3d convolutional neural network | BriefGPT

关键词3d convolutional neural network

搜索结果 - 13

基于互相交叉注意机制的特征融合用于 EEG 情绪识别
我们提出了一种名为 Mutual-Cross-Attention（MCA）的新颖有效的特征融合机制，结合特殊定制的 3D 卷积神经网络（3D-CNN），该方法巧妙地发现了 EEG 数据中时域和频域特征之间的互补关系，并且通过新设计的 Cha
PDF12 days ago
基于深度神经网络的改进动脉瘤分割和检测的血管合成模型
我们提出了一种完整的合成模型，能够模拟脑血管树的各个组成部分，以及使用三维卷积神经网络（CNN）对各种血管疾病进行分割或检测 / 识别提供了实质性的大脑动脉数据集。在这项研究中，我们特别关注颅内动脉瘤（ICA）的检测和分割，并通过合成血管模
PDF3 months ago
SDR-Former：一种用于肝脏病变分类的孪生双分辨率 Transformer，使用 3D 多相成像
提出了一种新的 Siamese Dual-Resolution Transformer (SDR-Former) 框架，特别针对不同相数的 3D 多相 CT 和 MR 成像中的肝脏病变分类，利用流体动力学 Siamese Neural Ne
PDF4 months ago
F4D: 因子化的 4D 卷积神经网络用于高效的视频级表示学习
通过提出具有注意力的分解 4D CNN 架构，文章研究了视频级别表示学习对于捕捉和理解视频动作识别中的长程时间结构的重要性，并在五个动作识别基准数据集上验证了所提出架构的有效性。
PDF7 months ago
ICCV基于时空表示分解的视频行人重识别
该研究提出了一个新的 Spatio-Temporal Representation Factorization (STRF) 计算单元，它可以与大多数现有的三维卷积神经网络结构一起使用。结果表明，STRF 在三个基准测试中展现出了比现有基线
PDF3 years ago
小规模视频识别的运动增强自训练
本文介绍了一种称为 MotionFit 的自训练方法，采用 3D 卷积神经网络、运动模型和假标签来提高视频下游任务的效果。该方法在小规模视频数据集中表现优异，远超其他知识迁移算法、半监督学习和仅使用视频的自我监督学习。
PDF3 years ago
CVPR一种用于 4D 动态医学图像的时空体积插值网络
介绍了用于 4D 动态医学图像的间隔时间体积插值网络 (SVIN)。SVIN 是利用三维卷积神经网络 (CNN) 进行无监督参数体积配准的空间 - 时间运动网络，并使用新的回归模块来表征功能器官结构中的周期运动循环。在实验结果中，SVIN
PDF4 years ago
Naver 参加 ActivityNet Challenge 2019 -- 任务 B 的主动式发言人检测 (AVA)
本研究使用 3D 卷积神经网络和一组时间卷积和 LSTM 分类器，对可见人是否在说话进行预测，从而在 AVS-ActiveSpeaker 数据集上获得了显著的改进。
PDF5 years ago
CVPR基于循环和形状一致性生成对抗网络的多模态医学体积转换和分割
本研究提出了一种通用的交叉模态医学图像合成方法，通过端到端的三维卷积神经网络实现具有真实感的立体图像合成和分割任务，以便作为补充训练样本，进一步提高分类器的泛化能力，生成放射疗法计划所需的 X-ray 衰减图等。对 4,496 个 CT 和
PDF6 years ago
CVPR基于增强式深度 3D 卷积神经网络的人脸表情识别
本篇研究提出了在视频中进行情感识别的 3D 卷积神经网络方法，使用 3D Inception-ResNet 层及 LSTM 单元，从面部图像中提取空间关系和不同帧之间的时间关系，并利用面部关键点作为输入，该方法在四个公开数据库上的表现超过了
PDF7 years ago
MRI 中基底核分割的 3D 卷积神经网络：一项大规模研究
本研究针对 MRI 中的次皮质脑结构分割，提出了一种 3D 全卷积神经网络。通过采用小核允许更深层次的架构，将中间层输出嵌入到最终预测中，提高了特征提取的一致性和细粒度信息的准确性。在两个公开数据集上的实验表明，该方法在大规模神经解剖学成像
PDF8 years ago
形状补全启用的机器人抓取
通过使用 3D 卷积神经网络结构，本研究为机器人抓取规划提供形状补全，同时在实时运行时进行形状补全以规划和执行抓取动作。研究还探讨了形状补全的质量因素，如物体是否存在于训练数据中，使用几个物体模型用于训练网络，以及网络推广到新颖物体的能力等
PDF8 years ago
基于深度监督可适应三维卷积网络的阿尔茨海默病诊断
本文提出了一种基于 3D 卷积神经网络的方法，通过学习通用的 AD 生物标志物特征并适应不同领域的数据集，在没有经过颅骨去除的 MRI 数据集上，通过对解剖形态变异的捕捉，实现了 AD 的预测和分类，并在实验中验证了其优越性和鲁棒性。
PDF8 years ago