Jun, 2024

参数反转图像金字塔网络

PDF
TL;DR使用参数反转图像金字塔网络（PIIP）进行多尺度特征提取，在计算效率和性能之间取得平衡，并通过特征交互机制有效整合不同空间尺度的信息，在对象检测、分割和图像分类等任务中相较于传统图像金字塔方法和单一卷积网络，降低了计算成本且取得更好的性能表现。
image pyramidsparameter-inverted image pyramid networkscomputational efficiencyfeature interaction mechanismvision computing tasks
发现论文，激发创造
  • 图像处理的卷积神经金字塔

    本研究提出了一种基于卷积神经金字塔（CNP）框架的、旨在解决低层次视觉和图像处理任务的方法，可实现低计算复杂度下大感受野视觉处理。此方法适用于图像复原、填补、降噪、去除伪影、边缘升华、滤波、增强和上色等应用领域。

    Apr, 2017

  • 特征金字塔网络用于目标检测

    该论文介绍了基于深度卷积网络的 Feature Pyramid Network（FPN），该网络利用深度卷积网络自带的金字塔多尺度特征，并在多种应用中取得了重大改进，尤其是在目标检测上。使用 FPN 的 Faster R-CNN 系统在 COCO 检测基准测试中取得了最先进的单模型结果。此外，该方法能够在 GPU 上以 5 FPS 的速度运行，是一种实用且准确的多尺度目标检测解决方案。

    Dec, 2016

  • IPG-Net：用于小目标检测的图像金字塔引导网络

    本文提出了一种名为 IPG-Net 的新型网络，旨在解决 CNN 目标检测中浅层保留空间信息但缺乏语义信息、深层具有高语义概念但丢失了很多空间信息的信息不平衡问题。IPG-Net 引入了图像金字塔引导来解决这个问题，并在两种检测模型上得到了最新的结果。

    Dec, 2019

  • 用于图像去雨的轻量级金字塔网络

    本文介绍了一种轻量级网络结构（LPNet）用于图像去雨，采用高斯 - 拉普拉斯图像金字塔分解技术简化学习过程，并采用递归和残差网络结构，以不到 8K 的参数达到最先进的性能，同时讨论了 LPNet 在其他低级和高级视觉任务中的潜在价值。

    May, 2018

  • 使用多尺度特征抽象技术分割部分标记的多器官数据集

    本文提出了一种多尺度深度神经网络结构，利用多个部分标注的数据集进行多器官图像分割的训练，采用金字塔输入和特征分析结合的方法解决了来自不同尺度的特征融合所带来的语义鸿沟问题，并引入深度监督机制和自适应加权层，通过实现了 Pyramid Input Pyramid Output Feature Abstraction Network (PIPO-FAN)，在四个公开数据集上达到了非常好的效果。

    Jan, 2020

  • GraphFPN：面向物体检测的图特征金字塔网络

    本文提出的基于图形特征金字塔网络的多尺度特征学习方法，在对象检测任务中优化了 Faster R-CNN 算法，并超越了之前的最先进特征金字塔算法和其他流行的检测方法。

    Aug, 2021

  • 基于内核反向金字塔调整的网络的高效路面病害识别

    提出了一种用于道路病害识别的高效率方法，采用图像自动化技术，将图像分成小块，通过网络来识别道路病害，并通过 Kernel Inversed Pyramidal Resizing Network 对图像进行预处理，提高图像分辨率和比例，使用该方法比现行方法更高效。

    Dec, 2022

  • 预训练的 Transformer 金字塔网络

    本研究提出了一种基于屏蔽图像建模的完整预训练框架，统一复现与识别阶段，并通过深入的技术贡献，在图片分类、物体检测和语义分割方面实现了新的最佳结果。

    Nov, 2022

  • 视觉识别中的金字塔卷积：重塑卷积神经网络

    本文介绍了金字塔卷积（PyConv）技术，该技术具有多尺度滤波能力，适用于视觉识别各种核心任务，而且还可以提高识别性能并缩小网络规模。

    Jun, 2020

  • 深度卷积网络中的空间金字塔池化用于视觉识别

    本研究提出了 SPP-net 结构，通过空间金字塔池化策略，消除了深度卷积神经网络所需的特定输入图像大小的限制，可生成固定长度特征表示，显著提高了基于 CNN 的图像分类和目标检测方法的准确性，ILSVRC 竞赛中名列前茅。

    Jun, 2014