【论文解读】AttentionalFeatureFusion一、研究背景二、Multi-scaleChannelAttentionModule（MS-CAM）三、AttentionalFeatureFusion（AFF）四、IterativeAttentionalFeatureFusion（IAFF）五、实例：替换ResNet,FPN和InceptionNet中的特征融合六、实验1数据集及实验设置2消融实验3对比实验首先附上论文地址和代码：论文地址：https://ieeexplore.ieee.org/document/9423114代码地址：https://github.com/Yimia
【论文解读】AttentionalFeatureFusion一、研究背景二、Multi-scaleChannelAttentionModule（MS-CAM）三、AttentionalFeatureFusion（AFF）四、IterativeAttentionalFeatureFusion（IAFF）五、实例：替换ResNet,FPN和InceptionNet中的特征融合六、实验1数据集及实验设置2消融实验3对比实验首先附上论文地址和代码：论文地址：https://ieeexplore.ieee.org/document/9423114代码地址：https://github.com/Yimia
参考教程：ScriptableRenderFeatureUnity版本：2019.4搭建URP场景RenderFeature作用是支持SRP扩展自定义渲染pass，因此需要在SRP下使用，这里选择URP，在packagemanager中找到UniversalRP并install。 创建一个前向渲染管线资产，会生成一个UniversalRenderPipelineAsset和UniversalRenderPipelineAsset_Renderer文件。 在Edit-ProjectSettings-Graphics中将渲染管线设置为刚设置好的URPAsset 场景就自由发挥搭建吧RenderFe
参考教程：ScriptableRenderFeatureUnity版本：2019.4搭建URP场景RenderFeature作用是支持SRP扩展自定义渲染pass，因此需要在SRP下使用，这里选择URP，在packagemanager中找到UniversalRP并install。 创建一个前向渲染管线资产，会生成一个UniversalRenderPipelineAsset和UniversalRenderPipelineAsset_Renderer文件。 在Edit-ProjectSettings-Graphics中将渲染管线设置为刚设置好的URPAsset 场景就自由发挥搭建吧RenderFe
AttentionalFeatureFusion注意力特征融合最近看到一篇比较不错的特征融合方法，基于注意力机制的AAF，与此前的SENet、SKNet等很相似，但AFF性能优于它们，并且适用于更广泛的场景，包括短和长跳连接以及在Inception层内引起的特征融合。AFF是由南航提出的注意力特征融合，即插即用！本篇博客主要参考自知乎作者OucQxw，知乎原文地址：https://zhuanlan.zhihu.com/p/424031096论文下载地址：https://arxiv.org/pdf/2009.14082.pdfGithub代码地址：https://github.com/Yimia
AttentionalFeatureFusion注意力特征融合最近看到一篇比较不错的特征融合方法，基于注意力机制的AAF，与此前的SENet、SKNet等很相似，但AFF性能优于它们，并且适用于更广泛的场景，包括短和长跳连接以及在Inception层内引起的特征融合。AFF是由南航提出的注意力特征融合，即插即用！本篇博客主要参考自知乎作者OucQxw，知乎原文地址：https://zhuanlan.zhihu.com/p/424031096论文下载地址：https://arxiv.org/pdf/2009.14082.pdfGithub代码地址：https://github.com/Yimia
《Python机器学习手册——从数据预处理到深度学习》这本书类似于工具书或者字典，对于python具体代码的调用和使用场景写的很清楚，感觉虽然是工具书，但是对照着做一遍应该可以对机器学习中python常用的这些库有更深入的理解，在应用中也能更为熟练。以下是根据书上的代码进行实操，注释基本写明了每句代码的作用(写在本句代码之前)和print的输出结果（写在print之后）。不一定严格按照书上内容进行，根据代码运行时具体情况稍作顺序调整，也加入了一些自己的理解。如果复制到自己的环境下跑一遍输出，相信理解会更深刻更清楚。博客中每个代码块代表一次完整的运行结果，可以直接以此为单位复制并运行。04-处理
《Python机器学习手册——从数据预处理到深度学习》这本书类似于工具书或者字典，对于python具体代码的调用和使用场景写的很清楚，感觉虽然是工具书，但是对照着做一遍应该可以对机器学习中python常用的这些库有更深入的理解，在应用中也能更为熟练。以下是根据书上的代码进行实操，注释基本写明了每句代码的作用(写在本句代码之前)和print的输出结果（写在print之后）。不一定严格按照书上内容进行，根据代码运行时具体情况稍作顺序调整，也加入了一些自己的理解。如果复制到自己的环境下跑一遍输出，相信理解会更深刻更清楚。博客中每个代码块代表一次完整的运行结果，可以直接以此为单位复制并运行。04-处理
内容概览1.基于openlayers6实现线水流动效果2.源代码demo下载效果图如下：大概实现思路如下：1.创建矢量图层；2.设置矢量图层样式，以样式组形式；3.矢量图层样式组底层保持不变，改变矢量图层的要素feature属性值，动态更新顶层样式的线间隔lineDashOffset属性值，达到线水流动效果。关键点：矢量图层的样式style内部更新渲染机制，在图层可见范围，地图缩放会自动触发；矢量图层的要素设置属性值变化的话，也会触发。实现代码如下，源码demo下载在文章尾部import{Map,View}from'ol';importTileLayerfrom'ol/layer/Tile';
内容概览1.基于openlayers6实现线水流动效果2.源代码demo下载效果图如下：大概实现思路如下：1.创建矢量图层；2.设置矢量图层样式，以样式组形式；3.矢量图层样式组底层保持不变，改变矢量图层的要素feature属性值，动态更新顶层样式的线间隔lineDashOffset属性值，达到线水流动效果。关键点：矢量图层的样式style内部更新渲染机制，在图层可见范围，地图缩放会自动触发；矢量图层的要素设置属性值变化的话，也会触发。实现代码如下，源码demo下载在文章尾部import{Map,View}from'ol';importTileLayerfrom'ol/layer/Tile';
