0) 编辑
摘要: 基于三端卷积网络的在线视频目标分割 针对半监督视频目标分割任务,作者采取了和MaskTrace类似的思路,以optical flow为主。 本文亮点在于: 1. 使用共享backbone,三输出的自编码器。 2. 对一些视频中确定性像素建模,分割前后景。 3. 对被遮挡又重新出现的物体使用前后景GM 阅读全文
posted @ 2018-04-17 17:16 mangoyuan 阅读(291) 评论(0) 推荐(0) 编辑
摘要: 基于内容感知深度特征压缩的高速视觉跟踪 摘要 作者提出了一种在实时跟踪领域高速且state-of-the-art表现的基于context-aware correlation filter的跟踪框架。这个方法的高速性依赖于会根据内容选择对应的专家自编码器来对图片进行压缩;context在本文中表示根据 阅读全文
posted @ 2018-04-16 21:21 mangoyuan 阅读(902) 评论(0) 推荐(0) 编辑
摘要: 圆的特征 圆被定义为给定中心位置(xp,yp)的距离为 r 的点集。圆心位于原点的圆有4条对称轴。 x=0 x=y x=-y y=0 若已知圆弧上一点(x,y),可以得到其关于4条对称轴的其他7个点,这种性质被称为八对称性。 因此只要扫描转换1/8圆弧,就可以用八对称性求出整个圆弧的像素集。 中点画 阅读全文
posted @ 2017-03-19 22:37 mangoyuan 阅读(2628) 评论(0) 推荐(0) 编辑
摘要: 前言 在数学上,理想的直线是没有宽度的,它是由无数个点构成的集合。对直线进行光栅化时,只能在显示器说给定的有限个像素组成的矩阵中,确定最佳逼近于该直线的一组像素,并且按扫描线顺序。 本节介绍绘制线宽为一个像素的直线的三个常用算法:数值微分,中点画线和Bresenham算法。 数值微分法 已知过端点 阅读全文
posted @ 2017-03-18 21:10 mangoyuan 阅读(6863) 评论(1) 推荐(0) 编辑
摘要: Construct Vector vector的初始化函数有6种,分别是 default、fill、range、copy、move、initializer list。 member function 1. assign 赋值函数有三种形式:range、fill、initialzer list。 2. 阅读全文
posted @ 2017-03-03 23:56 mangoyuan 阅读(584) 评论(0) 推荐(0) 编辑
摘要: 前言 以STL的实现角度而言,第一个需要介绍的就是空间配置器,因为整个STL的操作对象都存放在容器之中。 你完全可以实现一个直接向硬件存取空间的allocator。 下面介绍的是SGI STL提供的配置器,配置的对象,是内存。(以下内容来自《STL源码剖析》) 引子 因为这篇写得太长,断断续续都有几 阅读全文
posted @ 2017-02-28 23:08 mangoyuan 阅读(5147) 评论(0) 推荐(1) 编辑
摘要: 前言 traits,又被叫做特性萃取技术,说得简单点就是提取“被传进的对象”对应的返回类型,让同一个接口实现对应的功能。因为STL的算法和容器是分离的,两者通过迭代器链接。算法的实现并不知道自己被传进来什么。萃取器相当于在接口和实现之间加一层封装,来隐藏一些细节并协助调用合适的方法,这需要一些技巧( 阅读全文
posted @ 2017-02-26 21:41 mangoyuan 阅读(38739) 评论(7) 推荐(12) 编辑
摘要: 前言 经过前面一节的怎样读取图片,我们可以做一些有趣的图像变换,下面我们首先介绍使用遍历的方法实现,然后我们使用内置的函数实现。 矩阵掩码实现 矩阵掩码,和卷积神经网络中的卷积类似。一个例子如下: 现在我们看看怎么实现: 我们看看结果: 因为掩码是增强中间,削弱四周,下面如果我们换掩码,使用内置函数 阅读全文
posted @ 2017-02-25 21:20 mangoyuan 阅读(3008) 评论(1) 推荐(1) 编辑