用于像素和区域标注的高分辨率表示
High-Resolution Network (HRNet) is a new computer vision framework that maintains high-resolution representations through the whole process, resulting in semantically richer and spatially more precise representations, which outperforms existing state-of-the-art frameworks in human pose estimation, semantic segmentation, and object detection.
Aug, 2019
这篇论文提出了 HigherHRNet,一种新的从下往上的人体姿态估计方法,使用高分辨率特征金字塔学习尺度感知表示,具有多分辨率监督训练和多分辨率聚合推理的能力,能够解决下向多人姿势估计中的尺度变化挑战,从而更精确地定位关键点,尤其适用于小尺寸人体,实现了比以前最好的下向方法在 COCO test-dev 中中等人体上 2.5% AP 的提高。在 CrowdPose test 上,HigherHRNet 甚至超过了所有自上而下的方法,表明其在拥挤场景中具有鲁棒性。
Aug, 2019
本论文利用 pytorch 实现了一种深度高分辨率表示学习方法用于人体姿态估计,通过建立多分辨率子网并在并行连接中进行信息融合,最终得到更精准、更高精度的关键点热图,实验证明该方法在 COCO 关键点检测数据集和 MPII 人体姿态数据集上具有显著优势。
Feb, 2019
本研究提出了一种名为 High-Resolution Transformer 的方法,用于学习密集预测任务中的高分辨率表示, 并取得了在人体姿态估计和语义分割任务中较好的结果。
Oct, 2021
深度哈希技术利用高分辨率特征提取的高分辨率哈希网络(HHNet)在复杂数据集上显示出优于现有方法的性能提升,强调了在复杂图像检索任务中学习高分辨率特征的必要性。
Mar, 2024
该研究提出了一个统一的分辨率不变模型(RIM)来解决低分辨率人脸识别问题,其中包含面部幻觉子网络(FHN)和异构识别子网络(HRN)。FHN 是一个三路生成对抗网络(GAN),使用无监督跨域对抗训练策略将非常低的分辨率查询图像超分辨率到比其 8 倍大的图像,HRN 是一个泛用的卷积神经网络(CNN),用于具有提取判别性特征表示的残差知识蒸馏策略的异构人脸识别。
May, 2019
本研究提出了一个高分辨率遥感图像网络模型,可解决同类别地物在不同地理环境下形态和比例显著不同,以及复杂背景噪声干扰下影响现有学习算法效果的问题。该模型包含漏斗模型、信息聚合模块、特征精炼模块和 CEA Loss 损失函数,并通过有效的预处理策略,在三个高分辨率遥感图像分割基准数据集上取得了优异表现。
May, 2023
本文介绍了一种名为 Multi-Stage HRNet 的人体姿势估计模型,并采用多阶段网络和交叉阶段特征聚合等技术优化了关键点位置,从而在 COCO 数据集上取得了 77.1 AP 得分。
Oct, 2019
本文提出了基于高分辨率检测网络(HRDNet)和多深度图像金字塔网络 (MD-IPN)、多尺度特征金字塔网络 (MS-FPN) 的小目标检测方法,实验表明,该方法在小目标上具有最先进的性能。
Jun, 2020
本文提出了一种新型深度学习方法,将 HRNet 与可分离卷积层集成以捕获空间模式和自注意力以捕获数据的时间模式,并利用 CNN 解码器从聚合表示生成作物地图。该算法在生成作物地图方面达到了 97.5%的高分类精度和 55.2%的 IoU,并表现出深度学习在地球观测系统中的巨大潜力。
Jul, 2023