Skip to content

GitLab

Commit 153407da authored by yuhai's avatar yuhai
Browse files

Update README.md

parent 91a7daf1
Pipeline #289 canceled with stages
Hide whitespace changes
Inline Side-by-side
Showing with 1 addition and 0 deletions
README.md
View file @ 153407da
...@@ -16,6 +16,7 @@ Segment Anything（SA）项目：一个用于图像分割的新任务、模型 ...@@ -16,6 +16,7 @@ Segment Anything（SA）项目：一个用于图像分割的新任务、模型
### Lightweight mask decoder ### Lightweight mask decoder
![](./assets/mask_decoder.PNG) ![](./assets/mask_decoder.PNG)
解码器设计如图所示。使用两个转置卷积层将更新的图像嵌入放大4倍（现在相对于输入图像缩小了4倍）。将更新的输出token嵌入传递给一个小的3层MLP，它输出一个与扩展的图像嵌入的通道维度匹配的向量。最后，使用扩展的图像嵌入和MLP的输出进行空间点乘，预测出一个掩码。Transformer使用256的嵌入维度。在64×64图像嵌入的交叉注视层中，查询、键和值通道维度为128。所有注意力层都使用8个头。用于放大输出图像嵌入的转置卷积是2×2，步幅2，输出通道维度为64和32，并具有GELU激活。它们通过层归一化来分隔。 解码器设计如图所示。使用两个转置卷积层将更新的图像嵌入放大4倍（现在相对于输入图像缩小了4倍）。将更新的输出token嵌入传递给一个小的3层MLP，它输出一个与扩展的图像嵌入的通道维度匹配的向量。最后，使用扩展的图像嵌入和MLP的输出进行空间点乘，预测出一个掩码。Transformer使用256的嵌入维度。在64×64图像嵌入的交叉注视层中，查询、键和值通道维度为128。所有注意力层都使用8个头。用于放大输出图像嵌入的转置卷积是2×2，步幅2，输出通道维度为64和32，并具有GELU激活。它们通过层归一化来分隔。
## 数据集 ## 数据集
......
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment