会员
众包
新闻
博问
闪存
赞助商
HarmonyOS
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
lixinaa
博客园
首页
新随笔
联系
订阅
管理
1
2
3
下一页
2020年11月25日
论文阅读:SAR Image Change Detection Based on Multiscale Capsule Network
摘要: 摘要:利用多尺度胶囊模块来利用特征的空间关系。因此,可以通过从不同位置聚合特征来实现等变性质。另一方面,为所提出的ms-CapsNet设计了一个自适应融合卷积(AFC)模块。初级胶囊可以捕捉到较高的语义特征。 主要贡献: 1)所提出的ms-CapsNet具有从不同位置提取鲁棒特征的能力。 胶囊模块可
阅读全文
posted @ 2020-11-25 18:47 lixinaa
阅读(530)
评论(0)
推荐(0)
2020年11月19日
论文阅读:《合成孔径雷达影像变化检测研究进展》
摘要: 一、基本概念 1、基于遥感影像的变化检测,就是从不同时间获取的同一地理区域的多时相遥感影像中定性地或定量地分析和确定地表变化特征和过程的技术。 2、遥感影像根据工作方式不同分为光学遥感影像和微波遥感影像。 3、合成孔径雷达(synthetic aperture radar,SAR)为主动式微波成像传
阅读全文
posted @ 2020-11-19 16:45 lixinaa
阅读(566)
评论(1)
推荐(0)
2020年11月5日
AI艺术鉴赏挑战赛 - 看画猜作者
摘要: AI艺术鉴赏挑战赛 - 看画猜作者 亚军代码--000wangbo 思路:主干网络resnest200,输入448尺寸,在不同loss下取得5组最好效果,最后进行投票,得到最后分数。 网络代码: model =resnest200(pretrained=True) model.avgpool = t
阅读全文
posted @ 2020-11-05 20:22 lixinaa
阅读(155)
评论(0)
推荐(0)
2020年10月29日
GINet: Graph Interaction Network for Scene Parsing
摘要: GINet: Graph Interaction Network for Scene Parsing 本文探讨了如何通过提出图形交互单元(GI unit)和语义上下文丢失(SC-loss)来整合语言知识,以促进图像区域的上下文推理。 一、Introduction 场景解析是一项基础性和挑战性的任
阅读全文
posted @ 2020-10-29 21:09 lixinaa
阅读(284)
评论(0)
推荐(0)
Rotate to Attend: Convolutional Triplet Attention Module
摘要: 在本文中,研究了轻量级但有效的注意力机制,并提出了 Triplet Attention,一种通过使用三支结构捕获跨维交互来计算权重。 对于输入张量,Triplet Attention通过旋转操作和残差变换建立维度间的依赖关系,并以可忽略的计算开销对通道和空间信息进行编码。该方法既简单又有效,并且可以
阅读全文
posted @ 2020-10-29 18:08 lixinaa
阅读(1230)
评论(0)
推荐(0)
2020年10月21日
论文阅读:《Automatic Change Detection in Synthetic Aperture Radar Images Based on PCANet》
摘要: 基于PCANet的多时相合成孔径雷达图像变化检测方法 论文链接 文章提出基于PCANet的多时相合成孔径雷达图像变化检测方法。 该方法利用每个像素的代表性邻域特征,采用PCA滤波器作为卷积滤波器。 给定两幅多时相图像,利用Gabor小波和模糊c-均值来选择具有较高变化或不变概率的感兴趣像素。 然后,
阅读全文
posted @ 2020-10-21 14:27 lixinaa
阅读(538)
评论(0)
推荐(0)
论文阅读:Change Detection From Synthetic Aperture Radar Images Based on Channel Weighting-Based Deep Cascade Network
摘要: 用于SAR图像变化检测的深度级联网络 论文链接 本文提出一种用于SAR图像变化检测的深度级联网络(DCNet)。一方面,建立了一个非常好的DCNet来利用判别特征,并引入了残差学习来解决爆炸梯度问题。另外,采用融合机制来组合不同层次层的输出,以进一步缓解爆炸梯度问题。此外,为SAR变化检测设计了一个
阅读全文
posted @ 2020-10-21 14:24 lixinaa
阅读(415)
评论(1)
推荐(0)
2020年9月12日
第二次作业:卷积神经网络 part 2
摘要: 视频总结 Generative Adversarial Nets,生成式对抗网络 训练策略: GAN:生成式对抗网络通过对抗训练,间接计算出 JS 散度,使得模型可以优化。 Conditional GAN,条件生成式对抗网络 Deep Convlutional GAN,深度卷积生成式对抗网络 代码练
阅读全文
posted @ 2020-09-12 17:05 lixinaa
阅读(137)
评论(0)
推荐(0)
CGAN和DCGAN
摘要: ####CGAN 和 DCGAN import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms import numpy as np import
阅读全文
posted @ 2020-09-12 16:36 lixinaa
阅读(1389)
评论(0)
推荐(0)
GAN
摘要: ####生成式对抗网络 借助于 sklearn.datasets.make_moons 库,生成双半月形的数据,同时把数据点画出来。 import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import mak
阅读全文
posted @ 2020-09-12 16:29 lixinaa
阅读(169)
评论(0)
推荐(0)
1
2
3
下一页
公告