上图展示了source-free domain adaptation和一般的DA的区别。在之前的两篇source-free的论文中已经反复讲解，不再赘述。
训练得益于大量的数据，A数据集有标注，B数据集无标注。如何利用A数据集在B数据集上取得效果，这是经典的Domain adaptation问题。
【前言】：之前断断续续看了很多图网络、图卷积网络的讲解和视频。现在对于图网络的理解已经不能单从文字信息中加深了，所以我们要来看代码部分。现在开始看第一篇图网络的...
和COCO，imageNET的等数据集比较，这个FSS1000数据集包含1000个类别，每个类别包含10张带有标注的图像。1000个类别涵盖日常用到的类别，包含...
「前沿」：最近忙各种各样的事情，更新慢了。抽空写一点。这一篇内容很简单，只需要5min就可以学完。
「前言」：最近好久没更新公众号了，我一不小心陷入了一个误区：我以为自己看的文章足够多了，用之前的风格迁移和GAN的知识来解决一个domain adaptive的...
已知卷积神经网络在具有足够的标记数据的情况下非常擅长学习输入输出关系。因此，采用端到端的学习方法来预测光流：
这片论文提供了SOTA的配准方式，并且使用了diffeomorphic（微分同胚）。
为了获得高质量的分割结果，目前临床上小儿超声心动图的分割主要由超声工作者手工完成，这既费时费力，又高度依赖于超声工作者的专业水平。为了解决这些问题，本文提出了一...
文中提到了下面关键字：构建了corresponding prior map（CPmap），然后通过Context Prior Layer（CPLayer）来把这...
【前言】：看代码的时候，也许会不理解VIT中各种组件的含义，但是这个文章的目的是了解其实现。在之后看论文的时候，可以做到心中有数，而不是一片茫然。
BYOL是Boostrap Your Own Latent，这个无监督框架非常的优雅和简单，而且work。收到了很多人的称赞，上一个这样起名的在我认知中就是YO...
比较陌生的可能就是torchvision.transforms.ColorJitter（）这个方法了。
首先，这个论文中的模块，叫做non-local block，然后这个思想是基于NLP中的self-attention自注意力机制的。所以在提到CV中的self-...
这一篇文章感觉是不错的，大概的流程是，对好的图像经过不同级别的失真操作，得到一系列的图像，然后把不同失真程度的图像对输入到siamese net中训练。是一个n...
这一篇文章和上一篇的rank-IQA感觉都是不错的处理NR-IQA任务的框架，让我们好好学一学这一篇文章中的精髓。
这可能是我看CVPR论文中，唯一一个5分钟就看完原理的论文了，简单有趣。这一篇文章是CVPR2020的与图像质量评估相关的文章，整体思想比较新颖，而且是无监督的...
总的来说，卷积网络的可解释性一直是一个很重要的问题，你要用人工智能去说服别人，但是这是一个“黑箱”问题，卷积网络运行机理是一个black box，说不清楚内在逻...
【前言】：觉得本文不错的，可以在文章末尾点个赞+在看哦~（今年年底之前可否完成100篇技术原创文呢？）
图像处理论文详解 | Deformable Convolutional Networks | CVPR | 2017
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
扫码关注云+社区
领取腾讯云代金券
