雅虎香港 搜尋

搜尋結果

1. www.zhihu.com › question › 320615749深度学习中的mask到底是什么意思？ - 知乎簡

   www.zhihu.com › question › 320615749

   • 網頁紀錄

   76. 被浏览. 248,248. 6 个回答. 默认排序. 知乎用户. 白话 NLP，3 个因果告诉你 Mask 矩阵因何而产生？ 如果觉得回答对你有帮助，烦请点赞转发，原创不易，谢谢支持. 一、为什么需要 Mask？ 在此，先思考一个问题，为什么需要 mask？ 在 NLP 中，一个最常见的问题便是输入序列长度不等，通常需要进行 PAD 操作，通常在较短的序列后面填充 0，虽然 RNN 等模型可以处理不定长输入，但在实践中，需要对 input 做 batchsize，转换成固定的 tensor。 PAD 案例： 如下是两句英文，先将文本转换成数字. s1 = 'He likes cats' s2 = 'He does not like cats'

2. www.zhihu.com › question › 476075574NLP中的mask机制目的有哪些？ - 知乎簡

   www.zhihu.com › question › 476075574

   • 網頁紀錄

   2021年7月30日 · 29. 被浏览. 19,905. 5 个回答. 默认排序. Andy.Qin. 一个想创造哆啦 A 梦的 Maker. 4 人赞同了该回答. Mask 的灵感是来自于完形填空。 Transformer 结构包括编码器和解码器，在编码过程中目的就是为了让模型看到当前位置前后的信息，所以不需要 attention mask。 但是在解码过程中为了模拟在真实的 inference 场景中，当前位置看不到下一位置，且同时需要上一位置的信息，所以在训练的时候加了attention mask 。 能很有效提升泛化性。 对于原始的 BERT，训练时，会随机选取整句中的最小输入单元 token 来进行遮盖。

3. www.zhihu.com › question › 455395907图像分割中的“mask”具体是指什么？如何理解？ - 知乎簡

   www.zhihu.com › question › 455395907

   • 網頁紀錄

   2021年4月19日 · mask在不同任务中有不同的用法，图像分割里边基本可以理解为ground-truth label。 举个例子你就明白了：比如，前背景分割这样一个二分类任务，输入图像尺寸是(h,w,3)，那么mask就可以是(h,w,1)的二值图，1表示前景，0表示背景，记录了分割结果真值

4. www.zhihu.com › question › 32066833在SIFT和SURF之后，有哪些比较新的且具有一定影响力的自然图像配 ... 簡

   www.zhihu.com › question › 32066833

   • 網頁紀錄

   所以我们采用了分割网络将这些物体先 mask，当提取特征点的时候，就会略过 mask 区域。 使用分割网络进行预处理之后，我们发现了两个问题： 一个是由于分割网络的精确度不高，并不能很好的区分建筑物和天空连接区域，就会存在把建筑物边缘轻微破坏的情况 ...

   • 
   • 
   • 
   • 

5. www.zhihu.com › question › 24656679蒙版、遮罩和滤镜有何区别？ - 知乎簡

   www.zhihu.com › question › 24656679

   • 網頁紀錄

   但在Photoshop中通常不单说“蒙版”，而说“图层蒙版”-Layer Mask，和矢量蒙版-vector mask。 PS中对图层蒙版的定义是：依赖分辨率（也就是像素），用选区工具或画笔工具编辑的位图 (当然也可用油漆桶工具和渐变工具编辑，作用和画笔工具一样)。

6. www.zhihu.com › question › 320615749深度学习中的mask到底是什么意思？ - 知乎簡

   www.zhihu.com › question › 320615749

   • 網頁紀錄

   mask (掩码、掩膜)是深度学习中的常见操作。 简单而言，其相当于在原始张量上盖上一层掩膜，从而屏蔽或选择一些特定元素，因此常用于构建张量的过滤器。

7. www.zhihu.com › question › 593888697如何评价Meta/FAIR 最新工作Segment Anything？ - 知乎簡

   www.zhihu.com › question › 593888697

   • 網頁紀錄

   Segmentation的任务用一句话来说就是预测mask来把图片中我们感兴趣的区域分出来，其中这个区域可能是一个物体、人等等。 这篇论文相对于一般segmentation的区别在于引入了prompts去指定segment什么地方（感觉这个也不新，在很多interative segmentation的论文中也有类似的 ...