We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
您论文中描述 R 的计算是 Q 和 K 做patch划分后,Q 的 patch 与 K 的 patch 两两之间做内积所得到的一个值(在您的代码中一个patch就是3*3的像素块)。请问为什么两个任务分支的特征图的 patch 两两做内积运算所得到的就是两个分支的相关性? 在我的理解中两张图像的 patch 做内积,就是 patch 的对应位置像素值相乘并相加。例如两个背景 patch 做内积,就是两个趋于0的patch相乘得到的还是0,虽然他们都是背景,高度相关但算出来的rij = 0。如果把其中一个背景patch换成脑区patch,尽管两个patch完全不相关了,但他们的内积算出来反而会变大(因为patch从背景变成脑区像素值变高了) 所以我不是很清楚这个相关性 rij 具体是指什么,您所描述的相关性是怎么定义的,如何理解?
The text was updated successfully, but these errors were encountered:
No branches or pull requests
您论文中描述 R 的计算是 Q 和 K 做patch划分后,Q 的 patch 与 K 的 patch 两两之间做内积所得到的一个值(在您的代码中一个patch就是3*3的像素块)。请问为什么两个任务分支的特征图的 patch 两两做内积运算所得到的就是两个分支的相关性?
在我的理解中两张图像的 patch 做内积,就是 patch 的对应位置像素值相乘并相加。例如两个背景 patch 做内积,就是两个趋于0的patch相乘得到的还是0,虽然他们都是背景,高度相关但算出来的rij = 0。如果把其中一个背景patch换成脑区patch,尽管两个patch完全不相关了,但他们的内积算出来反而会变大(因为patch从背景变成脑区像素值变高了)
所以我不是很清楚这个相关性 rij 具体是指什么,您所描述的相关性是怎么定义的,如何理解?
The text was updated successfully, but these errors were encountered: