关键词convolutional gated recurrent unit
搜索结果 - 3
- CVPRRIAV-MVS: 基于循环索引的非对称体积多视角立体重建
本文提出了一种基于学习的方法,通过迭代索引平面扫描成本体积并借助卷积门控循环单元来回归深度图,从而进行多视角深度估计。经过对真实世界多视图数据集的大量实验,验证了该方法在数据集内部性能和跨数据集概括性能方面都达到了最先进水平。
- MM联邦变分学习用于多元时间序列异常检测
本研究提出了一种基于联邦学习的时序异常检测框架,采用分布式的共享变分自编码器(VAE)结合卷积门循环单元(ConvGRU)模型,对网络传感器产生的高维多元时序数据进行表征学习和异常检测任务。实验表明,该方法在综合性能和检测延迟方面比其他最先 - CVPR通过关注机制增强显著目标分割
该研究通过迭代地关注图像补丁并进一步增强预测的分割掩模,使用基于 ConvGRU 网络的聚合策略独立估算每个图像补丁的显著性特征,实现端到端的图像分割,较现有方法表现更优,消除背景噪声和假阳性。