关键词deep convolution neural networks
搜索结果 - 8
- 风格化对抗防御
利用目标样本的样式和内容信息以及其类边界信息创建对抗性扰动,将其应用于多任务目标并进行深度监督,提取多尺度特征知识以创建最大分离对手,随后提出最大间隔对抗训练方法,最小化源图像与其对手之间的距离,并最大化对手和目标图像之间的距离,证明与最先 - ICCV面向遮挡行人检测的掩模引导注意力网络
本文介绍了一种基于注意力网络的被遮挡行人检测方法,具备在 CityPersons 和 Caltech 两个数据集上超过现有方法的鲁棒性能
- 单图像超分辨率的无监督退化学习
本文提出了一种双向的结构一致性网络,以无监督的方式训练降噪和超分辨率网络,通过生成对抗网络模拟现实世界的 LR 图像降级过程,结合现实世界的 HR 图像,然后利用这些生成的 LR 图像训练 SR 重建网络实现超分辨率。实验表明,该算法在合成 - 深度卷积神经网络用于乳腺癌组织学图像分析
本研究基于深度卷积神经网络开发了计算方法,用于乳腺癌组织病理图像分类,包括四类和两类(用于检测癌变)分类任务,在高灵敏度操作点上,我们报告了 93.8% 的准确性,97.3% 的 AUC 和 96.5/88.0% 的敏感性 / 特异性,超过 - NIPS利用 KL - 散度聚焦于深度视觉解释
本文介绍了一种解释深度卷积神经网络图像分类预测的方法,使用 Kullback-Leibler 散度来提供参数最相关的关注点,帮助理解和解释深度网络的预测,在此基础上评估了两种常见网络的表现。
- 基于超像素的统计过程控制训练的语义分割
通过基于超像素采样的方法和使用统计过程控制的梯度来训练和测试,该论文提出了一种在 Pascal Context,SUN-RGBD 数据集上性能优于或等于传统方法的语义分割网络,减少了上采样运算的复杂度。
- CVPR定向响应网络
本文提出 Active Rotating Filters (ARFs),它们可以主动旋转以产生具有位置和方向编码的特征图,用于深度学习中的图像识别,并在一系列基准测试中展现了显著的性能优势并得到了最好的结果。
- CVPR使用卷积神经网络从视频管道中进行目标检测
本论文介绍了一个基于静态图像物体侦测和一般物体跟踪的完整视频目标侦测框架,并提出了一个时间卷积网络来整合时间信息以规范化侦测结果,在 ImageNet 数据集上进行了评估。