任务无关的动态特征上采样陆昊2023/6/71华中科技大学人工智能与自动化学院群内每日免费分享5份+最新资料300T网盘资源+40万份行业报告为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长……全面赋能！添加微信，备注“入群”立刻免费领取200套知识地图+最新研报收钱文案、增长黑客、产品运营、品牌企划、营销战略、办公软件、会计财务、广告设计、摄影修图、视频剪辑、直播带货、电商运营、投资理财、汽车房产、餐饮烹饪、职场经验、演讲口才、风水命理、心理思维、恋爱情趣、美妆护肤、健身瘦身、格斗搏击、漫画手绘、声乐训练、自媒体打造、效率软件工具、游戏影音……扫码先加好友，以备不时之需行业报告/思维导图/电子书/资讯情报致终身学习者社群致终身学习者社群关注公众号获取更多资料2简介陆昊，副教授，华中科技大学博士（2018），澳大利亚阿德莱德大学访问学生（2016-2017）与博士后（2018-2020），合作导师沈春华教授，2020年11月起任华中科技大学人工智能与自动化学院副教授。研究方向研究方向聚焦计算机视觉中的稠密预测（denseprediction）。稠密预测是视觉中一系列包括目标检测、语义分割、深度估计等逐像素标记任务的总称。目前在计算机视觉领域的顶刊IEEETPAMI、IJCV与顶会CVPR、ICCV、ECCV、NeurIPS、AAAI、MM等发表论文70余篇。自我介绍上采样IndexNetA2UFADESAPA0102030405CONTENTS概要3PartI上采样Upsampling4什么是上采样?上采样IndexNetA2UFADESAPA5目标：提升空间分辨率什么是特征上采样？上采样IndexNetA2UFADESAPA6-目标：提升特征图的空间分辨率𝐻×𝑊×𝐶𝜎𝐻×𝜎𝑊×𝐶为什么需要特征上采样？上采样IndexNetA2UFADESAPA7-上采样是许多稠密预测模型中的关键操作，例如编解码架构、FPN架构常规上采样算子上采样IndexNetA2UFADESAPAUpsamplersInterpolation:Max-Unpooling:PixelShuffle:常规上采样算子存在的问题上采样IndexNetA2UFADESAPA传统插值算法转置卷积上采样线性插值会平滑图像的边缘细节导致棋盘效应NNBilinearBicubicPartIIIndexNetICCV2019，TPAMI202210HaoLu,etal."Indicesmatter:Learningtoindexfordeepimagematting."ProceedingsoftheIEEE/CVFInternationalConferenceonComputerVision.2019.HaoLu,etal.”IndexNetworks.“IEEETransactionsonPatternAnalysisandMachineIntelligence.2022.不同网络模型的表现差异上采样IndexNetA2UFADESAPA11同为encoder-decoder模型不同模型有不同表...
