最新
segnet Python
Fork 0 关注 0

本项目是一个基于编码器-解码器结构的语义分割模型。本项目创新点在于译码器对输入的低分辨率特征图的上采样处理方式。解码器利用在max-pooling过程中计算的池化indices,计算对应的编码器的非线性上采样。这个操作就省去了上采样过程的学习。上采样后的map是稀疏的,再用可学习的filter通过卷积计算稠密的特征图。

原始仓库地址:https://github.com/preddy5/segnet.git

浏览量:5 下载量:0 项目类别: 语义分割
3 months前更新
deeplearn_hsi Python
Fork 0 关注 0

本项目是针对高光谱的图像分类任务。本项目基于经典光谱信息的分类来验证堆叠自动编码器的合格性。并提出了一种新的空间主导信息分类方法,与一种新颖的深度学习框架来合并这两个特征,从中可以获得最高的分类准确性。该框架是主成分分析(PCA),深度学习架构和逻辑回归的混合体。

原始仓库地址:https://github.com/hantek/deeplearn_hsi.git

浏览量:7 下载量:0 项目类别: 图像分类
3 months前更新
Fork 0 关注 0

本项目是一个新的对语义分割任务的衡量方法。本项目基于 FCN 模型,FCN 在 PASCAL VOC 2012 数据集上实现了 67.2% 的平均 IoU。全连接网络以任意大小的图像为输入,然后生成与之对应的空间维度。在这个模型中,ILSVRC 中的分类器被丢在了全连接网络中,并且使用逐像素的损失和上采样模块做了针对稠密预测的增强。针对分割的训练是通过微调来实现的,这个过程通过在整个网络上的反向传播完成。

原始仓库地址:https://github.com/martinkersner/py_img_seg_eval.git

浏览量:2 下载量:0 项目类别: 语义分割
3 months前更新
train-crf-rnn Python
Fork 0 关注 0

本项目是一个图像语义分割项目。本项目使用 CRF-RNN 进行像语义分割任务,该任务的像素级标注任务在图像理解任务中起到了关键作用。最近的方法都在尝试将用于图像识别的深度学习技术应用于像素级的标注任务。这种方法的关键问题是深度学习技术在描绘视觉对象时的有限能力。为了解决这个问题,CRF-RNN引进了一种新式卷积神经网络,该网络是由卷积神经网络(CNN)和基于条件随机场(CRF)的概率图模型所组成,通过 Gaussian pairwise potential 为条件随机场制定了平均场近似推断,并将其作为循环神经网络。

原始仓库地址:https://github.com/martinkersner/train-crf-rnn.git

浏览量:18 下载量:0 项目类别: 语义分割
3 months前更新
train-deeplab Python
Fork 0 关注 0

本项目是基于语义分割的项目。由于语义分割是像素级别的分类,高度抽象的空间特征对low-level并不适用,因此必须要考虑 feature map 的尺寸和空间不变性。如果要保证相同的感受野,则必须是卷积核大小变大,因此使用hole算法来增加核大小进而达到相同的感受野,也就是空洞卷积。图像输入CNN后是一个倍逐步抽象的过程,原来的位置信息会随着深度而减少甚至消失。

原始仓库地址:https://github.com/martinkersner/train-deeplab.git

浏览量:10 下载量:0 项目类别: 语义分割
3 months前更新
Fork 0 关注 0

本项目是用于Deepstack对象检测的Home Assistant自定义组件。Deepstack是一项在docker容器中运行的服务,可通过REST API调用开源的深度学习模型。Deepstack可以识别80种不同的对象,包括人和动物。只需要一台具有8 GB RAM的计算机,而无需支付任何其他费用。

原始仓库地址:https://github.com/robmarkcole/hass-deepstack-object.git

浏览量:27 下载量:0 项目类别: 目标检测
4 months前更新
Fork 0 关注 0

本项目是使用逐点互信息进行边界检测和图像分割。将图像作为输入,并将尝试在该图像中查找对象边界。本项目设计了一种检测边界的新方法:与属于不同对象的像素相比,属于同一对象的像素具有更高的统计依赖性。本项目展示了如何使用逐点互信息基于此原理导出亲和力度量,并且展示了该度量确实可以很好地预测两个像素是否位于同一对象上。使用这种亲和力和光谱聚类,可以在图像中找到对象边界,从而在BSDS500数据集上获得最新的结果。

原始仓库地址:https://github.com/phillipi/crisp-boundaries.git

浏览量:3 下载量:0 项目类别: 语义分割
4 months前更新
pix2pix Python
Fork 0 关注 0

本项目是基于 Torch 实现的图像到图像的翻译任务。Pix2pix 的生成器 G 用到的是 U-Net 结构,输入的轮廓图x编码再解码成真实图片,判别器 D 用到的是作者自己提出来的条件判别器 PatchGAN ,判别器 D 的作用是在轮廓图 x的条件下,对于生成的图片G(x)判断为假,对于真实图片判断为真。

原始仓库地址:https://github.com/phillipi/pix2pix.git

浏览量:4 下载量:0 项目类别: 图像分类
4 months前更新
3dcnn.torch Python
Fork 0 关注 1

本项目设计了一个 3D-CNN 网络,用于对3D数据进行特征提取和对象分类。本项目设计了基于体积的3D-CNN网络,能更好的捕捉物体体积信息,对分类等任务提供更好的帮助。

原始仓库地址:https://github.com/charlesq34/3dcnn.torch.git

浏览量:9 下载量:0 项目类别: 图像分类
4 months前更新
Fork 0 关注 0

本项目是从RGB-D数据中进行的3D物体检测任务。通过利用2D对象检测器,可以大大减少3D搜索空间以进行对象定位。图像中的高分辨率和丰富的纹理信息还可以使较小的物体获得较高的召回率,这些物体很难仅靠点云定位。通过采用PointNet架构,我们可以直接在3D点云上工作,而无需将其体素化为网格或将其投影到图像平面。由于我们直接在点云上工作,因此我们能够完全利用3D几何进行一系列坐标归一化,有助于消除学习问题。

原始仓库地址:https://github.com/charlesq34/frustum-pointnets.git

浏览量:17 下载量:0 项目类别: 目标检测
4 months前更新

ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie