<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Keep_Trying_Go的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Keep_Trying_Go</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Keep_Trying_Go]]></copyright><item><title><![CDATA[Crowd-SAM人群检测论文详解]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/168236939</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/168236939</guid><author>Keep_Trying_Go</author><pubDate>Sat, 17 Oct 2026 12:09:03 +0800</pubDate><description><![CDATA[Crowd-SAM 提出一种自提示框架，利用少量标注图像（10-shot）实现密集场景下高效智能标注。通过 DINOv2 生成前景热力图，结合高效 Prompt 采样器（EPS）与部件-整体判别网络（PWD-Net），自动筛选高质量掩码，显著提升召回率与检测精度。在 CrowdHuman 上达 78.4% AP，超越多数全监督方法，且速度优于传统 SAM，为密集人群检测提供低成本、高效率的自动化标注新范式。]]></description><category></category></item><item><title><![CDATA[分割算法FastSAM论文详解]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/167922125</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/167922125</guid><author>Keep_Trying_Go</author><pubDate>Wed, 14 Oct 2026 23:36:55 +0800</pubDate><description><![CDATA[FastSAM提出“先全实例分割、后提示筛选”的两阶段框架，以YOLOv8-seg替代SAM的端到端Transformer，实现68M参数、40ms推理速度（50×加速），且不受提示数量影响。通过原型加权机制高效生成Mask，结合CLIP实现文本提示，虽在小目标分割上略逊于SAM，但显著降低训练成本与部署门槛。该方法验证了专用轻量模型在效率与实用性上的优势。]]></description><category></category></item><item><title><![CDATA[MobileSAMv2分割算法详解]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/167569383</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/167569383</guid><author>Keep_Trying_Go</author><pubDate>Sun, 11 Oct 2026 15:08:00 +0800</pubDate><description><![CDATA[MobileSAMv2 提出两阶段高效分割一切（SegEvery）框架：先用类无关目标检测器生成≤320个框提示，再批量输入SAM解码器。相比原版网格撒点（4096点×3mask），提示数降为1/40，解码耗时从6400ms降至50ms，整体提速超16倍；在零样本目标提议任务中性能持平甚至更优（59.3% vs 59.2%），且无需冗余过滤。该方法兼顾速度与精度，与轻量编码器兼容，实现高效、精准的“分割一切”。]]></description><category></category></item><item><title><![CDATA[MobileSAM 论文方法详解]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/167223567</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/167223567</guid><author>Keep_Trying_Go</author><pubDate>Wed, 07 Oct 2026 18:41:55 +0800</pubDate><description><![CDATA[摘要： 本文提出MobileSAM，通过解耦合知识蒸馏实现轻量化分割模型部署。针对SAM“头重脚轻”的结构，创新性地将训练过程解耦：仅用MSE损失蒸馏Image Encoder的embedding，无需依赖Mask Decoder。该方法使训练成本降低至1%以下，仅需2块GPU、11K数据即可达到0.75 mIoU，压缩比达109×，推理速度提升38×。相比半耦合与全耦合策略，解耦合显著降低优化难度，且可直接复用原始Decoder，实现小模型高精度、低延迟的移动端部署，性能超越FastSAM。]]></description><category></category></item><item><title><![CDATA[Exclusivity-Guided Mask Learning for Semi-Supervised Crowd Instance Segmentation and Counting]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/167130146</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/167130146</guid><author>Keep_Trying_Go</author><pubDate>Mon, 05 Oct 2026 20:48:45 +0800</pubDate><description><![CDATA[本文提出一种半监督人群实例分割与计数的统一框架，以掩膜监督替代稀疏点标注。方法分三阶段递进：Stage 1 用 EDP-SAM（双提示 + NNEC 空间约束）自动生成高质量掩膜伪标签；Stage 2 提出 XMask，在 Mean Teacher 框架下将实例分割转化为嵌入空间的判别学习（高斯平滑 + 自适应局部区域 + 可微中心采样 + Pull-Push 损失），建立实例间的排他性区域；Stage 3 将实例掩膜作为结构化伪标签，通过背景惩罚与前景约束损失优化计数网络的空间一致性。三阶段闭环实现分割与]]></description><category></category></item><item><title><![CDATA[小时候的梦想游戏（俄罗斯方块，贪吃蛇，溪畔村庄等）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/166601639</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/166601639</guid><author>Keep_Trying_Go</author><pubDate>Thu, 24 Sep 2026 23:13:40 +0800</pubDate><description><![CDATA[本项目收录5个可直接在浏览器运行的网页游戏：俄罗斯方块、贪吃蛇、五子棋、中国象棋及荒野求生（需Vite环境）。各游戏均附详细README.md说明玩法与实现。所有内容由AI辅助生成，仅限学习交流，禁止商用，使用者须自行承担风险。支持导出为HTML、PDF或添加图标截图，欢迎进一步美化。]]></description><category></category></item><item><title><![CDATA[Kaggle CLI Datasets上传文件教程（保姆级）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/165242840</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/165242840</guid><author>Keep_Trying_Go</author><pubDate>Mon, 14 Sep 2026 23:10:28 +0800</pubDate><description><![CDATA[本文介绍使用Kaggle CLI分批次上传大模型文件至Kaggle Dataset的完整流程。通过本地目录组织、配置代理解决网络问题，利用kaggle datasets init初始化元数据，首次用create上传首批文件，后续通过version命令逐批更新（全量替换），保留原目录结构。支持大文件分卷上传，注意单文件≤20GB、总容量≤100GB限制。可在Notebook中直接挂载使用，配合download、status等命令实现高效管理。适用于HuggingFace模型等复杂结构的批量部署。]]></description><category></category></item><item><title><![CDATA[华为开源框架MindSpore基本使用]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/161749965</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/161749965</guid><author>Keep_Trying_Go</author><pubDate>Sun, 14 Jun 2026 16:00:23 +0800</pubDate><description><![CDATA[本文介绍了华为昇思MindSpore AI计算框架的核心特性与应用实践。MindSpore作为面向&quot;端-边-云&quot;全场景的新一代框架，具备动静统一编程范式、自动并行技术及MindIR中间表达等创新设计，支持CPU/GPU/NPU异构算力。文章对比了PyTorch、TensorFlow等主流框架的差异，并通过MobileNetV2微调实战演示了完整开发流程：包括环境配置、数据加载（标准/自定义数据集）、模型构建（原生接口与兼容PyTorch的mint接口）、损失函数与优化器配置、训练验证（M]]></description><category></category></item><item><title><![CDATA[基于监督对比学习的统一图像生成框架（A Framework For Image Synthesis Using Supervised Contrastive Learning）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/155607786</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/155607786</guid><author>Keep_Trying_Go</author><pubDate>Sat, 06 Jun 2026 16:06:22 +0800</pubDate><description><![CDATA[本文提出一种改进的文本到图像生成方法，通过引入监督对比学习同时利用跨模态和内模态关联。针对现有方法忽略图像间语义关联、文本信息不足等问题，设计双分支共享架构和动态采样策略，在预训练和GAN阶段加入监督对比损失。实验表明，该方法在CUB和COCO数据集上能生成更符合文本描述且具有同类一致性的图像，有效解决了基线模型存在的语义不一致问题。特别是在多对象场景中，框架能准确生成文本指定的物体属性，显著提升了生成质量。]]></description><category></category></item><item><title><![CDATA[基于多模态的人群统计算法详解Multi-modal Crowd Counting via a Broker Modality]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/156830311</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/156830311</guid><author>Keep_Trying_Go</author><pubDate>Fri, 17 Apr 2026 20:06:11 +0800</pubDate><description><![CDATA[本文提出了一种基于代理模态的跨模态人群计数方法，旨在解决RGB和热成像图像间的模态差异与空间未对齐问题。方法核心是设计轻量级代理模态生成器（BMG），通过两阶段训练策略：先通过知识蒸馏从扩散模型中学习高质量图像融合能力，再通过计数任务微调缓解重影效应。实验表明，该方法有效减轻了重影现象，提高了计数精度。论文和代码已公开，为跨模态人群计数提供了新思路。]]></description><category></category></item><item><title><![CDATA[基于单域泛化的目标统计算法URM详解（Single Domain Generalization for Few-Shot Countingvia Universal Representation ）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/156870771</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/156870771</guid><author>Keep_Trying_Go</author><pubDate>Wed, 08 Apr 2026 17:02:29 +0800</pubDate><description><![CDATA[本文提出了一种面向单域泛化的少样本计数模型URM，通过融合大规模预训练视觉-语言模型的通用表示来解决现有方法面临的领域偏移问题。URM采用MaskCLIP提取通用视觉表示，利用语言模型生成多样化提示获取通用语言嵌入，并通过双向注意力机制实现统一表示匹配。实验表明，该方法在应对领域偏移时表现出显著鲁棒性，同时保持域内性能。相比传统&quot;提取-匹配&quot;范式，URM通过引入视觉-语言预训练知识，有效克服了原型泛化能力不足的问题，为少样本计数领域的单域泛化问题提供了创新解决方案。]]></description><category></category></item><item><title><![CDATA[StyleGAN-T文生图算法详解（Unlocking the Power of GANs forFast Large-Scale Text-to-Image Synthe）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/155948705</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/155948705</guid><author>Keep_Trying_Go</author><pubDate>Wed, 01 Apr 2026 14:14:01 +0800</pubDate><description><![CDATA[本文系统研究了基于GAN的文本生成图像技术，重点解析了StyleGAN-T模型的创新设计。该模型通过改进生成器架构（引入残差卷积和二阶样式机制）、优化判别器（采用DINO-ViT特征网络和多头架构）以及平衡文本对齐，显著提升了生成质量和速度。实验表明，StyleGAN-T在FID和CLIP分数上提升约40%，训练效率提高1.5倍，在快速文本生成图像任务中达到SOTA水平。研究还对比了StackGAN、AttnGAN等经典模型的技术特点，为文本生成图像领域提供了全面的技术参考。]]></description><category></category></item><item><title><![CDATA[基于扩散模型（diffusion Model）的人群计数方法（CrowdDiff）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/157175412</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/157175412</guid><author>Keep_Trying_Go</author><pubDate>Tue, 24 Mar 2026 19:26:56 +0800</pubDate><description><![CDATA[本文提出CrowdDiff，首个基于扩散模型的人群计数方法。通过将密度图生成建模为去噪扩散过程，该方法克服了传统密度图方法的背景噪声积累、密度损失和分布失真问题。与依赖宽高斯核或后处理的现有方法不同，CrowdDiff采用较窄高斯核简化学习，并创新性地融合多个密度图结果提升性能。实验验证了该方法在综合性能和消融研究中的优势，为人群计数领域提供了新的解决方案。]]></description><category></category></item><item><title><![CDATA[基于GAN的文生图算法详解（Text to Image Generation with Semantic-Spatial Aware GAN）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/155741833</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/155741833</guid><author>Keep_Trying_Go</author><pubDate>Sun, 15 Mar 2026 16:10:10 +0800</pubDate><description><![CDATA[本文系统研究了文本到图像生成模型的关键技术与改进方向。针对现有方法的局限性，包括条件批归一化的空间感知不足、文本编码器固定训练的限制、文本-图像融合机制不够深入等问题，提出了一种端到端的可训练框架。创新性地设计了语义-空间感知卷积网络(SSACN)，包含弱监督掩码预测器、语义-空间条件批归一化和残差块结构，实现文本信息的精准空间注入。采用单阶段生成架构避免了多阶段模型的缺陷，并结合DAMSM损失提升生成质量。实验验证了该方法在图像质量和文本-图像一致性方面的优势。]]></description><category></category></item><item><title><![CDATA[基于stable diffusion图像生成的小小demo应用（pytorch）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/156860761</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/156860761</guid><author>Keep_Trying_Go</author><pubDate>Mon, 09 Mar 2026 16:04:01 +0800</pubDate><description><![CDATA[本文汇总了Stable Diffusion相关代码资源与参数说明，并整理了多篇文本生成图像（Text-to-Image）领域的核心论文。代码部分包含官方实现和PyTorch复现版本，重点解析了prompt、uncond_prompt、cfg_scale等关键参数的作用。论文部分系统梳理了GAN-based方法（如AttnGAN、MirrorGAN）、扩散模型（Stable Diffusion）、Transformer架构（VQ-GAN、MaskGIT）三大技术路线，涵盖基础模型（StackGAN）、优化方法]]></description><category></category></item><item><title><![CDATA[基于diffusion扩散模型的数据增强目标统计算法详解（Diffusion-based Data Augmentation for Object Counting Problems）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/156685074</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/156685074</guid><author>Keep_Trying_Go</author><pubDate>Tue, 03 Mar 2026 09:26:42 +0800</pubDate><description><![CDATA[本文提出了一种基于预训练Stable Diffusion模型和ControlNet架构的零样本人群计数方法，解决了现有深度学习方法在数据依赖性和泛化能力上的局限性。通过将密度图作为条件输入，实现了精确的人群图像生成与位置标注对应。实验表明，该方法能有效生成高质量密集人群图像，并通过统计引导的采样策略提升计数准确性。相比传统数据增强技术，该方法在控制人群分布、生成质量和计数一致性方面具有显著优势，为减少标注成本、提高模型泛化能力提供了新思路。]]></description><category></category></item><item><title><![CDATA[基于多模态的人群计数方法（Free Lunch Enhancements for Multi-modal Crowd Counting）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/157871586</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/157871586</guid><author>Keep_Trying_Go</author><pubDate>Tue, 10 Feb 2026 09:26:11 +0800</pubDate><description><![CDATA[摘要：本文提出了一种无需额外数据的&quot;免费增强&quot;训练策略，用于改进多模态人群计数任务。该方法包含两个核心模块：1) 后预训练跨模态对齐(PPCA)模块，通过无监督对比学习对齐不同模态特征；2) 区域密度监督(RDS)机制，在微调阶段引入区域密度注释来增强空间相关性理解。实验表明，该方法能有效解决现有方法在模态对齐和空间相关性方面的不足，且不增加额外计算开销。整体框架兼容现有计数方法，在保持效率的同时提升了跨模态理解和密度估计性能。]]></description><category></category></item><item><title><![CDATA[SD-GAN文生图算法详解（Semantics Disentangling for Text-to-Image Generation）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/156051653</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/156051653</guid><author>Keep_Trying_Go</author><pubDate>Sat, 07 Feb 2026 15:17:40 +0800</pubDate><description><![CDATA[本文综述了文本到图像生成领域的主要方法，重点分析了现有模型（如StackGAN、AttnGAN等）在语义一致性、细节控制和视觉-语义嵌入方面的局限性。针对这些问题，提出了一种基于Siamese结构和对比损失的SD-GAN模型，通过双分支架构提炼语义共性，并结合语义条件批归一化（SCBN）实现细粒度控制。实验表明，该方法能有效平衡生成图像的语义一致性与多样性，在视觉质量和语义对齐方面优于传统方法。文章详细介绍了模型架构、对比损失机制和SCBN模块的实现方式，并通过消融实验验证了各组件的作用。]]></description><category></category></item><item><title><![CDATA[基于GAN的文生图算法详解ControlGAN（Controllable Text-to-Image Generation）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/155825541</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/155825541</guid><author>Keep_Trying_Go</author><pubDate>Fri, 30 Jan 2026 10:28:47 +0800</pubDate><description><![CDATA[本文综述了多项文本生成图像（Text-to-Image）的GAN模型研究，重点分析了现有方法在生成可控性和细粒度控制方面的局限性。针对StackGAN++、AttnGAN等模型存在的生成不可控、属性耦合等问题，提出了一种改进方案：通过引入通道注意力机制和词级判别器，增强语义部位聚焦能力；采用感知损失减少随机性，保持未修改内容的一致性。实验表明，该方法能实现更精准的文本-图像对齐，在修改特定属性时保持其他视觉内容稳定。研究为提升文生图模型的可控性和生成质量提供了新思路。]]></description><category></category></item><item><title><![CDATA[基于GAN的文生图（DM-GAN:Dynamic MemoryGenerative Adversarial Networks for Text-to-Image Synthesis）]]></title><link>https://blog.csdn.net/Keep_Trying_Go/article/details/155642428</link><guid>https://blog.csdn.net/Keep_Trying_Go/article/details/155642428</guid><author>Keep_Trying_Go</author><pubDate>Thu, 22 Jan 2026 10:26:17 +0800</pubDate><description><![CDATA[本文系统分析了文本生成图像（Text-to-Image）领域的关键技术，重点探讨了StackGAN、AttnGAN、DM-GAN等代表性模型的架构特点与局限。研究发现现有方法存在初始图像质量依赖性强、文本表示静态性、多主体布局不合理等核心问题。提出的DM-GAN通过动态记忆模块、门控记忆写入和响应机制，实现了文本特征的动态检索与融合，在CUB和COCO数据集上显著提升了IS、FID等指标。实验验证了该方法能有效缓解初始图像质量依赖问题，并通过注意力机制的可视化展示了模型对关键文本信息的聚焦能力。]]></description><category></category></item></channel></rss>