随笔分类 -  视觉

计算机视觉相干吧
ViT暂时不会替代CNN
摘要：概述 将 Transformer 应用到视觉领域，就形成了 ViT（Vision Transformer）。 与卷积神经网络 CNN 不同，ViT 将图像切分为块并转换为向量，像是处理文本一样处理图像。这让 ViT 拥有了超越 CNN 的全局信息捕捉能力。当训练集数量足够时，ViT 表现优于 CNN 阅读全文
posted @ 2024-05-28 10:34 倒地 阅读(527) 评论(0) 推荐(0)
SurfaceBlur与双边滤波
摘要：Surface Blur 效果 PhotoShop 中有一种叫做 Surface Blur 的效果。 与其他模糊效果不同， Surface Blur 可以在模糊的同时保留图像的边缘特征。使用 Surface Blur 得到的图片，像是油画一般被划分为多个色块。 双边滤波 Bilateral filt 阅读全文
posted @ 2024-04-13 11:24 倒地 阅读(131) 评论(0) 推荐(0)
深度可分离卷积
摘要：深度可分离卷积，使用了一些 trick 极大减少卷积所需参数量和计算量。 理解深度可分离卷积 若需要对 12×12×3 的输入使用卷积，获得 8×8×256 的输出，直接的卷积方法是使用 256 个 5×5×3 的卷积核（无 padding、步长为 1，下同）。此时卷积层的参数量为 19200，卷积 阅读全文
posted @ 2024-01-08 20:06 倒地 阅读(273) 评论(0) 推荐(0)
通道注意力和空间注意力（CBAM）
摘要：用实例说明通道注意力机制与空间注意力机制的内容。包含代码示例。 参考的博文： pytorch中加入注意力机制（CBAM），以ResNet为例。解析到底要不要用ImageNet预训练？如何加预训练参数？ （六十一）通俗易懂理解——通道注意力机制和空间注意力机制(CBAM) CBAM Convoluti 阅读全文
posted @ 2024-01-03 13:46 倒地 阅读(3618) 评论(0) 推荐(0)
Visual Transformer 与归纳偏置
摘要：开端 ViT（Visual Transformer）是 2020 年 Google 团队提出的将 Transformer 应用在图像分类的模型，但是当训练数据集不够大的时候，ViT 的表现通常比同等大小的 ResNets 要差一些。 为什么呢？寻找答案的过程中，发现了 归纳偏置 这个概念。 在阅读 阅读全文
posted @ 2023-12-31 14:05 倒地 阅读(434) 评论(0) 推荐(0)
利用 FCN 使得 ResNet 允许任意大小图片输入
摘要：阅读这个网站写的一些备忘。 通过少量修改 ResNet18 网络结构的形式，对全卷积网络方案一窥究竟。 允许网络输入任意大小的图像 一般的卷积网络，会因为全连接层 nn.Linear 的存在，而仅允许固定大小的图像输入。 全卷积网络 FCN 使用 1×1 的卷积核，回避了全连接层的缺陷。 不摒弃全连 阅读全文
posted @ 2023-12-27 16:16 倒地 阅读(713) 评论(0) 推荐(0)