随笔分类 - CV
发表于 2023-10-17 22:02阅读：50评论：0推荐：0
摘要：1、2022ECCV_MaskCLIP_Extract Free Dense Labels from CLIP 1.1 贡献 1.想要保留clip开集能力，image encoder和text encoder都不能动 2.探索CLIP模型细粒度特征表达能力的打开方法 2.CLIP模型在不加入参数情况
阅读全文 »
发表于 2023-09-04 21:29阅读：17评论：0推荐：0
摘要：# 1.开集分割 + 1、[SimSeg](https://zhuanlan.zhihu.com/p/479448100) + 2、[MaskCLIP](https://zhuanlan.zhihu.com/p/562819258) resnet输出的特征，经过2层1x1卷积（即2层投射层x->v_
阅读全文 »
发表于 2023-03-14 21:43阅读：222评论：0推荐：0
摘要：1、clip分析 原文：https://openai.com/research/multimodal-neurons 翻译：https://blog.csdn.net/tMb8Z9Vdm66wH68VX1/article/details/115314884 https://github.com/op
阅读全文 »
发表于 2023-02-17 11:07阅读：51评论：0推荐：0
摘要：1、蒸馏 https://neptune.ai/blog/optimizing-models-for-deployment-and-inference https://devopedia.org/knowledge-distillation https://raviteja-ganta.github
阅读全文 »
发表于 2023-02-02 10:39阅读：15评论：0推荐：0
摘要：一句话描述：ViLD基础上引入prompt 1、动机 2、方法 3、效果 4、消融实验
阅读全文 »
发表于 2022-12-16 19:20阅读：275评论：0推荐：0
摘要：0、图文多模态学习 包含以下： 普通多模态学习,如图文检索、视觉问答、视觉推理、视觉蕴含： CLIP language guided detection language guided segmentation 文本图像生成:Dall.E2, Stable Diffusion 文本视频生成 1、普通
阅读全文 »
发表于 2022-12-05 21:25阅读：1708评论：0推荐：0
摘要：0、Abstract 自驾特征融合背景：自驾传感器方案由复杂的多个摄像头，激光雷达，rada等组成， 而融合多个传感器输入到统一视图的表示特征至关重要 BEV感知实现特征融合好处：BEV特征表示是 融合好的和直观的（可以直接在规控中使用） BEV感知核心问题： (a)如何通过透视视图到BEV的视图变
阅读全文 »
发表于 2022-11-29 19:35阅读：14评论：0推荐：0
摘要：1/Prompt-to-Prompt Image Editing with Cross Attention Control
阅读全文 »
发表于 2022-11-08 20:22阅读：17评论：0推荐：0
摘要：语义分割、实例分割、全景分割的概念理解
阅读全文 »
发表于 2022-10-18 21:19阅读：445评论：0推荐：0
摘要：1、QKV作用？ 1、QKV都是输入经过线性投影获得，假设句子为"good morning，sir",句子有4个token； 通过这4个token线性投影获得的QKV的embeding长度都是4，维度可能不一样，即Q.shape=(4, dq), K.shape=(4,dk), V.shape=(4
阅读全文 »
发表于 2022-08-31 11:36阅读：81评论：0推荐：0
摘要：关于视觉识别领域发展的个人观点-谢凌曦 图像不是2D的，而是…
阅读全文 »
发表于 2022-08-04 11:45阅读：114评论：0推荐：0
摘要：https://zhuanlan.zhihu.com/p/79521655 视频分类/行为识别是计算机视觉领域中非常有挑战性的课题，因为其不仅仅要分析目标体的空间信息，还要分析时间维度上的信息，如何更好的提取出空间-时间特征是问题的关键。本文总结了该领域的技术进展和相关数据集，技术进展从传统特征法到
阅读全文 »
发表于 2022-06-29 20:33阅读：267评论：0推荐：0
摘要：#0、LiDAR 数据格式：3D点云；每一个点除了包含X，Y，Z坐标，还包含一个反射强度R，类似与毫米波雷达里的RCS 1、3D OD算法(https://zhuanlan.zhihu.com/p/390156904， https://zhuanlan.zhihu.com/p/412161451)
阅读全文 »
发表于 2021-11-09 21:52阅读：213评论：0推荐：0
摘要：https://zhuanlan.zhihu.com/p/34472945 1、PANet改进了主干网络结构，加强了特征金字塔的结构，缩短了高低层特征融合的路径； 2、提出了更灵活的RoI池化。之前FPN的RoI池化只从高层特征取值，现在则在各个尺度上的特征里操作； 3、预测mask的时候使用一个额
阅读全文 »
发表于 2021-11-09 18:20阅读：79评论：0推荐：0
摘要：解决的问题 1、训练和测试常见的CNN网络时，要求输入的图像有一个固定的大小（网络前面的卷积层不要求输入图像的大小，后面的全连接层的输入特征数是固定的，需要固定的输入），比如要求图像的输入为224*224 * 当尺寸大小不同的图像输入到相同的多层卷积网络中，得到的feature map大小是不同的，
阅读全文 »
发表于 2021-10-21 19:54阅读：23评论：0推荐：0
摘要：https://zhuanlan.zhihu.com/p/95952096
阅读全文 »
发表于 2021-10-11 10:58阅读：41评论：0推荐：0
摘要：1、jpg为有损压缩（表现为解压再压缩值不相等），尽量使用png格式 https://blog.csdn.net/u013925378/article/details/104814001 2、图像保存的格式为 高×宽×颜色通道，但是 cv2.resize这个api却是个小例外。因为它的参数输入却是
阅读全文 »
发表于 2021-09-15 19:28阅读：249评论：0推荐：0
摘要：深度估计 AP解释https://www.zhihu.com/question/53405779 yolov4中的route和shortcut层 双线性插值https://blog.csdn.net/qq_14845119/article/details/107557449 Focal Loss 相
阅读全文 »
发表于 2021-09-13 22:21阅读：108评论：0推荐：0
摘要：https://arxiv.org/pdf/2103.09460.pdf 主要贡献： 1、重新思考了FPN网络在目标检测效果好的原因，多尺度目标检测问题分而治之解决思路（不同尺度通过不同的感受野特征检测）大于多尺度特征融合 2、基于优化的角度，提出YOLOF替代FPN网络的复杂特征金字塔，它包含两个
阅读全文 »
