deep cnns | BriefGPT - AI 论文速递

关键词deep cnns

搜索结果 - 14

有针对性的激活罚则帮助 CNN 忽略虚假信号
神经网络（NN）可以学习依赖于训练数据中的虚假信号，从而导致很差的泛化能力。最近的研究针对该问题使用附加的虚假信号的真实注释来训练 NNs。然而，这些方法可能导致虚假信号在深度卷积 NNs（CNNs）中重新出现。我们提出了一种新方法，即目标
PDF9 months ago
使用同态加密敏感调整大规模 CNN，实现端到端的安全预测
本文提出了一种新的 HE-friendly 模型的训练方法，展示了如何使用 HC Layers SDK 运行加密样本，并证明该模型可以在保持高准确度的同时，大大节省运行时间；研究人员还讨论了在 HE 条件下处理激活函数和跳过连接的不同策略，
PDFa year ago
ICCVDICOM 影像路由器：一种用于从 DICOM X 光扫描中分类身体部位的开放深度学习框架
本研究提出了一种基于深度卷积神经网络（CNN）的 DICOM 成像路由器，用于将未知的 DICOM X 射线图像分类为五个解剖部位，从而使深度 CNNs 能够准确有效地区分 X 射线扫描中的人体部分，从而为临床设置中广泛应用提供潜在的好处。
PDF3 years ago
用于三维点云分类和分割的几何共享网络
本文提出了 Geometry Sharing Network (GS-Net) 解决了近几年对于使用深度卷积神经网络对 3D 点云进行分类时，如何处理数据的几何变换问题，实验结果表明 GS-Net 可以提高软件对于这些变换的鲁棒性。
PDF5 years ago
深度卷积神经网络遇上全局协方差池化：更好的表示和泛化
该研究提出了一种适用于高维度、小样本场景的全局矩阵幂归一化协方差池化，并引入了一个全局高斯嵌入网络来融合一阶统计信息。此方法在大规模对象分类、场景分类、细粒度视觉识别和纹理分类方面的实验表明，其优于现有的方法，并取得了最佳效果。
PDF5 years ago
SleepEEGNet: 序列到序列深度学习自动睡眠分期评分方法
本文提出一种名为 SleepEEGNet 的自动睡眠阶段注释方法，使用单通道睡眠 EEG 信号，由深度卷积神经网络、序列到序列模型组成，通过新颖的损失函数解决类不平衡问题，相比现有文献具有更好的标注性能，整体精度为 84.26%，F1 得分
PDF5 years ago
卷积神经网络结合测试时数据增强进行医学图像分割的随机不确定性估计
本研究分析了基于深度卷积神经网络的 2D 和 3D 医学图像分割任务的不同不确定性，提出了一种基于测试时间增强的随机不确定性方法，用于分析输入图像的不同变换对分割输出的影响，并与模型不确定性相结合，对胎儿脑和脑肿瘤进行了医学图像分割实验，讨
PDF6 years ago
CVPR渐进式分组法的高效语义分割
本文研究了对于像 ERFNet 这样的实时语义分割模型，通过采用分组卷积、混洗卷积、深度可分离卷积等技术来优化 CNN 的内存和运行时间。作者提出了一种新的训练方法和高效的架构设计，使得在 FLOPs 的改善下，在 ERFNet 的基础上提
PDF6 years ago
IJCAIRo-SOS: 基于度量学习的鲁棒显著目标分割 Metric Expression Network (MEnet)
该论文提出了一种新的端到端泛化显著性目标分割模型 MEnet，使用一种新的拓扑空间来确定深度网络所确定的隐式度量，可忍受压缩和噪声等扰动，实现在像素级别上对显著区域和非显著区域的聚类，进而能够对出现在图像中的显著对象进行分割，同时该方法能够
PDF6 years ago
ICCV朝着可解释的人脸识别
提出了一种基于深度卷积神经网络的面部识别方法，该方法通过结构化和特征多样性损失，学习易于解释的面部表示，并证明其在三个面部识别基准上提高了准确性。
PDF6 years ago
多级语义特征增强的单样本学习
本文提出了一种基于语义概念空间的单次学习方法，利用自动编码器网络将深度卷积神经网络中的多层视觉特征映射到语义向量，并在语义空间中搜索相关概念，在图像特征空间中生成复杂的增强特征分布以实现更好的一次学习性能。
PDF6 years ago
衡量 CNN 学习表面统计规律的倾向性
本研究使用 Fourier 滤波技术构建数据集，并发现深度 CNN 倾向于抓取训练集的 Fourier 图像统计数据，导致出现高泛化差距，从而支持深层 CNN 更倾向于学习数据集的表面统计规律而非高层次的抽象概念。
PDF7 years ago
EuroSAT：一个用于土地利用和覆盖分类的新数据集和深度学习基准
本文介绍一种针对 Sentinel-2 卫星图像进行土地利用和土地覆盖分类的方法，提供了一个包含 13 个光谱波段及 10 类共 27,000 个标记和地理参考图像的新数据集，并使用最先进的深度卷积神经网络提供了基准测试。通过这一分类系统，
PDF7 years ago
使用随机卷积滤波器的浅层卷积神经网络纹理合成
研究表明，随机浅层卷积神经网络的特征空间可以作为自然纹理的模型，可以用于纹理合成算法，并且相较于深层 CNNs 模型，浅层 CNNs 模型具有相当的性能。
PDF8 years ago