学习日记2020-11-23论文学习

2024-05-27 16:01:14

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

热门文章