paper链接：https://arxiv.org/pdf/1812.09953.pdfcode链接：https://github.com/YangZhang4065/AdaptationSeg摘要：在过去的5年里面，卷积神经网络在语义分割领域大获全胜，语义分割是许多其他应用的核心任务之一，这其中包括无人驾驶、增强现实...

记笔记目的：刻意地、有意地整理其思路，综合对比，以求借鉴。他山之石，可以攻玉。《ConvolutionalSimplexProjectionNetwork forWeaklySupervisedSemantic Segmentation》-20180724，一篇来自德国波恩大学与锡根大学的paper...

UCBerkeley的DeepakPathak使用了一个具有图像级别标记的训练数据来做弱监督学习。训练数据中只给出图像中包含某种物体，但是没有其位置信息和所包含的像素信息。该文章的方法将imagetags转化为对CNN输出的label分布的限制条件，因此称为Constrainedconvolutionalneuraln...

这篇文章的主要贡献点在于：1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型；2.可以利用boundingbox来进行训练，并且得到了较好的结果，这样可以代替用pixel-level训练中的groundtruth；3.当我们用少量的pixel-levelannotations和大量的图像整体的弱标签来进行半监...

首先回顾CNN测试图片类别的过程，如下图：主要由卷积，pool与全连接构成，这里把卷积与pool都看作图中绿色的convolution，全连接为图中蓝色的fullyconnected。卷积主要是获取高维特征，pool使图片缩小一半，全连接与传统神经网络相似作为权值训练，最后通过softmax输出概率最高的类别。上图中n...

发表于2015年这篇《FullyConvolutionalNetworksforSemanticSegmentation》在图像语义分割领域举足轻重。通常CNN网络在卷积层之后会接上若干个全连接层,将卷积层产生的特征图(featuremap)映射成一个固定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像...

论文题目是STC，即SimpletoComplex的一个框架，使用弱标签（imagelabel）来解决密集估计（语义分割）问题。2014年末以来，半监督的语义分割层出不穷，究其原因还是因为pixel级别的GroundTruth太难标注，因此弱监督成了人们研究的一个热门方向。作者的核心思想是提出了层层递进的三个DCNN。...

  有的程序可以通过编译，但在运行时会出现Segmentfault(段错误)。这通常都是指针错误引起的。但这不像编译错误一样会提示到文件一行，而是没有任何信息。一种办法是用gdb的step,一步一步寻找。但要step一个上万行的代码让人难以想象。我们还有更好的办法，这就是corefile。如果想让系...

 一、介绍基于图的图像分割（Graph-BasedImageSegmentation），论文《EfficientGraph-BasedImageSegmentation》，P.Felzenszwalb,D.Huttenlocher，InternationalJournalofComputerVision,Vo...

https://zhuanlan.zhihu.com/p/23006190?refer=xiaoleimlnotehttp://blog.csdn.net/bea_tree/article/details/51659263http://blog.csdn.net/liyaohhh/article/details/508...

原文标题：MemoryTranslationandSegmentation原文地址：http://duartes.org/gustavo/blog/   [注：本人水平有限，只好挑一些国外高手的精彩文章翻译一下。一来自己复习，二来与大家分享。]   本文是In...

在前几篇中，虽然已经实现了rtsp视频流的对接，但是还要做的工作还非常多，onvif本来就是一个覆盖面非常广的一个协议，每一个功能都要填充大量的函数。而且稍不注意就会出现segmentationfault错误。下面把我之前开发调试时的经验写下来，希望能够帮助有这方面需求的人。【来自http://blog.csdn.ne...