FlyPluche

提出原因 为解决self.attention的n方复杂度，以及超长文本获取信息冗余问题，限制输入文本的长度，一般的Transformer在处理超长文本时，训练时segment分开，一个一个训练，预测时

§摘要 我们提出了一种高效、高质量的目标和场景图像分割新方法。 通过类比经典的计算机图形学方法高效渲染像素标记任务中面临的过采样和欠采样挑战，我们发展了一个独特的视角，将图像分割作为一个渲染问题。 从

Paper：https://arxiv.org/abs/2103.11832 Code：未开源 1.动机 在最近的文献中，RGB-D SOD方法通常将深度通道作为辅助输入通道，直接送入卷积神经网络(c

数据增强的作用/为啥要进行数据增强 避免过拟合。当数据集具有某种明显的特征，例如数据集中图片基本在同一个场景中拍 摄，使用 Cutout 方法和风格迁移变化等相关方法可避免模型学到跟目标无关的信息。

Paper：https://arxiv.org/pdf/2103.02907.pdf GitHub：https://github.com/Andrew-Qibin/CoordAttention 轻量，

Gated Channel Transformation for Visual Recognition 论文链接: https://arxiv.org/abs/1909.11519 代码地址: htt

显著性图像检测（抠图） canny边缘loss Loss=L边缘+L全局 通过canny得出预测图像与mask图像的边缘，然后计算损失。 两种方法加上这个边缘Loss： 1.每一种输出都算上 2.只算

首先讲一讲可能用到的操作 1.查看当前文件夹下的文件 dir 2.返回上一/两个目录 cd .. cd ../.. 3.Tab 直接按Tab,可以查看当前文件下的所有东西 4.移动文件 mv 文件名

一.概念 模型=网络结构+网络参数 网络结构：VGG ，RASNet…… 网络参数：网络结构中kernel，weight之类的数据 二.怎么得到模型 1.下载别人的网络结构 我们有时候会借鉴别人的网络