ZeroRains Blog

实例分割和全景分割 基本概念 语义分割：每个像素所属类别（包括stuff和object类） 实例分割：每个object类别和mask（只有object） 全景分割：每个像素所属类别和object类别的实例ID Mask R-CNN Mask R-CNN结构 RPN网络（Region Proposal Network）: 对backbone提取出的feature map去预测哪些地方可能存在对象 ，通常使用9个先验框进行判断，然后通过平移来调整先验框 Feature Pyramid Network(特征金字塔) Head Architecture 全景分割： UPSnet网络 语义分割头（Semantic segmentation head） 采用的是可变形卷积，对feature map进行下采样，再经过一个上采样将所有的feature map上采样到同一个维度然后进行堆叠融合，再经过一乘一卷积获得语义分割信息。 全景分割头(panoptic segmentation head) Panoptic-DeepLab 实例分割和全景分割论文推荐： 实例分割 ...

百度分割学习（一） 语义分割算法的基本概念 语义分割算法的基本流程 输入：图像（RGB) 算法：深度学习模型 输出：分类结果（与输入大小一致的单通道图） 训练过程 输入：image+label 前向：out = model(image) 计算损失：loss = loss_func(out,label) 反向：loss.backward() 更新权重：optimizer.minimize(loss) 分割网络的性能指标mAcc 将pred矩阵和GT矩阵打平然后比较每一个数字是否相同，这里的数字表示的这个位置的像素点应该是什么标签，这里的数字就是标签，两个标签相同才正确 语义分割性能指标mIoU 分割每一个类别的交并比 mean主要体现在求了每一个类别的交并比后取均值表示为最终结果 全卷积FCN网络 FCN全称是Fully Convolusional Networks，通俗地讲就是全卷积，没有FC层 Feature map尺寸变大： 卷积：卷积越卷越小 upsample(上采样):越变越大 Up-sample 1. 上采样方法：Bilinear Interpolation ...

剑指Offer Day1 用两个栈实现队列 剑指 Offer 09. 用两个栈实现队列 - 力扣（LeetCode） (leetcode-cn.com) 栈A用于存插入的数据，栈B用于出栈 插入函数，直接在A中入栈即可，出队时先看栈B是否为空，不为空直接输出B栈顶 否则看看A是否为空，为空的话说明没有数据 不是上述两种情况，则将A中的数据出栈后插入B中，再取出B的栈顶元素。 12345678910111213141516171819202122232425262728293031323334353637class CQueue { stack<int> A,B;public: CQueue() { while(A.size())A.pop(); while(B.size())B.pop(); } void appendTail(int value) { A.push(value); } int deleteHead() { ...

两数之和 1. 两数之和 - 力扣（LeetCode） (leetcode-cn.com) 解法1：暴力解法(O(n2)O(n^2)O(n2)) 先在这个数取出位置i的数字，然后选择j=i+1，判断两个数字相加是否为目标数字，是则返回，否则j++，j遍历完就i++ 12345678910111213141516class Solution {public: vector<int> twoSum(vector<int>& nums, int target) { vector<int> res; for(int i = 0;i<nums.size();i++) for(int j = i+1;j<nums.size();j++){ if(nums[i]+nums[j] == target) { res.push_back(i); ...

Instance and Panoptic Segmentation Using Conditional Convolutions 论文名称：Instance and Panoptic Segmentation Using Conditional Convolutions 作者：Zhi Tian; Bowen Zhang; Hao Chen; Chunhua Shen 期刊： IEEE Transactions on Pattern Analysis and Machine Intelligence 时间：2022 代码：aim-uofa/AdelaiDet: AdelaiDet is an open source toolbox for multiple instance-level detection and recognition tasks. (github.com) 原文摘要 We propose a simple yet effective framework for instance and panoptic segmentation, termed CondIns ...

CTNet: Context-based Tandem Network for Semantic Segmentation 论文名称：[CTNet: Context-based Tandem Network for Semantic Segmentation](CTNet: Context-based Tandem Network for Semantic Segmentation | IEEE Journals & Magazine | IEEE Xplore) 作者：Zechao Li; Yanpeng Sun; Liyan Zhang; Jinhui Tang 时间：2021 期刊：IEEE Transactions on Pattern Analysis and Machine Intelligence 代码： https://github.com/syp2ysy/CTNet. 原文摘要 Contextual information has been shown to be powerful for semantic segmentation. This work ...

Momentum Contrast for Unsupervised Visual Representation Learning 论文名称：[Momentum Contrast for Unsupervised Visual Representation Learning](CVPR 2020 Open Access Repository (thecvf.com)) 作者：Kaiming He, Haoqi Fan, Yuxin Wu, Saining Xie, Ross Girshick 时间：2020 期刊：CVPR 解读：MoCo 论文逐段精读【论文精读】_哔哩哔哩_bilibili 原文摘要 We present Momentum Contrast (MoCo) for unsupervised visual representation learning. From a perspective on contrastive learning as dictionary look-up, we build a dynamic dictionary with a queu ...

Learning from Pixel-Level Label Noise: A New Perspective for Semi-Supervised Semantic Segmentation 论文名称：Learning from Pixel-Level Label Noise: A New Perspective for Semi-Supervised Semantic Segmentation 作者：Rumeng Yi; Yaping Huang; Qingji Guan; Mengyang Pu; Runsheng Zhang 期刊：IEEE Transactions on Image Processing,2021 原文摘要 This paper addresses semi-supervised semantic segmentation by exploiting a small set of images with pixel-level annotations (strong supervisions) and a large set of images wi ...

计算机网络自救指南 基本缩写词语 ISP、OSl、TCP/IP、C/S、B/S、LAN、WLAN、VLAN、STP、UTP、ADSL、FDM、WDM、TDM、HDLC、PPP、CRC、MAC、CSMA/CD、MACA、LLC、CSMA/CA、AS、IGP、EGP、CIDR、NAT、ICMP、ARP、RARP、DHCP、OSPF、BGP、TSAP、NSAP、TCP、UDP、RPC、RTP、DNS、SNMP、FTP、SMTP、HTTP、POP3、Email、www、IMAP、HTML、URL、MIME、XML 第一章 绪论 分类标准：传输技术和网络尺度 两种传输技术 传输技术{点到点链路——单播(点到点传输只有一个发送方和一个接收方)广播式链路——在一个广播网络上，通信信道被网络上的所有机器所共享，任何一台机器发出额数据包能被所有其他任何机器收到广播式链路{广播——将一个数据包发送给所有目标机器，只要在地址字段中使用一个特殊的编码组播——将一个数据包发送个一组机器 传输技术\begin{cases}点到点链路——单播(点到点传输只有一个发送方和一个接收方)\\广播式链路——在一个广播网 ...

Big Data(大数据应用技术) 第一章：大数据概述(看好例题即可) 1. 大数据的概念 例:简述大数据的4V特征?并分别简要解释每个特征的意义? 答案： 数据量大(Volume)——各行各业每时每刻都在生产数据，生产速度非常块，产生的数量非常大。 数据类型繁多(Variety)——每个领域都会产生不同的数据类型，因此数据类型非常多。 处理速度快(Velocity)——数据生成速度很快，因此对这些数据的处理也要非常快。 价值密度低(Value)——我们的视频监控可能要录制很长时间，并且存储量特别大，但是有价值的部分可能只有几分钟。 2. 大数据的应用实例 智能推荐系统，信贷评估系统，无人驾驶汽车，优化物流网络，智慧交通，智能安防 3. 大数据的关键技术 从数据分析全流程角度，大数据技术包含哪些内容？每个内容请至少列出至少2个该内容包含的功能？ 数据采集与预测——清洗，转化，集成 数据存储和管理——利用分布式文件系统，数据仓库等，实现海量数据的存储和管理 数据处理与分析——分布式并行编程，机器学习和数据挖掘 数据安全和隐私保护——保护数据安全和个人隐私 4. 大数据的计算模式 ...