遥感图像语义分割第57页

基于电力行业的智能读表系统--基于RK3399嵌入式设备部署

目录前言一、背景二、系统架构智能云读表系统边缘智能读表系统三、技术方案面临的问题：总体方案目标检测目标检测方案目标检测模型训练目标检测结果语义分割语义分割方案语义分割模型训练与结果语义分割训练中解决的问题问题解决效果读数后处理四

荪荪·2022-11-21 02:33

景联文科技：详谈3D点云标注方法

3D点云语义分割3D点云语义分割被用在自动驾驶、机器人等许多领域中，目前，已经

景联文科技·2022-11-21 02:58

我对FastFCN的理解

FastFCN:重新思考膨胀卷积在语义分割主干网络中的作用扩张卷积=膨胀卷积=空洞卷积一、前言1.解决的问题时下的语义分割模型通常在主干网络中使用扩张卷积来获得高分辨率的特征图，但是这样做会增加计算复杂度和内存占用

像梦一样自由al·2022-11-21 01:26

我对ABCNet(2021)的理解

AttentiveBilateralContextualNetworkforEfficientSemanticSegmentationofFine-ResolutionRemoteSensingImages用于高分辨率遥感图像高效语义分割的注意双边上下文网络本文的主要贡献如下

像梦一样自由al·2022-11-21 01:26

我对SegNet的理解

一、概述SegNet是Cambridge提出旨在解决自动驾驶或者智能机器人的图像语义分割深度网络，开放源码，基于caffe框架。

像梦一样自由al·2022-11-21 01:56

论文笔记-BANet: Bidirectional Aggregation Network with Occlusion Handling for Panoptic Segmentation

论文代码：https://github.com/Mooonside/BANet一、背景介绍全景分割是计算机视觉中一个新兴的、具有挑战性的问题，它是一个将语义分割(针对背景材料)和实例分割(针对前景实例)

Lyndsey·2022-11-21 01:24

我对BANet,SeMask的理解

一、BANet1.创新点本文提出了一种双向感知网络(BANet)，用于VFR（veryfineresolution）城市场景图像的精确语义分割。

像梦一样自由al·2022-11-21 00:17

深度学习(11):RangeNet++论文翻译与学习

RangeNet++:FastandAccurateLiDARSemanticSegmentationRangeNet++：快速准确的LiDAR语义分割如果想要了解原理的话，阅读重点可以集中在3OurApproach

biter0088·2022-11-21 00:56

CAM2BEV

文章启发点：通过使用语义分割的图像作为输入，缩小了模拟数据和真实数据之间的真实差距。

財鸟·2022-11-21 00:47

BEVSegFormer：一个来自任意摄像头的BEV语义分割方法

今天给大家分享一篇小汤前同事在分割方向的近期新工作BEVSegFormer，论文已经上传在arXiv上，完整题目是"BEVSegFormer:Bird’sEyeViewSemanticSegmentationFromArbitraryCameraRigs"。论文链接：https://arxiv.org/abs/2203.04050。文章作者除了“ZhangjieFu”小汤不认识之外，其他都是我在纽

StrongerTang·2022-11-21 00:15

【语义分割】类别不平衡损失函数合集

在语义分割领域，我们会常常遇到类别不平衡的问题。比如要分割的目标（前景）可能只占图像的一小部分，因此负样本的比重很大，导致网络倾向于将所有样本判断为负样本。本文介绍了在数据不平衡时常用的一些损失函数。

嘟嘟太菜了·2022-11-21 00:28

【RCNN】论文翻译-用于精确物体定位和语义分割的丰富特征层次结构

目录Abstract1.Introduction2.ObjectdetectionwithR-CNN2.R-CNN进行物体检测2.1.Moduledesign2.1.模块设计2.2.Test-timedetection2.2.测试时间检测2.3.Training2.4.ResultsonPASCALVOC2010-122.4.PASCALVOC2010-12的结果2.5.ResultsonILSV

代码和男人都读不懂·2022-11-20 23:39

OCRNet论文阅读笔记

对于语义分割这种精细的像素级图像分类任务

tcltyan·2022-11-20 22:58

写在前面的一些话：《Learning OpenCV》中文版 .

GaryBradskiAdrianKaehler著于仕琪刘瑞祯译ISBN：978-7-302-20993-5责编：定价：75元出版日期：2009年9月版次：1版1次编目分类：TP读者定位：信息处理、计算机、机器人、人工智能、遥感图像处理

叶广明_微信ye_guangming·2022-11-20 22:10

【Attention】Visual Attention Network

文章目录一、背景二、动机三、方法3.1LargeKernelAttention3.2VAN四、效果4.1分类4.2目标检测4.3语义分割论文链接：https://arxiv.org/abs/2202.09741

呆呆的猫·2022-11-20 22:01

这就是神经网络 9：深度学习-语义分割-FCN、U-Net、SegNet

本文的FCN特指这个语义分割网络，而非广义的全卷积网络。作者在论文里说，这是第一个可以端到端训练、输出像素级预测（pixels-to-pixels）语义分割网络，它可以处理任意大小的图片输入。

yuanlulu·2022-11-20 21:02

Pytorch：图像语义分割-FCN, U-Net, SegNet, 预训练网络

Pytorch:图像语义分割-FCN,U-Net,SegNet,预训练网络Copyright:JingminWei,PatternRecognitionandIntelligentSystem,SchoolofArtificialandIntelligence

宅家的小魏·2022-11-20 21:58

深度学习，语义分割---FCN （Fully Convolutional Networks for Semantic Segmentation）

贡献：a)为语义分割引入了端到端的全卷积网络端到端：输入是原始数据，输出是最后的结果，特征可以自己去学习，所以特征提取这一步也就融入到算法当中，不需要人来干预了。

走火入魔之AI·2022-11-20 21:57

FCN：语义分割领域全卷积深度学习开山之作

论文地址：https://people.eecs.berkeley.edu/~jonlong/long_shelhamer_fcn.pdf深度学习语义分割开山之作，首次将有监督的预训练特征表示用于端到端语义分割

叶舟·2022-11-20 21:44

（科普快餐）语义分割经典论文--1：FCN（深度学习语义分割开山作）

介绍：受AlexNet、GoogleNet的影响深度学习方法在语义分割领域得到了重启，全卷积网络（FullyConvolutionalNetworks，FCN）的出现也让语义分割领域展开了新时期的进程。

幼儿园级科研人士·2022-11-20 21:33

CSWin Transformer: A General Vision Transformer Backbone with Cross-Shaped Windows

AGeneralVisionTransformerBackbonewithCross-ShapedWindows一、引言二、方法实现(一)、CSWinTransformer（二）、体系结构变体三、实验(一)、分类（二）、目标检测(三)、语义分割

小小小~·2022-11-20 21:32

CNN算法

一、计算机视觉分类图像分类用于识别图像中物体的类别目标检测用于检测图像中的每个物体的类别，并准确标出它们的位置图像语义分割用于标出图像中每个像素点所属的类别，属于同一类的像素点用一个颜色标识实例分割不仅标出物体位置

要喝星卡里·2022-11-20 20:53

CVPR2021目标检测和语义分割论文分类汇总 | 源码 |

Tom Hardy·2022-11-20 19:50

分类和目标检测Labelme标注教学

Labelme的安装参见语义分割与实例分割Labelme标注教学1.图像分类待分类的图片数据放在data_annotated文件夹下，flags.txt的内容如下：进入data_annotated所在的文件夹

求则得之，舍则失之·2022-11-20 18:16

深度学习：使用UNet做图像语义分割，训练自己制作的数据集，详细教程

语义分割(SemanticSegmentation)是图像处理和机器视觉一个重要分支。与分类任务不同，语义分割需要判断图像每个像素点的类别，进行精确分割。

佐咖·2022-11-20 17:16

使用labelme打标签，详细教程

做图像语义分割，打标签时需要用到labelme这个工具，我总结了它的详细使用教程。

佐咖·2022-11-20 17:15

miniimagenet的图像预处理代码_对基于深度学习的医学图像分割的一些理解

定了图像语义分割这个方向大概有半年多了，具体研究课题方向是基于深度学习的医学图像分割。这里作一个简要的阶段性小结。

weixin_39633165·2022-11-20 17:31

【论文笔记】PVT系列论文阅读笔记

PVTv1一、引言二、网络结构1、FeaturePyramidforTransformer2、SpatialReductionAttention3、网络结构三、实验结果1、图像分类2、目标检测和实例分割3、语义分割二

嘟嘟太菜了·2022-11-20 16:56

【BEV】Cross-view Semantic Segmentation for Sensing Surroundings——View Parsing Network

Cross-viewSemanticSegmentationforSensingSurroundings跨视图语义分割,Cross-viewSemanticSegmentation图解析网络(VPN)的框架

Hali_Botebie·2022-11-20 16:13

语义分割的评价指标

语义分割任务常用的评价指标为Dicecoefficient和mIoU。dice和Iou都是用来衡量两个集合之间相似性的度量，对于语义分割任务而言即用来评估网络预测的分割结果与人为标注结果之间的相似度。

hello_dear_you·2022-11-20 15:51

用于跨域变化检测的端到端监督域适应框架

AnEnd-to-endSupervisedDomainAdaptationFrameworkforCrossDomainChangeDetection文献代码摘要：变化检测是遥感图像分析中一项至关重要但极具挑战性的任务

赫瑟尔·2022-11-20 15:01

详解计算机视觉五大技术：图像分类、对象检测、目标跟踪、语义分割和实例分割

https://www.tinymind.cn/articles/120【导读】目前，计算机视觉是深度学习领域最热门的研究领域之一。计算机视觉实际上是一个跨领域的交叉学科，包括计算机科学（图形、算法、理论、系统、体系结构），数学（信息检索、机器学习），工程学（机器人、语音、自然语言处理、图像处理），物理学（光学），生物学（神经科学）和心理学（认知科学）等等。许多科学家认为，计算机视觉为人工智能的发

喜欢打酱油的老鸟·2022-11-20 15:56

【技术分享】计算机视觉常见的十种图像标注方法

文章目录1.语义分割2.矩形框标注3.多边形标注4.关键点标注5.立方体标注6.3D点云标注7.2D/3D融合标注8.目标追踪9.OCR转写10.属性识别1.语义分割语义分割是指根据物体的属性，对复杂不规则图片进行进行区域划分

Allenpandas·2022-11-20 15:20

GroupViT：Semantic Segmentation Emerges from Text Supervision（语义分割CVPR2022）

SemanticSegmentationEmergesfromTextSupervisionCode：https://github.com/NVlabs/GroupViTProjectPage：https://jerryxu.net/GroupViT/简介：LSeg虽然能够实现zero-shot的语义分割

完美屁桃·2022-11-20 15:38

【论文阅读】Document-level Relation Extraction as Semantic Segmentation

创新将DocRE视为文档级语义分割任务，将CV的语义分割任务应用到DocRE上来。

今天NLP了吗·2022-11-20 15:32

[CVPR 2020] RandLA-Net:大场景三维点云语义分割新框架（已开源）

https://blog.csdn.net/Yong_Qi2015/article/details/104765700

jack_201316888·2022-11-20 14:28

CVPR2022点云语义分割：Stratified Transformer for 3D Point Cloud Segmentation

每日论文--CVPR2022StratifiedTransformerfor3DPointCloudSegmentationSSA:StratifiedSelf-attentionContextualRelativePositionEncodingMemory-efficientImplementationStratifiedTransformerfor3DPointCloudSegmentati

程序员毛师傅·2022-11-20 14:54

Stratified Transformer复现和调试记录，ubuntu20复现S3DIS数据集(点云语义分割)

环境：ubuntu20.04，gcc和g++都是7.5，cuda是11.3，显卡3090创建虚拟环境：python=3.7，离线安装torch=1.8.0，torchision=0.9.0（torch不要超过1.12.1我的编译时报错）安装torch=1.8.0（兼容性稍微好点）是因为torch.points3d这些库的要求，也可以使用作者用的torch1.7.1，cuda10.1，我的torch

前往在路上·2022-11-20 14:43

ENVI：如何进行遥感图像的分类？(决策树模型)

目录01决策树模型的简单介绍02实操2.1加载遥感影像以及对应的DEM影像2.2新建决策树2.2.1找到新建决策树工具并点击打开2.2.2决策树的编辑2.2.3NDVI的表达式编辑2.2.4增加子节点2.2.5band4的表达式编辑2.2.6分类好的信息编辑2.2.7重复编辑的说明2.3保存编辑好的决策树模型2.4运行决策树模型2.5分类结果展示01决策树模型的简单介绍决策树思想的来源非常朴素，程

炒茄子·2022-11-20 13:26

深度学习之语义分割算法（入门学习）

>>>深度学习Tricks，第一时间送达>>一起交流！互相学习！共同进步！>>一起交流！互相学习！共同进步！<<<

加勒比海带66·2022-11-20 13:15

怎样制作目标检测的训练样本图像（医疗图像、遥感图像、大图像裁剪）

本文可以随意转载，但是请保留内容完整，并保留原文链接像元值应该如何进行归一化？不能想当然地认为像元值的取值范围就是0到255，虽然普通数码相机拍摄出来的图像各个通道的取值范围确实是0-255。要知道这个0-255的取值是从更大取值范围处理得来的。在局部强烈光照下或者均匀光照下，还是弱光环境或者强光环境，人眼能够感受到相同的颜色，但是数码相机的传感器会量化出不同的像元值。RGB的取值对应了固定的颜色

MrSpart·2022-11-20 13:39

two stage(两阶段实例分割)自上而下(Top-Down)和自下而上(Bottom-Up)

自上而下（Top-Down）自上而下的实例分割方法的思路是：首先通过目标检测的方法找出实例所在的区域（boundingbox），再在检测框内进行语义分割，每个分割结果都作为一个不同的实例输出。

a little cabbage·2022-11-20 12:07

python实现激光雷达点云可视化------根据语义分割或者实例分割的结果

使用KITTI数据集，在对点云进行实例分割或者语义分割后，根据不同类或实例为点云赋予不同的颜色。

Jenkinwey·2022-11-20 11:42

(CVPR 2020) RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds

Abstract我们研究了大规模3D点云的有效语义分割问题。通过依赖昂贵的采样技术或计算量大的预处理/后处理步骤，大多数现有方法只能在小规模点云上进行训练和操作。

fish小余儿·2022-11-20 11:11

FusionPainting: Multimodal Fusion with Adaptive Attention for3D Object Detection(多模态融合与自适应注意的3D物体检测)

特别是，FusionPainting框架由三个主要模块组成:多模态语义分割模块、自适应的基于注意的语义融合模块和3D对象检测器。首先，基于二维和三维分割方法获取二维图像和三维激光雷达点云的语义信息;

邱宇-·2022-11-20 11:38

PointPainting: Sequential Fusion for 3D Object Detection(3D物体检测的顺序融合)

PointPainting的工作原理是将激光雷达点投影到一个纯图像语义分割网络的输出中，并将类分数附加到每

邱宇-·2022-11-20 11:08

论文阅读：Co-attention CNNs for Unsupervised Object Co-segmentation（IJCAI-18）

弱监督语义分割与协同分割的区别：（没看明白这一段想表达什么）弱监督语义分割旨在减少分割中的标注代价，弱监督语义分割通常使用图像级（image-level）的标签而非像

淘尽黄沙后·2022-11-20 11:07

pytorch语义分割中CrossEntropyLoss()损失函数的理解与分析

最近在尝试使用pytorch深度学习框架实现语义分割任务，在进行loss计算时，总是遇到各种问题，针对CrossEntropyLoss()损失函数的理解与分析记录如下：1.数据准备为了便于理解，假设输入图像分辨率为

北斗星辰001·2022-11-20 11:59

Co-attention CNNs for Unsupervised Object Co-segmentation

弱监督语义分割旨在减少分割中的标注代价，弱监督语义分割通常使用图像级（image-level）的标签而非像素级（pixel-level）的标签数据来训练模型。

math_learning·2022-11-20 11:58

CV+Deep Learning——网络架构Pytorch复现系列——classification(二：ResNeXt，GoogLeNet，MobileNet)

spm=1001.2014.3001.5501引言此系列重点在于复现计算机视觉（分类、目标检测、语义分割）中深度

游客26024·2022-11-20 08:09

推荐频道

遥感图像语义分割