ADAPTIVE 第7页

opencv自适应阈值二值化

变成灰度图像gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#自适应阈值二值化只有一个返回值dst=cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C

13059l·2023-01-10 22:51

022-OpenCV4(C++)自适应阈值

一、自适应均值（高斯）分割步骤：1.盒子模糊D2.原图加上偏执常量C得S3.T=S-D+255二、API:ADAPTIVE_THRESH_GAUSSIAN_CADAPTIVE_THRESH_MEAN_C

AlexanderMiao·2023-01-09 07:41

Spatiotemporal Adaptive Gated Graph Convolution Network for Urban Traffic Flow Forecasting

SpatiotemporalAdaptiveGatedGraphConvolutionNetworkforUrbanTrafficFlowForecasting1.文章概述当前方法不足：交通数据实时变换，但大多数方法使用预定义图道路的语义相似性没被考虑到创新点：通过寻找道路节点的空间邻域和语义邻域来构造动态加权图多头自注意时间卷积网络被用来捕获历史观测中的局部和远程时间依赖关系提出了一种自适应图门

wwj灬·2023-01-08 09:13

ConvR:Adaptive Convolution for Multi-Relational Learning

关于卷积的知识图谱补全：ConvE：Convolutional2DKnowledgeGraphEmbeddingsConvKB代码：ANovelEmbeddingModelforKnowledgeBaseCompletionBasedonConvolutionalNeuralNetworkConvR论文：点击1介绍本论文的思想是在ConvE论文的基础上进行改进，进行知识图谱补全。ConvE成功实现

Re:fused·2023-01-08 00:12

ICCV2021：Spatially-Adaptive Image Restoration using Distortion-Guided Networks

论文代码（应该还没放出来）摘要我们提出了一种基于学习的通用解决方案，用于恢复遭受空间变化的退化图像。先前的方法通常是特定于退化的，并且在不同的图像和图像中的不同像素上采用相同的处理。然而，我们假设这样的空间刚性处理对于同时恢复退化像素以及重建图像的干净区域而言是次优的。为了克服这一局限性，我们提出了SPAIR，这是一种网络设计，它包含退化定位信息，并根据图像中的困难区域动态调整计算。SPAIR由两

weixin_45703452·2023-01-07 19:30

Adaptive Semantic Segmentation with a Strategic Curriculum of Proxy Labels

AdaptiveSemanticSegmentationwithaStrategicCurriculumofProxyLabels（具有代理标签战略课程的自适应语义分割）目录AdaptiveSemanticSegmentationwithaStrategicCurriculumofProxyLabels（具有代理标签战略课程的自适应语义分割）AbstractIntroductionRelatedW

qq_41206605·2023-01-07 18:36

【论文学习】Towards Accurate Oriented Object Detection in Aerial Images with Adaptive Multi-level Feature

AFF-Det：通过自适应多级特征融合实现航空图像中的精确定向目标检测论文链接：《TowardsAccurateOrientedObjectDetectioninAerialImageswithAdaptiveMulti-levelFeatureFusion》代码链接：暂无本文中提出了一种新型的两阶段检测器，该检测器具有自适应特征融合功能，可以实现航空图像中高精度的定向物体检测，命名为AFF-De

pinfan12138·2023-01-07 13:14

【Transformer】17、ATS: Adaptive Token Sampling For Efficient Vision Transformers

文章目录一、背景二、动机三、方法3.1TokenScoring3.2TokenSampling四、效果一、背景尽管现有的transformer模型在分类等任务上取得了较好的效果，但计算量还是很高，需要很多的GFLOPs，不适用于很多边缘设备，虽然GFLOPs也可以通过降低网络中token数量来降低，DynamicViT使用网络预测每个token的得分，从而判断哪个token是冗余的。虽然这个方法能

呆呆的猫·2023-01-07 09:12

精度提升方法：自适应Tokens的高效视觉Transformer框架（已开源）

ComputerVisionGzq学习群｜扫码在主页获取加入方式论文地址：https://openaccess.thecvf.com/content/CVPR2022/papers/Yin_A-ViT_Adaptive_Tokens_for_Efficient_Vision_Transformer_CVPR

计算机视觉研究院·2023-01-07 09:11

Scale-Aware Domain Adaptive Faster R-CNN

摘要目标检测通常假设训练和测试样本来自一个相同的分布，然而，这在实践中并不总是成立。这样的分布不匹配可能会导致显著的性能下降。在这一工作中，我们提出了尺度感知域自适应FasterR-CNN，旨在提高目标检测的跨域鲁棒性。特别是，我们的模型改进了传统的FasterR-CNN模型，在两个层面上处理了域的漂移：(1)图像层面的漂移，如图像样式、光照等;(2)实例层面的移动，如目标的外观、大小等。两个领域

Wanderer001·2023-01-07 08:03

CREStereo： Practical Stereo Matching via Cascaded Recurrent Networkwith Adaptive Correlation-论文阅读

MengYa_DreamZ·2023-01-07 07:27

【笔记】Adaptive Background Matting Using Background Matching

使用背景匹配的自适应背景抠图一、介绍本论文提出了一种自适应的背景抠图方法，主要内容为以下三个部分：背景匹配网络（backgroundmatchingnetwork，BMN）鲁棒的语义估计网络（robustsemanticestimationnetwork，REN）精确的阿尔法估计网络（accuratealphaestimationnetwork，AEN）对于视频的每一帧，使用背景匹配网络在背景帧中

Kaleidoscope-·2023-01-06 20:27

AAAI 2022 | 改进YOLOv3！IA-YOLO：恶劣天气下的目标检测

Image-AdaptiveYOLOforObjectDetectioninAdverseWeatherConditions论文：https://arxiv.org/abs/2112.08088代码：https://github.com/wenyyu/Image-Adaptive-YOLO

Amusi（CVer）·2023-01-04 10:09

ACE增强算法(自适应对比度增强)---Adaptive contrast enhancement

前言无ACE增强算法①.ACE算法原理为了避免低频背景的干扰，采用“局部”的增强方法可能会取得更好的效果。自适应对比度增强算法(ACE)是非常有名的，经常应用于医学领域中的CT图，可有效增强低对比度图像的梯度ACE算法是将图像分为两部分分别处理的，完成之后重组得到输出图。第一部分是将原图像进行平滑处后，得到低频部分;第二部分是通过原始图像减去第一部分所得的图像，称为高频部分。进而对第二部分所得的图

沉默羔羊_GUET·2023-01-04 07:59

Adaptive Contrast Enhancement（ACE）自适应对比度增强附MATLAB代码

ACE一、前言二、算法流程（1）局部背景信息的获取（2）计算标准差（3）图像增强（a）G(i,j)G(i,j)G(i,j)确定方法法一（b）G(i,j)G(i,j)G(i,j)确定方法法二三、MATLAB程序代码四、运行结果（1）α\alphaα对图像效果的影响（2）窗口半径nnn对图像效果的影响（3）阈值ththth对图像效果的影响五、结论和不足六、参考一、前言现如今的医学图像由于其

qq_41651325·2023-01-04 07:27

Model-Free Adaptive Predictive Control

MFAPC称为无模型自适应预测控制，就是在无模型自适应控制MFAC的基础上加入预测机制，即利用到未来时刻的目标输出值。同样的结合代码与公式简述一下MFAPC的基本原理和实现。数据驱动的基本思想就是指下一时刻的输入可以由前几个时刻的控制输入和实际输出来获得，即而引入紧格式动态线性化理论，即可以将上式简写成，当然，线性化需要满足几个基本的假设，一个是函数f要是连续可导，一个是系统要满足Lipschit

想毕业的牛马·2023-01-03 12:41

论文阅读 [TPAMI-2022] Deep Visual Odometry With Adaptive Memory

q=Deep+Visual+Odometry+With+Adaptive+Memory

北岭狼人·2023-01-02 16:24

【论文解读】（2020-EMNLP）Adaptive Attentional Network for Few-Shot Knowledge Graph Completion

【论文解读】（2020-EMNLP）AdaptiveAttentionalNetworkforFew-ShotKnowledgeGraphCompletion摘要最近相关研究的重点为通过学习实体的静态表示方法，而忽略他们的动态属性。本文通过自适应注意力网络：实体由自适应邻居编码器建模，来识别他们面向任务的角色引用由自适应查询感知聚合器建模，来区分他们的贡献介绍解决小样本知识图谱补全问题发展：（20

fadeGR·2023-01-02 14:40

论文阅读 Parallelly Adaptive Graph Convolutional Clustering Model(TNNLS2022)

论文标题ParallellyAdaptiveGraphConvolutionalClusteringModel论文作者、链接作者：He,XiaxiaandWang,BoyueandHu,YongliandGao,JunbinandSun,YanfengandYin,Baocai链接：ParallellyAdaptiveGraphConvolutionalClusteringModel|IEEEJo

不吃香菜的zbw·2023-01-01 12:05

【CVPR 2019】Semantic Image Synthesis with Spatially-Adaptive Normalization（SPADE）

文章目录Introduction3.SemanticImageSynthesisSpatially-adaptivedenormalization.conclusion#空间自适应正则化Weproposespatially-adaptivenormalization,asimplebuteffectivelayerforsynthesizingphotorealisticimagesgivenan

_Summer tree·2022-12-31 10:59

复现Adaptive Class Suppression Loss for Long-Tail Object Detection论文问题总结

复现AdaptiveClassSuppressionLossforLong-TailObjectDetection论文问题总结首先是AdaptiveClassSuppressionLossforLong-TailObjectDetection这篇论文所要求的环境首先一开始使用的是之前的环境,所以torch版本和cuda版本都不一样,然后在进行编译的时候总是报错(不知道是不是torch版本什么的问题

为你_而来·2022-12-30 00:59

python复现：PCA-based spatially adaptive denoising of CFA images for single-sensor digital cameras

PCA-basedspatiallyadaptivedenoisingofCFAimagesforsingle-sensordigitalcameras是2009年一篇基于PCA的图像降噪方法，应用在raw图上，下面的代码和官方matlab的结果是一致的（因为是逐句翻译的、、、），但是效率很低，优化空间很大，比如取patch的时候重复计算了很多次。importcv2importmatplotlib

tony365·2022-12-28 04:07

图像增强方法资料汇总

文章目录参数估计GANRetinex其他低光照最新综述低光照方法光流暗通道去雾持续更新-2022.8.11参数估计H.Zeng,J.Cai,L.Li,Z.Cao,L.Zhang,LearningImage-Adaptive3DLookupTablesforHighPerformancePhotoEnhancementinReal-Time

helloworld_Fly·2022-12-27 21:21

论文解读《Structured Pruning for Deep Neural Networks with Adaptive Pruning Rate Derivation Based on Con》

论文：StructuredPruningforDeepNeuralNetworkswithAdaptivePruningRateDerivationBasedonConnectionSensitivityandLossFunction基于连接敏感性和损失函数的能够自适应推导剪枝率的深度神经网络结构化剪枝论文地址：DOI:10.12720/JAIT.13.3.295-300发表时间：2022/6,J

qq_46031969·2022-12-27 10:36

【论文笔记】FashionBERT: Text and Image Matching with Adaptive Loss for Cross-modal Retrieval

文章来源：SIGIR’20摘要文章基于BERT提出了一个跨模态检索模型，该模型并不是一个通用的检索模型，主要用于电商领域时尚用品（Fashon）检索，作者是阿里巴巴。框架图文章框架和之前基于transformer的文章网络架构大致相同，输入输入文本和图片，对文本取token对图片取patch输出[CLS]用来判断文本和图片是否对齐训练任务遮挡图片（文本）预测图片（文本），预测文本和图片是否匹配Wh

hatake.18·2022-12-26 14:48

图像滤波的函数

增加图像对比度，过高过低放大噪声img=sensor.snapshot().histeq(adaptive=True,clip_limit=3)也是增加图像对比度，上面是自适应，这是直接增加，感觉有点暴力

ElE rookie·2022-12-26 11:14

DeepCham: Collaborative Edge-Mediated Adaptive Deep Learning for Mobile Object Recognition

DeepCham:CollaborativeEdge-MediatedAdaptiveDeepLearningforMobileObjectRecognition摘要+++深度学习技术在许多计算机视觉相关任务上实现了最先进的性能，例如大规模物体识别。在本文中，我们表明，由于不同位置、一天中的时间等引起的上下文变化，在日常移动场景中使用时，识别准确度会降低。为了解决这个问题，我们提出了DeepCha

鑫橙子·2022-12-25 15:48

【虚拟试衣论文笔记】Towards Scalable Unpaired Virtual Try-On via Patch-Routed Spatially-Adaptive GAN

论文地址：https://proceedings.neurips.cc/paper/2021/file/151de84cca69258b17375e2f44239191-Paper.pdf项目地址：https://github.com/xiezhy6/PASTA-GAN为了实现一个能够以无监督的方式在源和目标人之间迁移任意服装的可扩展的虚拟试穿方法，本文提出了一种纹理保持的端到端网络，即**PAt

橙子的科研日记·2022-12-24 13:26

图像超分辨率：Efficient and Degradation-Adaptive Network for Real-World Image Super-Resolution（DASR，oppo）

文章目录EfficientandDegradation-AdaptiveNetworkforReal-WorldImageSuper-ResolutionEfficientandDegradation-AdaptiveNetworkforReal-WorldImageSuper-Resolution1.本文主要解决问题2.网络结构2.1degradationprediction阶段2.2mains

tony365·2022-12-23 17:12

nn.AdaptiveAvgPool2d和nn.AdaptiveAvgPool3d

1,64,8,9)>>>output=m(input)>>>output.size()torch.Size([1,64,5,7])>>>#targetoutputsizeof7x7(square)>>>m=nn.Adaptive

星之所望·2022-12-21 20:55

文献解读|CVPR2019|APCNet:Adaptive Pyramid Context Network for Semantic Segmentation

论文地址：APCNet:AdaptivePyramidContextNetworkforSemanticSegmentation项目代码基于Pytorch，但尚未开源背景最近的研究表明结合上下文特征能够显著的提升深度语义分割模型性能。这些模型的差异仅仅在于在实际中它们构造上下文特征的方式不同。这篇文章首先介绍了语义分割任务中上下文特征的三个理想特性。作者发现尽管Global-guidedLocal

Akita·wang·2022-12-21 12:11

【论文阅读】APANet: Adaptive Prototypes Alignment Network for Few-Shot Semantic Segmentation

论文地址：https://arxiv.org/abs/2111.12263论文代码：－本文目录文章目录本文目录1.前言1.1深度学习与数据量1.2语义分割1.3元学习1.4小样本分割1.5小样本分割目前存在的问题2.APANet概述2.1提出问题2.2解决方案2.3文章贡献2.4网络结构2.5参数名词解释2.6公式介绍2.7效果展示总结留一个疑问：1.前言1.1深度学习与数据量如今，深度学习技术在

qq_43124103·2022-12-21 12:38

Adaptive Object Detection Using Adjacency and Zoom Prediction

AdaptiveObjectDetectionUsingAdjacencyandZoomPredictionAbstract最先进的物体检测系统依赖于一组精确的区域提议。虽然这些方法在计算上是有效的，但它们依赖于固定图像区域作为预测的锚点。在本文中，我们建议使用一种搜索策略，该策略自适应地将计算资源引导到可能包含对象的子区域。与基于固定锚位置的方法相比，我们的方法自然适应于对象实例稀疏且小的情况。

牛牛阳·2022-12-19 09:30

Interactron: Embodied Adaptive Object Detection

论文地址：https://arxiv.org/abs/2202.00660代码地址：https://github.com/allenai/interactron0.Abstract过去多年，物体检测（objectdetection）已经受到了极大地关注，特别是最近由于具有强大能力的深度神经网络的出现使得这一领域呈现爆发式增长。然而，现有的这些物体检测工作都典型地基于两个前提假设：（1）所有网络模型

LeiGaiceong·2022-12-19 09:29

[论文阅读] BoostMIS: Boosting Medical Image Semi-supervised Learning with Adaptive Pseudo Labeling

[论文地址][代码][CVPR22]部分描述可能不准确，详见本文评论区Abstract在本文中，我们提出了一个名为BoostMIS的新型半监督学习(SSL)框架，它结合了自适应伪标签和信息性主动注释，以释放医学图像SSL模型的潜力：(1)BoostMIS可以根据当前的学习状态，自适应地利用集群假设和未标记数据的一致性规范化。这一策略可以自适应地生成由任务模型预测转换而来的单次"硬"标签，以更好地进

xiongxyowo·2022-12-17 22:04

【CVPR 2021】解决目标检测长尾分布：Adaptive Class Suppression Loss for Long-Tail Object Detection

AdaptiveClassSuppressionLossforLong-TailObjectDetection论文简介：具体实现：基于类群的方法的局限性ACSL的实现相比以前的方法的优势实验结果：论文简介：为了解决目标检测任务的长尾分布问题，现有的方法通常将整个类别划分为几个组，并使用不同的策略来处理每一组。这些方法带来了以下两个问题：一个是具有相似大小的相邻类别之间的训练不一致性，另一个是学习模

BIT可达鸭·2022-12-17 20:40

深度学习-各种归一化(Batch Norm、Layer Norm、Group Norm、InstanceNorm、Spatially-Adaptive Norm）

深度学习之归一化：BN、LN、GN、IN、SPADE0.总述0.1.为什么要归一化处理0.2.大体上看BN、LN、IN、GN1.批量归一化(BatchNormalization，BN)1.1.作用1.2.计算过程1.3.优势1.4.缺点1.4.使用2.层归一化(LayerNormalization)2.1.作用2.2.计算过程2.3.与BatchNormalization的区别3.GroupNor

HheeFish·2022-12-17 15:31

ATSS：Adaptive Training Sample Selection原理与代码解读

论文BridgingtheGapBetweenAnchor-basedandAnchor-freeDetectionviaAdaptiveTrainingSampleSelection官方代码GitHub-sfzhang15/ATSS:BridgingtheGapBetweenAnchor-basedandAnchor-freeDetectionviaAdaptiveTrainingSampleS

00000cj·2022-12-16 21:12

论文笔记---Group-aware Label Transfer for Domain Adaptive Person Re-identification

Abstract：无监督自适应（UDA）行人重识别（ReiD）的目的是将在有标记的源域数据集上训练的模型适应于目标域数据集，而无需任何其他标记。最成功的UDA-ReID方法是将基于聚类的伪标签预测与表示学习相结合，并以交替的方式执行这两个步骤。但是，这两个步骤之间的离线交互可能会导致有噪声伪标签严重阻碍模型的性能。在本文中，提出了一种组感知的标签转移（GLT）算法，该算法使伪标签预测和表示学习的在

m0_50656961·2022-12-16 19:19

OpenCV4学习笔记（37）——CAMShift（Continuously Adaptive MeanShift）算法

在上次的笔记《OpenCV4学习笔记（36）——基于均值迁移（MeanShift）算法和直方图反向投影的目标移动跟踪》中，整理记录了一种针对目标的移动跟踪算法，主要是基于均值迁移和直方图反向投影来实现的。而今天要记录的笔记内容，依然是一种针对目标的移动跟踪算法——CAMShift目标移动跟踪算法，这种算法是基于MeanShift目标移动跟踪算法的改进。CAMShift算法其实就是连续自适应的Mea

邱小兵·2022-12-15 14:22

初步了解Continuously Adaptive Mean-shift——Opencv学习笔记

初步了解Camshift算法——Opencv学习笔记Camshift算法，全称是“ContinuouslyAdaptiveMeanshift”，是对Meanshift算法的改进，能够连续自适应调整搜索窗口，达到色彩目标跟踪的目的。要进行色彩目标

Teeom·2022-12-15 14:43

【OpenCV-Python】教程：5-2 Meanshift-Camshift(Continuously Adaptive Meanshift)

OpenCVPythonMeanshift&Camshift【目标】MeanshiftCamshift用Meanshift和Camshift跟踪目标【理论】Meanshift（均值漂移）均值漂移从字面上感觉就是很简单。假设有一个点集（或者一个像素分布，类似于直方图反向投影），给定一个小的窗口，然后需要移动这个窗口来是的像素密度或者（像素个数）最大化。如下图：初始的窗口为蓝色的圆C1,圆心为C1_o

黄金旺铺·2022-12-15 14:42

ADAS工程师的成长之路——ACC法规（ISO 15622-2018 — Adaptive cruise control systems）

文章目录0Introduction/介绍1Scop/范围2Normativereferences/规范性引用3Termsanddefinitions/术语和定义4Symbolsandabbreviatedterms/符号和缩写词5Classification/分类6Requirements/需求6.1Basiccontrolstrategy/基础控制策略6.2Functionality/功能需求6

开MINI的工科男·2022-12-13 18:47

RuntimeError: ONNX export failed: Couldn‘t export operator aten::adaptive_avg_pool2d

在对ResNet-101模型pth文件转换成onnx文件时，出现问题：我的解决方法是，将模型中的最后的池化层注释掉了：改为：这样就不报错了

季南疯(JIM)·2022-12-13 07:58

bug记录：Yolov5使用注意力机制CBAM报错untimeerror: adaptive_avg_pool2d_backward_cuda does not have a deterministi

用colab跑CBAM注意力机制的时候一直报错runtimeerror:adaptive_avg_pool2d_backward_cudadoesnothaveadeterministicimplementation

elkluh·2022-12-13 07:27

RuntimeError: adaptive_max_pool2d_backward_cuda does not have a deterministic implementation……报错

小记：※：这里提供的方案并不一定适用于你所遇到的问题，仅供参考哈~问题描述RuntimeError:adaptive_max_pool2d_backward_cudadoesnothaveadeterministicimplementation

S6969S·2022-12-13 07:49

CVPR2021-RSTNet-Captioning with Adaptive Attention on Visual and Non-Visual Words

论文地址:CVPR2021-RSTNet-CaptioningwithAdaptiveAttentiononVisualandNon-VisualWords背景介绍在imagecaptioning领域最常使用的是encoder-decoder框架。最开始研究者都是使用CNN进行视觉特征的提取，然后在使用RNN进行句子的生成。近几年，基于区域的(region-based)的视觉特征提取占了主流地位。

leeyns·2022-12-13 06:20

论文笔记：KDD 2020 Adaptive Graph Encoder for Attributed Graph Embedding

前言属性图嵌入，具体来说就是通过图数据结构中的拓扑关系和节点特征信息完成节点表示学习的过程。其中属性图的具体指的就是节点的特征信息。作者首先分析了现有的基于GCN的属性图嵌入方法的三个缺点，分别是：图卷积滤波器与权矩阵的纠缠不仅会影响性能，而且会影响鲁棒性这些方法中的图卷积滤波器是广义拉普拉斯平滑滤波器的特殊情况，但它们并不保留最优低通特性。现有算法的训练目标通常是恢复邻接矩阵或特征矩阵（通过自动

饮冰l·2022-12-11 18:15

【论文简述】AA-RMVSNet: Adaptive Aggregation Recurrent Multi-view Stereo Network（CVPR 2021）

一、论文简述1.第一作者：ZizhuangWei2.发表年份：20213.发表期刊：CVPR4.关键词：MVS、深度学习、可变形卷积、自适应聚合、LSTM5.探索动机：普通卷积对于薄结构和弱文理区域的特征提取效果有限，具有上下文感知的特征没有被充分利用；很少有研究在多视图匹配代价聚合过程中考虑像素可见性问题：从粗到细的结构成功地降低了内存消耗，但由于深度间隔较大，粗阶段的深度预测可能会出错，因此不

华科附小第一名·2022-12-11 13:50

【论文简述】UCS-Net：Deep Stereo using Adaptive Thin Volume Representation with Uncertainty Awareness（CVPR）

一、论文简述1.第一作者：ShuoCheng、ZexiangXu2.发表年份：20203.发表期刊：CVPR4.关键词：MVS、深度学习、自适应深度、由粗到细5.探索动机：因为3DCNN内存开销大的缘故，不得不在精度（深度假设数）和完整性（分辨率）间做平衡。之前的很多方法为了深度假设间隔相同且很密，所以只能使用分辨率较低的图像。AtthecoreoftherecentsuccessonMVSist

华科附小第一名·2022-12-11 13:49

推荐频道

ADAPTIVE