凸面镜反射场景无监督域适应语义分割的一些问题
摘要：大家好，我是来自北京大学的石永杰同学，最近我们组的工作《Unsupervised Domain Adaptation for Semantic Segmentation of Urban Street Scenes Reflected by Convex Mirrors》 被IEEE Transac
阅读全文
posted @ 2022-10-19 20:48
随笔分类 - Computer_Vision
凸面镜反射场景的无监督预适应语义分割
摘要：最近，我们组的关于凸面镜反射场景无监督域适应语义分割的工作《Unsupervised Domain Adaptation for Semantic Segmentation of Urban Street Scenes Reflected by Convex Mirrors》被IEEE Transa
阅读全文
posted @ 2022-10-18 16:03
群等变网络的pytorch实现
摘要：CNN对于旋转不具有等变性，对于平移有等变性，data augmentation的提出就是为了解决这个问题，但是data augmentation需要很大的模型容量，更多的迭代次数才能够在训练数据集合上对旋转等变，对于测试集合，也不一定能够保证等变 可能大家会问，旋转等变网络有什么优点？data a
阅读全文
posted @ 2018-10-31 14:36
pytorch中，不同的kernel对不同的feature map进行卷积之后输出某一个channel对应的多个feature map如何得到一个channel的feature map
摘要：实际上在卷积操作的时候，比如说，我某一层输出的feature map的size为4713*13 channel的数目为7，设经过某卷积层之后，网络输出的feature map的channel的数目为17 从7个channel到17个channel，假设卷积核的kernel为33，那么这个卷积层的参数
阅读全文
posted @ 2018-10-24 17:27
pytorch实现autoencoder
摘要：关于autoencoder的内容简介可以参考这一篇博客，可以说写的是十分详细了https://sherlockliao.github.io/2017/06/24/vae/ 盗图一张，自动编码器讲述的是对于一副输入的图像，或者是其他的信号，经过一系列操作，比如卷积，或者linear变换，变换得到一个向
阅读全文
posted @ 2018-01-28 16:31
pytorch实现rnn并且对mnist进行分类
摘要：1.RNN简介 rnn,相比很多人都已经听腻，但是真正用代码操练起来，其中还是有很多细节值得琢磨。 虽然大家都在说，我还是要强调一次，rnn实际上是处理的是序列问题，与之形成对比的是cnn，cnn不能够处理序列问题，因为它没有记忆能力，那为什么rnn能够处理序列问题以及有记忆能力呢？ 首先简单介绍一
阅读全文
posted @ 2018-01-25 19:35
