实际上,我们只会考虑t≥0t≥0的一些离散取值。当t=0t=0时,高斯滤波器退化为脉冲函数(impulse function),因此卷积的结果是图像本身,不作任何平滑。 看图: 事实上,我们还可以构造其他尺度空间。 但由于线性(高斯)尺度空间满足很多很好的性质,因此是使用最为广泛的。 尺度空间方法最重要的属性是尺度不变性(scale i...
这篇文章收录于ECCV2020,是一篇超高效的显著性目标检测的算法,仅有100K的参数量。主要创新点有:对Octave降频卷积进行了改进使其支持多尺度特征输入;提出了动态权重衰减方法用于训练环节。这两点方法都可以应用于其他任务中,保持网络性能的同时减少参数量,值得学习。 论文地址:https://arxiv.org/pdf/2003.05643.pdf 代...