【目标检测论文阅读笔记】CARAFE: Content-Aware ReAssembly of FEatures
素质悍匪:
假设我们要将一个 2x2 的输入特征图上采样到 4x4的输出特征图，使用 3x3 的邻域大小，这个邻域大小是预先设定的。 对于4x4输出特征图左上角的像素（1，1），它的投影位置（可以理解为将输出特征图缩小到与输入特征图相同大小后，输出像素在输入特征图上对应的位置）在输入特征图上是 (0.5, 0.5)。 以投影位置 (0.5, 0.5) 为中心，在2x2的输入特征图上定义一个 3x3 的邻域，从2x2的输入特征图中提取出对应邻域的特征值，如果投影位置的坐标不是整数，则使用双线性插值来获取特征值。 然后，CARAFE 会根据这个邻域内的特征值预测一个 3x3 的重组内核（CARAFE 会根据输入特征图中对应邻域的特征来预测一个重组内核。这个内核的形状通常与邻域的大小相同，例如 5x5 或 3x3，这个预测过程通常是通过一个小型的神经网络来实现的，这个小型网络被称为"内核预测网络"，它的输入是输入特征图中对应邻域的特征，内核预测网络通常由几个卷积层和一个 sigmoid 激活函数组成。 卷积层用于提取特征并学习如何根据输入特征预测重组内核。 sigmoid 激活函数用于将内核的值限制在 0 到 1 之间，使其可以作为权重来进行特征重组。）。最后，将重组内核与邻域内的特征进行逐元素相乘并求和，得到输出特征图左上角像素的值。
【目标检测论文阅读笔记】CARAFE: Content-Aware ReAssembly of FEatures
_我的旺仔呢_:
大佬mmcv里的carafe源代码怎么看呢，我的环境不是mmd
自监督论文阅读笔记 Improving Contrastive Learning by Visualizing Feature Transformation
CSDN-Ada助手:
你好，CSDN 开始提供 #论文阅读# 的列表服务了。请看：https://blog.csdn.net/nav/advanced-technology/paper-reading?utm_source=csdn_ai_ada_blog_reply 。如果你有更多需求，请来这里 https://gitcode.net/csdn/csdn-tags/-/issues/34?utm_source=csdn_ai_ada_blog_reply 给我们提。
自监督论文阅读笔记 Self-supervised Learning in Remote Sensing: A Review
CSDN-Ada助手:
你好，CSDN 开始提供 #论文阅读# 的列表服务了。请看：https://blog.csdn.net/nav/advanced-technology/paper-reading?utm_source=csdn_ai_ada_blog_reply 。如果你有更多需求，请来这里 https://gitcode.net/csdn/csdn-tags/-/issues/34?utm_source=csdn_ai_ada_blog_reply 给我们提。
【小目标检测论文阅读笔记】Small object detection in remote sensing images based on attention mechanism and multi-
yuebanmeiemi:
这两篇论文是已经发表录用了吗