https://nx.wmlab.top/tags/cv/Recent content in CV on 南巷Hugo -- gohugo.iozh-CNliuwenhao1968@163.com (南巷)liuwenhao1968@163.com (南巷)© 2026 南巷Mon, 15 Jun 2026 02:14:39 +0800https://nx.wmlab.top/blog/vit/Mon, 15 Jun 2026 02:14:39 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/vit/下面详细分析一下ViT，这个开启了cv的新时代。在cnn处理不好的地方，在vit却是可以很好的处理。https://nx.wmlab.top/blog/segformer/Mon, 15 Jun 2026 02:14:35 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/segformer/提出一个层级（多尺度）且不依赖位置编码的 Transformer 编码器（MiT），可以直接输出多尺度特征（1/4、1/8、1/16、1/32），避免了 ViT 在不同测试分辨率下必须插值位置编码带来的性能下降。https://nx.wmlab.top/blog/swin-transformer/Mon, 15 Jun 2026 02:14:32 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/swin-transformer/Patch 分割和线性嵌入 \(Patch Partition + Linear Embedding\)https://nx.wmlab.top/blog/maskformer/Mon, 15 Jun 2026 02:14:28 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/maskformer/具体表现：https://nx.wmlab.top/blog/mask2former/Mon, 15 Jun 2026 02:14:20 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/mask2former/MaskFormer 让分割任务变成 “预测一组掩码 + 类别”； Mask2Former 让模型 “只看自己负责的掩码区域，更聪明地预测掩码”。https://nx.wmlab.top/blog/dino/Mon, 15 Jun 2026 02:14:13 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/dino/在 DINO 出现之前，自监督视觉表示学习主要有两类主流方法：https://nx.wmlab.top/blog/sam/Mon, 15 Jun 2026 02:14:12 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/sam/sam设计的出发点：https://nx.wmlab.top/blog/detr/Mon, 15 Jun 2026 02:14:04 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/detr/在做DETR之前，目标检测都是下面两种任务方式：https://nx.wmlab.top/blog/deformable-detr/Mon, 15 Jun 2026 02:14:02 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/deformable-detr/原来大DETR有几个缺点：