attention maps | BriefGPT - AI 论文速递

关键词attention maps

搜索结果 - 49

视觉问答模型中显式偏差的发现
本研究利用规则挖掘算法对视觉问答模型中的数据偏差进行分析，并从中发现了一些亮点和异常行为。
PDF6 years ago
NIPS深度关注追踪：通过反馈学习实现
该研究论文提出了一种基于视觉注意力的训练深度分类器的互补学习算法，利用正反馈操作生成注意力图来作为正则化项，该机制能够使分类器学习到关注具有外观变化鲁棒性的目标对象的区域，实验证明该注意力跟踪方法在大规模基准数据集上的性能表现优于现有的基于
PDF6 years ago
ECCV视觉问答系统的注意力分析
本文结合注意力机制提出了两种最先进的视觉问答方法，并通过可视化和分析它们的估计注意力图来研究它们的鲁棒性和缺点。研究表明两种方法对特征敏感，同时对于计数和多对象相关的问题表现不佳。该研究结果和分析方法可帮助研究人员识别重要的挑战，以改进自己
PDF6 years ago
ECCVCBAM：卷积块注意力模块
本文提出一种卷积块自适应模型 (Convolutional Block Attention Module, CBAM)，通过自适应特征细粒度调整， CBAM 可以被轻松集成到任何卷积神经网络架构中，改进了分类和检测性能。
PDF6 years ago
CVPR引导式关注推理网络：告诉我该看哪里
利用弱监督学习和注意力图，我们提出了一种新的建模方法，使得注意力图成为端到端训练的自然组成部分，并通过直接从网络本身探索监督来直接在这些图上提供自我指导，从而成功地解决了以前方法中的缺点，并在语义分割任务上优于现有技术。
PDF6 years ago
关注力感知生成式对抗网络 (ATA-GANs)
本研究提出了一种基于生成对抗网络的训练方法，通过利用教师 - 网络生成的注意力图来提高图像生成的质量，以及在生成的图像上执行弱目标定位。该方法在 HEp-2 细胞图像上进行了研究，表明其可以进行弱定位。该方法可用于图像生成和数据注释，例如在
PDF6 years ago
利用视网膜底部图像进行屈光不正预测的深度学习
本文研究使用深度学习算法通过视网膜底照片准确预测屈光不正，结果显示使用关注图方法可以识别与屈光不正相关的特征，该算法在 UK Biobank 数据集上的平均绝对误差为 0.56 diopters（95% CI: 0.55-0.56），在 A
PDF7 years ago
Zoom-in-Net：深度挖掘糖尿病视网膜病变的方法
提出了一种卷积神经网络算法，可同时诊断糖尿病视网膜病变并突出可疑区域。这个算法命名为 Zoom-in-Net，通过聚类响应高的关注区域，发现包含潜在病变的显著聚类，并且很好地定位了自动学习的关注图中的病变。实验证明，该算法在两个数据集上的表
PDF7 years ago
ICML视觉问答中的人类注意力：人类和深度网络是否注视相同的区域？
我们设计了多个游戏化的新颖注意力注释界面，要求对象放大模糊图像的区域以回答有关图像的问题，进而在 Visual Question Answering（VQA）中进行了大规模的人类注意力研究，引入了 VQA-HAT（Human Attenti
PDF8 years ago