Apr, 2024

空间优化紧凑型深度度量学习模型在相似性搜索中的应用

PDF
TL;DR本研究通过使用单层的 involution 特征提取器与紧凑的卷积模型相结合，显著增强了相似性搜索的性能；此外，通过使用 GELU 激活函数而非 ReLU，我们改善了预测准确性。在实际应用中，involution 模型的重量参数较少且性能更佳，使其非常有用。在 CIFAR-10、FashionMNIST 和 MNIST 数据集上，我们对我们的方法和其他模型进行了实验，结果显示我们的方法在所有三个数据集上表现优秀。
spatial optimizationsimilarity searchinvolution feature extractorgelu activation functioncompact model
发现论文，激发创造
  • Involution：卷积内在性的翻转用于视觉识别

    本文提出一种新的深度神经网络操作 Atomic Involution，其将传统卷积的空间不可知和通道特异性原则进行了倒置，可作为构建新一代神经网络的基础砖块并提高了卷积基线的性能。

    Mar, 2021

  • 用于视觉实例搜索的类加权卷积特征

    本文提出了一种基于目标图像预测的语义信息的局部感知编码方法，在图像检索中使用卷积神经网络和类激活图进行无监督重排和目标检测，证明了其在 Oxford5k 和 Paris6k 等公共数据集上的优越性能。

    Jul, 2017

  • 深度相似网络的可视化

    本文介绍了一种针对卷积神经网络模型中图像嵌入优化的方法，用于突出显示贡献最大的图像区域，可用于相似性学习领域的问题。我们还将该方法推广至使用不同池化策略的嵌入网络，并提供了一种支持查询图像中物体或子区域的图像相似性搜索的简单机制。

    Jan, 2019

  • 拆分为瘦：香草卷积中被忽视的冗余

    提出一种名为 SPConv 的卷积操作，以较低的计算量容忍具有相似特征图案的冗余特征，通过无需额外参数的特征融合模块实现计算加速并取得了良好的实验结果。

    Jun, 2020

  • 度量卷积：自适应卷积的统一理论

    使用隐式度量的球体来采样，提出了可解释的具有几何正则化的几何卷积方法，可以替换现有的卷积操作并在标准去噪和分类任务中表现出竞争性能。

    Jun, 2024

  • 局部特征和视觉单词在激活中出现

    该研究提出了一种新颖的用于图像检索的深度空间匹配方法。该方法利用卷积神经网络激活函数提取图像描述符，同时采用一组局部特征来近似稀疏的三维激活张量，从而实现对张量最优对齐的稳健匹配，并在不需要任何网络修改、额外的网络层或训练、视觉聚类的情况下实现图像检索。该方法在多个基准测试中实现了最先进的性能。

    May, 2019

  • 重新思考卷积网络对物体计数的空间不变性

    本文提出使用高斯卷积核来代替原来的卷积滤波器，以估计密度地图中的空间位置，以达到激励密度地图生成过程并克服注释噪声的目的。我们的研究为后续研究指明了新的方向，应该研究如何适当放松过分严格的基于像素级空间不变性的对象计数。我们在 MCNN，CSRNet，SANet 和 ResNet-50 等 4 个主流对象计数网络上进行了评估，对 3 个应用程序（即人群，车辆和植物计数）的 7 个流行基准进行了广泛的实验，并且实验结果表明我们的方法明显优于其他最先进的方法，实现了有关对象空间位置的有希望的学习。

    Jun, 2022

  • 基于目标的稀疏潜在特征的全卷积网络的概率相似性证据

    利用神经网络进行相似性分析是一种理解和分类各个领域中复杂模式的强大技术。本研究探讨了完全卷积网络（FCNs）生成的潜在信息在相似性分析中的应用，特别是用于估计二维图片中对象的视觉相似度。这一分析方案包括两个步骤：（1）从经过训练的 FCN 中提取和转换每个二维对象的特征模式，（2）通过模糊推理来识别最相似的模式。通过考虑分析中潜在变量的重要性，可以进一步增强第二步，并提供有关使用基于神经网络的相似性分析有效地辨别数据模式的好处和挑战的宝贵见解。

    Jul, 2023

  • 多层相似度实现高效深度人员再辨识

    本文提出基于多层级相似度计算的、高效的全卷积 Siamese 网络，使用卷积层、空间变形网络和深度可分离卷积等技术，在 Person Re-Identification 问题上实现有效的结果。

    Mar, 2018

  • 基于高斯函数的图卷积算法

    本研究提出了一种基于高斯的卷积滤波器的框架 (GIC)，旨在解决非规则图的局部卷积滤波问题，之后在几个公共图分类数据集上验证了该方法的有效性和卓越的性能.

    Nov, 2018