10 2020 档案

语义分割之BiSeNet
摘要：作业内容： 1：文字回答：辨析TP、FN、FP、TN分别对应的含义（参考第一课时PPT14页中的图） TP: 真实为1，预测为1 FP：真实为0，预测为0 FN：真实为1，预测为0 TN：真实为0，预测为0 2：代码实现：根据需要自行搜索第一课时所提及损失函数的代码定义 交叉熵 加权交叉熵 Foca 阅读全文
posted @ 2020-10-26 15:30 sariel_sakura 阅读(514) 评论(0) 推荐(0)
语义分割之ENet, LinkNet
摘要：作业内容： 1：文字回答：简述实时分割算法常用思想 实时分割要在保证分割准确性不会过低的前提下， 尽可能减少参数，压缩模型，因此实时网络对硬件设备的要求不高且省时。 实时分割算法常用思想有： 1）替换主网络： ResNet101或ResNet50替换为ResNet34或ResNet18 2）减少通道 阅读全文
posted @ 2020-10-26 15:28 sariel_sakura 阅读(784) 评论(1) 推荐(0)
语义分割之DFN
摘要：作业内容： 1：文字回答：如何从宏观角度看待语义分割 宏观角度看待语义分割将语义分割看作一个任务，将一致的语义标签分配给一类事物，而不是每个像素。按照这一角度，语义分割中就会存在类间不一致和类内不一致的问题。 2：文字回答：简述注意力机制的作用 注意力机制是把注意力集中在重要的点上，而忽略其他不重要 阅读全文
posted @ 2020-10-21 23:02 sariel_sakura 阅读(410) 评论(0) 推荐(0)
语义分割之GCN
摘要：1：文字回答：总结各种卷积方式 1）普通正方形标准卷积 2）空洞卷积——为了让固定大小的卷积核看到更大范围的区域，用空洞卷积代替pooling下采样。 3）非对称卷积——将标准3x3卷积拆分成一个1x3卷积和3x1卷积，在不改变感受野大小的情况下减少计算量 4）组卷积，深度可分离卷积——组卷积是对输 阅读全文
posted @ 2020-10-15 20:11 sariel_sakura 阅读(523) 评论(0) 推荐(0)
语义分割之DeepLab系列
摘要：1：文字回答：按照自己的观点，总结语义分割面临的问题以及DeepLab系列的思想 1）语义分割中连续的池化或下采样会导致图像的分辨率大幅度下降，从而损失原始信息，且在上采样过程中难以恢复。现在越来越多的网络都在试图减少分辨率的损失，比如使用空洞卷积，或者用步长为2的卷积代替池化。 DeepLab引入 阅读全文
posted @ 2020-10-12 19:24 sariel_sakura 阅读(398) 评论(0) 推荐(0)
语义分割之SegNet
摘要：作业内容： 1：文字回答：总结对于编码器解码器框架以及反池化操作的理解 编码器解码器框架：编码器结构：编码器部分主要由普通卷积层和下采样层将特征图尺寸缩小，使其成为更低维的表征。目的是尽可能多的提取低级特征和高级特征，从而利用提取到的空间信息和全局信息精确分割。 解码器结构：解码器部分主要由普通卷积 阅读全文
posted @ 2020-10-12 17:19 sariel_sakura 阅读(925) 评论(0) 推荐(0)
语义分割之U-Net和FusionNet
摘要：FusionNet是U-Net的改进 1：文字回答：简述医学分割面临的主要挑战 1）数据量少。一些挑战赛只提供不到100例的数据 2）图片尺寸大。单张图片尺寸大、分辨率高，对模型的处理速度有一定要求。 3）要求高。医学图像边界模糊、梯度复杂，对算法的分割准确度要求极高。 4）多模态。以ISLES脑梗 阅读全文
posted @ 2020-10-12 12:09 sariel_sakura 阅读(1008) 评论(0) 推荐(0)
语义分割之FCN
摘要：1.文字回答：按照自己的观点，总结对于语义分割的理解 语义分割是对一张图片的每一个像素点进行分类，并将每个类别（车，车道，人物，建筑，天空）用不同的颜色标注出来。它是计算机视觉中的关键任务之一，越来越多的应用场景需要从影响中推理出相关的知识和语义。语义分割可以帮助场景理解 2.文字回答：怎样理解论文 阅读全文
posted @ 2020-10-11 20:10 sariel_sakura 阅读(486) 评论(0) 推荐(0)
pytorch，python学习
摘要：1.如何加载pytorch中，torchvision预定义的模型的前几层 https://www.cnblogs.com/dyclown/p/13170884.html https://www.cnblogs.com/jiangkejie/p/12952174.html 新定义一个class: cl 阅读全文
posted @ 2020-10-09 21:26 sariel_sakura 阅读(155) 评论(0) 推荐(0)