May, 2024

基于宽泛接收器的傅里叶边界特征网络用于玻璃分割

PDF
TL;DR通过提出的 Fourier Boundary Features Network with Wider Catchers (FBWC) 方法，有效利用主要的玻璃语义信息来引导细粒度分割边界，从而清晰划定玻璃所建立的边界，避免将反射表面的特征错误地提取为误报信息，经验证在三种不同的公开玻璃分割数据集上，该方法相比于现有方法在玻璃图像分割方面具有更好的性能。
glassboundarysegmentationreflectionfbwc
发现论文，激发创造
  • 玻璃表面分割的内外边界注意力融合

    本文提出了一种基于深度学习和语义分割的方法，利用分离的内部 - 外部边界注意力模块，从单色图像中学习和选择性地集成玻璃表面的内部和外部区域的视觉特征，以检测玻璃表面，取得了与其他先进方法相媲美的结果。

    Jul, 2023

  • FDNet：牙齿 CBCT 图像的特征解耦分割网络

    FDNet 是一种特征解耦分割网络，通过使用 LF-Wavelet 来强调患者牙齿的全局结构完整性，以及使用 SAM 编码器来改善边界描绘，从而提高相邻牙齿结构之间的对比度，解决了 CBCT 扫描中复杂的伪影和不清晰牙齿边界的问题，并在严格的基准测试中验证了其有效性，达到了 85.28% 和 75.23% 的顶级 Dice 和 IoU 分数。这种创新的语义和边界特征解耦方式充分发挥了各个元素的独特优势，显著提高了分割性能的质量。

    Nov, 2023

  • 玻璃状物体分割的增强边界学习

    本文提出使用增强边缘学习来解决玻璃之类物品的分割问题。通过引入新的微调差分模块和边缘感知点基图卷积网络模块，该方法能够轻松嵌入到各种分割模型中，实现较高的分割精度和清晰度

    Mar, 2021

  • RFENet：面向玻璃分割的特征互进化

    本文提出了选择性互动进化（SME）模块，并引入了结构化精细的细化（SAR）模块和反向演化的特征进化网络（RFENet），成功地实现了玻璃样的物体分割，性能优于三个公共数据集。

    Jul, 2023

  • WCCNet: 带有波变换的 CNN 与跨模态重排融合用于快速的多光谱行人检测

    在具有挑战性条件下，多光谱行人检测在各种任务中实现更好的可视性，因此具有广泛的应用，其中准确性和计算成本非常重要。本文提出了一种名为 WCCNet 的新颖高效的框架，能够差异化地提取不同光谱的丰富特征，降低计算复杂性，并对这些特征进行语义重排，以实现有效的跨模态融合。

    Aug, 2023

  • 边界神经场的语义分割

    本文介绍了一种基于 Boundary Neural Field (BNF) 的全局能量模型，该模型将 FCN 预测与边界提示相结合，以提高数据集的语义分段一致性和物体定位。实验证明，这种基于边界的全局优化方法在定量和定性方面均比现有方法更优越。

    Nov, 2015

  • 目标边界引导的语义分割

    本文介绍了一种名为 OBG-FCN 的全卷积神经网络，它能够利用物体边界信息以完成更为精细的语义分割，其在 PASCAL VOC 分割基准测试上得到了显著的优化。

    Mar, 2016

  • FFPN：傅里叶特征金字塔网络用于超声图像分割

    在超声波图像分割中，通过使用傅里叶锚点的特征金字塔网络 (FFPN) 和轮廓采样细化 (CSR) 模块，可以提高准确性和效率。

    Aug, 2023

  • 多尺度与主要预测指导的玻璃分割

    借鉴比例整合策略和改良方法，我们提出了一种全新的名为 MGNet 的网络，它包括一个 Fine-Rescaling 和 Merging 模块（FRM）来提高提取空间关系的能力，一个 Primary Prediction Guiding 模块（PPG）来更好地从融合后的特征中挖掘剩余语义，并且我们使用一种新的带有不确定性感知损失的损失函数来监督模型生成高置信度的分割地图。与现有的必须在不同设置下训练的玻璃分割模型不同，我们的模型在统一设置下训练，并在三个流行的公共数据集上取得了卓越的性能。可在指定链接获取代码。

    Feb, 2024

  • 多阶段多递归输入全卷积网络用于神经元边界检测

    本文提出了多阶段多递归输入的完全卷积网络通过学习低阶段的不同感受野大小的多个侧面输出，为后续学习提供多尺度的上下文边界信息，以解决电子显微镜图像分割的挑战问题，结果在两个公共可用的 EM 分割数据集上取得了有希望的结果。

    Mar, 2017