Liuyangfei Blog

保留最后的尊严

Pytorch教程系列（一）

翻译

以下内容是翻译自papersapce上的Pytorch教程系列，目的是为了自己学习时候记录进度督促自己，另一方面也可供需要的人汲取。 pytorch 101 第一部分：理解图，自动微分和自动求导提前准备：链式法则一点深度学习基础 PyTorch 1.0 可以在这里获得所有的代码。自动微分许多pytorch系...

Posted by 柳阳飞 on July 18, 2019

GAN

GAN学习中的体会记录

接触GAN的时候还是在大四做毕业设计的时候，由于当时是从通信工程学院转到了现在的人工智能学院，所以毕业设计就跟着这边的老师做了，当时老师布置的题目就是实现论文Semantic Segmentation using Adversarial Networks 这是16年的一篇cvpr上的文章，也是首次将GAN运用在图像的语义分割上。这篇文章的实现难度对于当时还没有接触过深度学习和python的我...

Posted by 柳阳飞 on July 17, 2019

CartoonGAN: Generative Adversarial Networks for Photo Cartoonization

用GAN生成卡通图象

动机：提出一种可以将真实世界的场景迁移到动漫中的网络贡献：提出了一个可以映射的网络结构，使用不成对的图像训练，超过目前的水平。提出了一个简单有效的损失函数。使用初始化网络的方法提高训练。 CartoonGAN 网络框架由两个CNNs组成，一个是生成器，另一个是判别器。生成器的作用是将一张真实世界的图像映射到卡通图像，生成网络以一个flat conv...

Posted by 柳阳飞 on July 15, 2019

loss

语义分割中的loss函数

Log loss log loss 就是keras中的binary_crossentropy() 对上式进行拆分可以得到经过拆分后可以发现，predict与target越接近，损失越小，最终的损失是两类损失的加权和。缺点就是当正样本数量远小于负样本数量时，使得训练的模型偏向于预测背景，因为这会获得更小的损失。 Dice loss Dice loss 常用来解决前景区域...

Posted by 柳阳飞 on June 26, 2019

LEDNET: A LIGHTWEIGHT ENCODER-DECODER NETWORK FOR REAL-TIME SEMANTIC SEGMENTATION

实时语义分割的轻量级网络

动机：计算资源限制了CNN在移动设备上做dense estimation tasks。解决方法：设计轻量级网络兼顾分割精度和效率模型压缩方法（network compression）：通过压缩预训练模型来减少inference时的计算量，常用的方法有hashing，pruning和quantization以及稀疏编码理论。卷积分离方法（con...

Posted by 柳阳飞 on June 14, 2019

Effetive use of dilated convolutions for segmentation small object instances in remote sensing imagery

用dilated convolutions 来做遥感影像中的小目标的分割

动机：解决遥感影像中目标小和拥挤的问题。方法：提出local feature extraction module(LFE)。dilation factors 扩大的卷积不能联合局部特征，LFE采用dilation factors缩小的卷积。网络：整个网络分为三个模块。三个模块： The front-end module: 为了满足大感受野，同时保持分辨率，采用了...

Posted by 柳阳飞 on June 10, 2019

Dual Attention Network For Scene Segmentation

用双注意力模型做场景分割

动机：在实际应用中，需要区别一些易混淆的类别，比如field和grass 目前的方法： 1. 利用多尺度信息融合：主要操作： combine feature maps generated by different dilated convolution and pool operation。 enlarge the kernel size ...

Posted by 柳阳飞 on June 9, 2019