cnn-based models | BriefGPT

关键词cnn-based models

搜索结果 - 16

MedMamba：针对医学图像分类的视觉蛇
Medical image classification using Vision Mamba, a novel Conv-SSM module that combines convolutional layers with state s
PDF4 months ago
显著与伪装目标检测及其扩展的空间相干性损失
通用物体检测是一项与类别无关的任务，它依赖于对象性的准确建模。我们提出了一种新的损失函数，即空间一致性损失（SCLoss），它利用相邻像素之间的相互响应来抑制或强调像素的单一响应，通过检测和强调边界逐渐学习困难区域。通过全面的实验证明，使用
PDF4 months ago
VM-UNet: 医学图像分割的视觉蛇视 UNet
本研究提出了一种基于状态空间模型的医学图像分割模型 Vision Mamba UNet (VM-UNet)，通过引入 Visual State Space (VSS) 块以捕获广泛的上下文信息，并构建了一个不对称的编码器 - 解码器结构。实
PDF5 months ago
色情分類的最新技術：一項比較分析
本文通过比较分析已有的以裸露程度为基础对图像进行分类的技术，特别关注其在内容审核中的应用。该研究着重评估了基于 CNN 模型、视觉变换器以及来自 Stable Diffusion 和 LAION 的知名开源安全检查工具。研究发现了当前评估数
PDF6 months ago
基于强化学习的混合视觉变换器用于视频暴力识别
基于深度学习的视频暴力识别研究了准确且可扩展的人类暴力识别问题。本文提出了一种基于 Transformer 的新型专家混合 (MoE) 视频暴力识别系统，通过智能组合大型视觉 Transformer 和高效 Transformer 结构，系
PDF9 months ago
面向高性能目标检测的研究：基于 ViT 和基于 CNN 的深度学习模型的无人机检测的洞察
使用无人机数据集以及卷积神经网络（CNN）和视觉变换器（ViT）模型，本文重新评估了准确的无人机检测任务，表明基本的 ViT 模型在单一无人机检测方面的性能比最佳 CNN 迁移学习模型提升了 4.6 倍，并且通过多无人机检测实现了令人印象深
PDF10 months ago
IJCAI场景分隔及数据选取：实时视频流分析的时间分段算法
2SDS 是一种用于实时视频流解释的时序分割算法，通过比较两帧之间的图像差异来检测视频流中场景的变化，将视频分割为多个场景，并与 CNN 模型结合，达到针对每个场景选择最优结果的目的。在实验中，2SDS 的整体准确率超过 90%。
PDFa year ago
TCN AA：一种基于 Wi-Fi 的时间卷积网络，用于带有数据增强和注意力机制的人与人之间的交互识别
提出了一种新颖的基于 TCN-AA 的方法，该方法结合增强和注意力机制，具有更高的计算效率和准确率，在公共数据集上的表现优于现有技术，最终准确率为 99.42%。
PDFa year ago
ProgDTD：使用双尾端下降训练的渐进学习图像压缩
本文介绍的 ProDTD 是一种训练方法，可将非渐进式图像压缩方法转化为渐进式图像压缩方法，适用于基于 CNN 的学习图像压缩模型，不需要额外的参数，并具有定制化的渐进程度。将 ProDTD 应用于 hyperprior 模型，实验结果显示
PDFa year ago
在多模态语言模型评估中控制刻板印象
我们提出了一种方法和设计了两个基准集，以衡量语言和视觉语言模型在有或没有刻板印象的情况下使用视觉信号的程度。我们的结果表明，多模型之间存在显着差异：最近基于 Transformer 的 FLAVA 似乎比早期基于 CNN 的模型（如 Vis
PDFa year ago
BERT 面向长文档的案例研究：自动化 ICD 编码
本研究证明了一种简单可扩展的方法，使用已有的 Transformer 模型（如 BERT）处理长文本在 ICD 编码上的表现明显优于以往，比 CNN-based 模型更为出色。
PDF2 years ago
CVPR超越人类准确率：采用课程学习从 USG 影像中检测胆囊癌
本文研究了基于 CNN 的模型在超声（USG）图像中用于胆囊癌（GBC）检测的潜力和挑战。我们提出了 GBCNet 来解决图像质量、噪声和纹理等问题，该模型在 GBC 分类任务中的表现明显优于 SOTA CNN 模型和专业放射科医生，并且还
PDF2 years ago
IITK-RSA 参加 SemEval-2020 任务 5：检测反事实
本文描述了解决 SemEval-2020 任务 5 的努力，该任务涉及检测称为反事实的一类文本表达式并将其分解为其组成部分。
PDF4 years ago
ICCVSalGaze: 使用视觉显著性个性化注视点估计
提出 SalGaze，一种利用视觉内容中的显著性信息，无需显式用户校准，可透明地适应用户注视估计算法的框架，能够使用与标准点校准数据不同的显式视频显著性校准数据的统一框架，优于现有方法，精度提高了 24%。
PDF5 years ago
ECCVCGIntrinsics: 基于物理原理渲染的更优质本质图像分解
本研究探索了使用合成数据进行训练的 CNN 模型在真实世界场景中的表现，提出了 ICG 数据集和新的端到端训练方法，并发现仅基于合成数据训练的分解网络在真实数据集上的表现优于现有方法。
PDF6 years ago
卷积网络用于驱动属性和保护身份的人脸生成
本文通过优化模型，采用基于 CNN 的深度卷积网络 VGG-Face，通过特定属性生成具有参考图像身份信息的人脸图像的优化问题，结果表明，该方法能够有效地实现基于属性驱动的身份保持人脸生成。
PDF8 years ago