学习日记2020-11-23论文学习
Attentive Feedback Network for Boundary-Aware Salient Object Detection、
1.Attentive Feedback Network (AFNet) – a Global Perception Module (GPM) Attentive Feedback Modules (AFMs)
2. Boundary-Enhanced Loss (BEL)
Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating Back-Propagation for Saliency Detection
1.learn a clean saliency predictor from noisy labels by a novel latent variable model that we call noise-aware encoder-decoder
2. train the latent variable model by an alternating back-propagation(ABP) algorithm
3.an edge-aware smoothness loss
The clean saliency predictive model is an encoder-decoder framework, while the noise is modeled as a non-linear transformation of Gaussian latent variables, in which the transformation is parameterized by a neural network. Edge-aware smoothness loss is also utilized to prevent the model from converging to a trivial solution. We propose to train the model by alternating back-propagation algorithm
Multi-Type Self-Attention Guided Degraded Saliency Detection
- a multi-type self-attention network a multi-type self-attention network(MSA), to select features from both global and local perspectives
- an attention transfer learning network Attention Transfer Network (ATN)-- im-plement recurrent local self-attention (RLS) estimation and global pixel self-attention (GPA) inference.
Multi-spectral Salient Object Detection by Adversarial Domain Adaptation
1.using the synchronized RGB and NIR images for the both simple and complex situations.
2. collect a large multi-spectral dataset
3. the adversarial domain adaptation
Deep Embedding Features for Salient Object Detection
- embedding prior predictions into a metric space to filter outliers and generate attentive features to precisely localize salientobjects.
- Recursive Feature Integration Network(RFIN)
- Guided Filter Refinement Network (GFRN)
学习日记2020-11-23论文学习相关推荐
- Jenkins持续集成学习笔记(2020.11.22)
Jenkins持续集成学习笔记(2020.11.22) 前言: (官网) 以前很久学习过Jenkins持续集成进行快速部署项目进行测试, 最近换工作了, 发现新公司有用到, 现在来复习一下 官网介绍: ...
- const 指针_C语言学习日记(11)——const与指针
对于一个普通指针typet *p.p有三个最基本的能力,第一就是可以通过p = &obj来指向一个type类型对象,并随意切换指向对象.第二就是通过value = *p来读取它指向的对象的值. ...
- 深度学习与TensorFlow:FCN论文学习笔记
七月 上海 | 高性能计算之GPU CUDA培训 7月27-29日三天密集式学习 快速带你入门阅读全文> 正文共1708个字,5张图,预计阅读时间8分钟. 这篇文章陆陆续续看了快两周,其中也遇 ...
- -2岁的产品经理学习日记2020/2/15
B端与C端产品的区别: 1.用户群体 B端产品:一般是多角色群体.多维度,一般是3个维度,决策者(老板).管理者(财务.业务部门负责人)和执行者(使用的用户).大白话:就是给企业里边的内部员工用的一个 ...
- 接下来学习计划2020.11.9
单调栈 Monotonic Stack 的使用 https://mp.weixin.qq.com/s?__biz=MzAxODQxMDM0Mw==&mid=2247484525&idx ...
- 【Java学习日记】#11 类与对象 #3 对象
对象 对象的特性 对象的创建 对象的引用 对象的使用 对象的销毁 对象的特性 对象的创建 使用new操作符调用构造方法就可以创建一个对象. 创建一个Test类对象: Test test1 = new ...
- C语言学习日记(11)——const与指针
对于一个普通指针typet *p.p有三个最基本的能力,第一就是可以通过p = &obj来指向一个type类型对象,并随意切换指向对象.第二就是通过value = *p来读取它指向的对象的值. ...
- 【学习日记】使用百度深度学习平台进行深度学习
最近,一直在自学深度学习.一边学习理论,一遍学习编程.在做CNN的时候,手头的笔记本电脑就吃不消了,运行的速度明显跟不上.本来想买一台带好点的显卡,可是调研了一下,带NVIDIA 1080的差不多要1 ...
- 【动手学深度学习PyTorch版】23 深度学习硬件CPU 和 GPU
上一篇请移步[动手学深度学习PyTorch版]22续 ResNet为什么能训练出1000层的模型_水w的博客-CSDN博客 目录 一.深度学习硬件CPU 和 GPU 1.1 深度学习硬件 ◼ 计算机构 ...
- 求阶乘倒数的和2020.11.23
求阶乘倒数的和 #include<stdio.h> void main(){ int t,n,z=1; double sum=0; scanf("%d",&n) ...
最新文章
- sql array 数组基本用法(四)
- Hibernate模糊查询
- C#的static,interface,virtual,abstract,override的区别用法
- [数据处理] Pandas利用groupby拆分csv
- minio分布式搭建_分布式存储Minio集群环境搭建
- Spring第七弹—依赖注入之注解方式注入及编码解析@Resource原理
- innodb存储引擎监控
- css-a:visited
- objdump选项解释
- 主板usb接口全部失灵_主板USB接口都无法使用故障
- 学员管理系统(面向对象版)
- 阿里云域名优惠口令获取及使用方法
- 学Java到底要不要上培训班?
- 通过Alertmanager实现Prometheus的告警告警配置(邮箱加钉钉)
- 轻松使用Nginx搭建web服务器
- 十进制转换为任意进制的算法代码
- 判断机器大端还是小端
- 【ML】第二章 端到端机器学习项目
- ORACLE表唯一自增字段
- unity文本隐藏_AI论文中隐藏的笑话,全看懂的绝对是高手!