CVPRApr, 2021

CASSOD-Net: 嵌入式视觉系统和应用的级联可分离扩张卷积结构

PDF
TL;DR通过提出 CASSOD 卷积网络和专用硬件系统，解决了处理 FOV 较大的问题需要花费与标准卷积相比的额外时间的问题。
fovconvolutional neural networksdilated convolutionscassodspecial hardware system
发现论文，激发创造
  • 空洞卷积多尺度上下文聚合

    本文提出了一种特别为密集预测设计的新的卷积网络模块，该模块利用扩张卷积系统地汇集多尺度上下文信息，而不会丢失分辨率，并证明了该模块可以提高现有最先进的语义分割系统的精度。同时，作者还探究了将图像分类网络适应于密集预测的可能性，并提出了简化适应后的网络结构有助于提高精度。

    Nov, 2015

  • 嵌入式推理加速器硬件架构及深度卷积和大核卷积算法分析

    该论文提出了一种硬件架构，以高灵活性处理深度卷积和常规卷积，支持不同大小的卷积核，具有比相关工作更快的速度和更少的计算和模型大小。此外，DDC 层的使用可以减少计算成本和模型大小，并提高准确性。

    Apr, 2021

  • 用于图像分割的膨胀卷积平滑优化

    通过引入额外的平均层，我们提出了一种可以显著提高图像分割的扩张卷积效能的解决方法，其采用的低成本平滑方法具有比以前方法更高的计算效率。

    Mar, 2019

  • 用于密集预测任务的密集连接多扩张卷积网络

    本文介绍了一种新的用于高分辨率密集预测的卷积神经网络架构，称为 D3Net，其采用了多分辨率学习和逐渐膨胀的感受野来同时建模局部和全局模式，避免了深度网络中的深度耗散问题，并在图像和音频处理任务中取得了优越的性能。

    Nov, 2020

  • C3：集中综合卷积及其在语义分割中的应用

    文章提出一种新的深度学习网络结构 --- Concentrated-Comprehensive Convolution (C3) block，该结构应用了不对称卷积来弥补扩张卷积的信息丢失，并成功应用于各种分割框架中，保持原有精度的同时降低网络复杂度。

    Dec, 2018

  • 使用扩张卷积进行基于外观的凝视估计

    通过采用扩张卷积来提取高分辨率特征，以改善眼睛图像在显著变化下的精确度，我们提出了 Dilated-Net 模型，它在两个 Gaze 估计数据集上都取得了最先进的结果，相比不使用扩张卷积的类似网络获得了显著提高（高达 20.8%）。

    Mar, 2019

  • 平滑膨胀卷积以提高密集预测性能

    本篇研究针对膨胀卷积存在的网络粗颗粒化问题，提出了两种去网格化方法和 shared and separable operations 和 SS output layer 的概念，并且经过有效接受域分析和实验验证，发现这些方法和概念能够有效地提高膨胀卷积神经网络的性能。

    Aug, 2018

  • 实时语义分割中，对膨胀卷积的再思考

    本研究设计了一种双并行、使用不同扩张率的卷积层的 ResNeXt，以提高区域感知率和保留局部细节，进而实现语义分割，并在实时 Cityscapes 和 CamVid 数据集上取得迄今最优成果。

    Nov, 2021

  • 使用深度可分离卷积在 FPGA 上加速卷积神经网络

    本文中，提出了一种可扩展的高性能深度可分离卷积优化的卷积神经网络加速器，适用于不同大小的 FPGA，可以实现 GPU 级别的卷积操作，提高了计算速度。在 Arria 10 SoC FPGA 上实现了 MobileNetV2，并取得了比 CPU 快 20 倍的结果。

    Sep, 2018

  • D^2Conv3D: 在视频中进行物体分割的动态空洞卷积

    本文提出了一种新的卷积方法：Dynamic Dilated Convolutions (D^2Conv3D)，并经过实验证明它可以作为标准卷积的替代方法，用于提高 3D CNN 架构的性能，从而提高视频分割相关基准任务的表现，进一步表明该方法优于现有扩展的 3D 卷积方法，最终在 DAVIS 2016 无监督视频物体分割基准测试中实现了新的最佳成绩。

    Nov, 2021