3d convolutional neural networks | BriefGPT

关键词3d convolutional neural networks

搜索结果 - 25

Triamese-ViT: 从 MRIs 中鲁棒地估计脑龄的一种三维感知方法
Triamese-ViT 是一种创新的 ViT 模型适用于脑龄估计，通过整合三个不同方向的 ViTs 模型来捕捉三维信息，显著提高了准确性和可解释性，对 MRI 扫描的测试结果表明，Triamese-ViT 的平均绝对误差为 3.84，与实
PDF6 months ago
你如何划分数据很重要：数据泄漏和主题特征在纵向脑 MRI 分析中的研究
深度学习模型在医学图像分析领域产生了重大变革，但由于数据泄漏的隐藏陷阱，其性能可能具有误导性。在本研究中，我们调查了 3D 卷积神经网络在 3D 医学影像中的数据泄漏问题，特别是在脑 MRI 分析中的应用。我们研究了不同的数据分割策略对于纵
PDF10 months ago
fpgaHART: 一种用于将 3D CNNs 加速到 FPGA 上的吞吐量导向的 HAR 工具流
研究提出一种工具流程，将 3D CNN 模型优化到 FPGA 设备上，采用同步数据流图来模拟设计并引入转换来拓展和探索设计空间，以实现高吞吐量设计。在多个 FPGA 设备上评估了各种 3D CNN 模型，证明了与早期手动调整和特定模型的设计
PDFa year ago
FMM-X3D：基于 FPGA 的 X3D 人体动作识别建模与映射
本文提出一种新的工具流，可以将在 Human Action Recognition 中获得 95.5% 的 UCF101 基准精度的最先进模型 X3D 映射到任何 FPGA 设备上，并且生成一个经过优化的基于流的硬件系统，使生成的设计在现有
PDFa year ago
跨维度网络的希尔伯特蒸馏
本文提出了一种全新的基于希尔伯特曲线的跨维度蒸馏方法 (HD)，通过将 3D 特征转换为一维连续的空间填充曲线，将 3D 网络的知识迁移到提高 2D 网络性能，进一步提出了一种动态调整步幅的变长度希尔伯特蒸馏方法 (VHD)，可以更好地学习
PDF2 years ago
利用深度学习进行多媒体数据分类的智能 3D 网络协议
本文中介绍了一种基于 3D 卷积神经网络和 Spatiotemporal fusion 的混合深度学习架构，用于视频分类和动作识别，在研究方面取得了良好的性能，可以识别出 UCF101 数据集中的动作（准确率达到 95%）
PDF2 years ago
CVPR学习像素级别的视频精华检测
本文提出了一种基于像素级别特征的视频亮点检测方法，通过学习每个像素在视频中的所属类别，既考虑了时间序列特征，也考虑了空间特征；并且通过使用 3D 卷积神经网络和视觉显著性模型，构建了一个编码 - 解码网络，在三个公共基准测试集上均取得了最先
PDF2 years ago
ICLRUniFormer：用于高效时空表示学习的统一 Transformer
本研究提出了一种新型的视频分类模型 ——UniFormer，它集成了 3D 卷积和自注意力机制的优点，通过浅层和深层分别学习本地和全局特征，从而在计算量和准确性之间取得了理想的平衡，经实验证明该模型的泛化和针对性能均优于其他方法。
PDF2 years ago
ICML3D ConvNets 的优化规划
本研究旨在自动化三维卷积神经网络的训练过程，提出一种划分训练状态，并在每个状态中指定超参数，通过拟合性能 - 时代曲线来触发状态转换的优化路径。同时，结合设计双头分类器的新型三维卷积神经网络，在多个公共视频识别基准测试中实现优于目前最先进技
PDF2 years ago
CVPRMoViNets：高效视频识别的移动视频网络
提出了 MoViNets，一种计算和内存高效的移动视频网络，用于在线推断，借助三步方法实现计算效率和存储空间大幅提升。
PDF3 years ago
大规模视频压缩感知的内存高效网络
本文介绍一种基于多组可逆 3D 卷积神经网络的内存高效型网络，用于压缩成像 (SCI)，并将 demosaicing 与 SCI 重建相结合，以直接从 Bayer 测量中恢复彩色视频。实验表明，我们的模型在大规模问题中优于现有的最先进技术，
PDF3 years ago
基于三维卷积神经网络的 RGB-D 显著性目标检测
该研究提出了一种名为 RD3D 的深度学习模型，其采用前编码器阶段的预聚合和后解码器阶段的深层特征融合来促进 RGB 和深度流的充分融合，并在 RGB-D 显着目标检测模型方面表现优于 14 种先进模型。
PDF3 years ago
CVPR自适应时间特征分辨率的 3D 卷积神经网络
通过引入可微分的相似性引导采样（SGS）模块，将其作为额外层集成到 3D CNN 中，可以将 3D CNN 转换为具有自适应时间特征分辨率（ATFR）的更高效 CNN，减少了一半的计算成本（GFLOPs），同时保留甚至提高精度。
PDF4 years ago
CVPR基于 CNN 的时空表示深度分析用于行为识别
本文分析基于 2D 或 3D CNN 的视频动作识别方法，比较这些方法之间的区别和进展，并开发了一个统一框架进行公平比较，发现在动作识别方面取得了显著的提高，但准确性未有进展，探究了 2D-CNN 与 3D-CNN 模型在时空表示能力和可传
PDF4 years ago
CVPR人类动作识别的深度时空 STFT 卷积神经网络
使用 STFT 块替代 3D 卷积层及其变种可以提高 3D CNN 的特征学习能力，显著减少其参数和计算复杂度，并在七个动作识别数据集上达到甚至超过现有方法的性能。
PDF4 years ago
一种部分可逆的 U-Net 用于内存高效的体积图像分割
在 3D 卷积神经网络分割方面，一种部分可逆的 U-Net 架构通过减小内存消耗实现了深度增强并提高了分割准确性，在 BraTS 挑战数据集上展示出了很大的内存节省。
PDF5 years ago
CVPRLP-3DCNN：揭示 3D 卷积神经网络中的局部相位
该论文提出基于局部相位提取方法的 3D 卷积神经网络模型，相对于传统模型具有更高的特征学习能力、参数节省和更高的精度。
PDF5 years ago
利用多模态训练提高单模态动态手势识别的性能
我们提出了一个基于 3D 卷积神经网络的方法，使用多个模态的数据来训练单模态网络，通过引入一个空间时间语义对齐的损失函数和一个针对负面知识传递的正则化参数来避免在多个模态之间进行直接的融合以提高手势识别性能。实验结果表明，我们的框架提高了单
PDF6 years ago
ICCV用于因果关系 3D CNN 的递归卷积
本文提出了一种新的 3D CNN 架构，即循环卷积网络，它通过递归来在每个网络层捕获帧之间的时间上下文，可以产生因果性输出，提供灵活的时间推理，同时保留时间分辨率，适用于在线和视频序列到序列建模等任务。
PDF6 years ago
RA-UNet：一种用于提取 CT 扫描中肝脏和肿瘤的混合深度关注网络
提出了一种名为 RA-UNet 的三维残差关注分割方法，可精确提取肝脏感兴趣体积并从该体积分割肿瘤。结果表明，该架构在肝肿瘤分割任务上胜过其他最先进的方法，并在脑肿瘤分割任务上取得良好的性能表现。
PDF6 years ago