Jun, 2023

计算机视觉中本地机制的最新进展：近期研究的调查和展望

PDF
TL;DR本文系统回顾了各种视觉任务和方法的局部机制，包括细粒度视觉识别、人物再识别、少量 / 零样本学习、多模态学习、自我监督学习、视觉 Transformer 等，总结了每个领域局部机制的分类，并对每个类别的优缺点进行了深入分析，留有探索空间。 然后，讨论了局部机制的未来研究方向，有望造福计算机视觉领域。本文是关于计算机视觉领域局部机制的第一次综述，为未来的研究提供指导。
local mechanismscomputer visionfine-grained visual recognitionself-supervised learningfuture research
发现论文，激发创造
  • 计算机视觉中的注意力机制：综述

    本文综述了在计算机视觉中引入的各种注意力机制的方法，着重介绍了通道注意力、空间注意力、时间注意力和分支注意力等方面，并提出了未来注意力机制研究的方向。

    Nov, 2021

  • 基于深度学习的局部特征匹配：综述

    本研究对本地特征匹配方法进行了全面的综述，将其分类为基于探测器和不基于探测器两类，并探索了其在不同领域的实际应用和面临的当前挑战，以及未来的研究方向。

    Jan, 2024

  • 医学图像分割中的注意力机制：综述

    本文系统地回顾了基于注意力机制的医学图像分割技术，总结了不同注意力机制（包括非 Transformer 和 Transformer 注意力）的原理、实现方法和应用任务，分析了它们的优点和局限性，归纳总结了当前研究进展和存在的不足，并探讨了未来的挑战。

    May, 2023

  • 弱监督目标定位与检测综述

    本文综述了弱监督物体定位和检测领域中的经典模型、深度网络特征表示法、基于纯深度学习的方法及公共数据集和标准评估指标等内容。同时也讨论了该领域的发展历程、方法类别间的关系、应用以及未来研究方向等。

    Apr, 2021

  • 从手工制作到深度本地特征

    该论文介绍了本地特征从手工制作到基于深度学习的方法的演变概述，讨论了评估这些本地特征的若干基准和论文，探讨了特征提取的挑战和潜在解决方案，并提供了相关文献和代码参考。

    Jul, 2018

  • 视觉 Transformer 网络的效率提升：设计技术与洞见

    通过重新设计注意力机制，本研究对视觉变换网络（ViT）中的注意力机制进行了全面探索，以提高其性能。包括理论基础、基本概念、关注机制的系统分类以及性能评估等方面的综述。

    Mar, 2024

  • 深度学习中的视觉注意方法：深入调查

    本文阐述了注意力机制在深度学习的应用，提出缺乏对于注意力技术的综合研究和分类的问题，描述了 50 种注意力技术分类的细节，并建议未来深度学习对注意力机制的研究方向。

    Apr, 2022

  • 医学应用的注意力机制调查：我们正在走向更好的算法吗？

    本论文通过针对医疗应用的实验案例研究，对注意力机制在深度学习及医疗应用中的可行性进行了批判性分析，探讨了其在现有深度学习框架中的整合过程、预测能力和显著性图生成等方面，最终提出了未来医疗应用中注意力机制的潜在研究方向。

    Apr, 2022

  • 计算机视觉中的人类感知

    本文研究计算机视觉、深度神经网络（DNN）、人类视觉感知和无体系结构视觉学习之间的联系，并发现 DNN 计算可用于估计感知损失，并与有趣的理论观点一致，即人类感知的特性是视觉学习无体系结构的结果。

    Jan, 2017

  • 计算效率高的计算机视觉深度学习：综述

    过去十年来，深度学习模型在各种视觉感知任务中取得了显著进展，但其高计算资源需求限制了其在实际应用中的可行性。本综述通过四个关键领域的研究，即轻量级骨干模型的发展、面向特定计算机视觉任务的专用网络架构或算法、深度学习模型压缩技术以及在硬件平台上部署高效深度网络的策略，对计算效率高的深度学习进行了广泛分析，并讨论了该领域面临的关键挑战和未来研究方向。

    Aug, 2023