deep convolutional neural networks | BriefGPT

关键词deep convolutional neural networks

搜索结果 - 285

ICCV卷积神经网络上的代表性解释发现
本文提出一种基于无监督学习的方法来解释大量相似图像中深度卷积神经网络的决策逻辑，并将代表性解释问题转化为一种共聚类问题，并基于线性决策边界的样本将其转化为子模代价覆盖问题。我们还提供了可视化和相似性排序方法，广泛的实验证明了本方法的优秀表现
PDF3 years ago
ICCV生物质高粱中基因型与表型相互作用的分类和可视化
本文引入了一种简单方法来理解单核苷酸多态性（SNP）或相关 SNP 组，以及它们控制的表型之间的关系。该管道包括训练深度卷积神经网络（CNN）来区分具有参考和各种 SNP 的替代版本的植物图像，然后使用可视化方法来突出显示分类网络的关键。我
PDF3 years ago
全局和局部纹理随机化用于合成到真实场景的语义分割
本文提出两种简单而有效的纹理随机化机制（GTR 和 LTR），以用于域泛化的基于 SRSS 的纹理无关形式。同时，提出了一种 CGL 机制来协调两种机制。在使用各种 SRSS 设置的五个公开数据集上，实验表明该方法优于基于域泛化的 SRSS
PDF3 years ago
ICCV适用于少样本医学图像分割的循环掩模细化
本文提出了一个新的基于原型网络的少样本医学图像分割框架，它以两个关键模块：上下文关系编码器和反复使用原型网络的逐步掩模细化模块作为创新，通过对两个腹部 CT 数据集和一个腹部 MRI 数据集的实验表明，该方法相对于现有最先进的方法平均提高了
PDF3 years ago
通过增益调整的自适应去噪
本研究提出了一种名为 "GainTuning" 的方法，该方法通过调节卷积神经网络中每个通道的单个比例因子，使预先训练的深度卷积神经网络 (CNNs) 在适用于实际测试图像时能够自适应性的提高去噪性能。通过在多项标准图像去噪数据集上的实验也
PDF3 years ago
MM初始化的熵替代方案
研究了局部熵损失函数在深度卷积神经网络中的应用，提出了一种可调整的模型复杂度的正则化方法，并将其解释为物理学中的重整化和时空结构的体现。
PDF3 years ago
CVPR使用生成模型提高对抗性贴片攻击在人脸识别中的可迁移性
本文通过在低维数据流形上规范对抗性贴片生成，从而提高了面部识别系统的鲁棒性，并在数字世界和物理世界上进行了广泛的实验验证。
PDF3 years ago
Fast-GANFIT: 高保真度三维人脸重建的生成对抗网络
本文提出了一种使用深度卷积神经网络和生成对抗网络重建人脸纹理和形状的新方法，以及一种自监督回归方法用于较快的拟合过程，展示了可生成高频细节的写实和身份保留的 3D 面部重建。
PDF3 years ago
IJCAIAVA: 视觉识别的对抗性暗角攻击
本文研究了采用对抗攻击中的晕影来嵌入有意误导信息，制造自然的对抗样本，并通过物理模型下的径向各向同性和径向异向性嵌入有效的晕影区域，达到更高迁移性和更好的图像质量，攻击 4 种不同的卷积神经网络。
PDF3 years ago
MM用于语义分割的融合注意力网络，在极高分辨率遥感图像中的应用
本文提出了一种多路径编码器结构来提取多路径输入的特征，多路径注意力融合块模块来融合多路径特征，以及细化注意力融合块模块来融合高层抽象特征和低层空间特征。同时，提出了一种新的卷积神经网络架构，名为注意力融合网络 (AFNet)。基于该 AFN
PDF3 years ago
(ASNA) 带有替身排序损失函数的基于注意力的孪生差异神经网络用于感知图像质量评估
该论文提出了一种名为 Siamese-Difference 神经网络的卷积神经网络，采用扩展结构和注意力机制，以及附加的损失函数进行训练，该方法在 NTIRE 2021 感知图像质量评估挑战中表现卓越。
PDF3 years ago
一种两阶段注意力网络的单幅图像超分辨率方法
本文提出了一种基于注意力机制的两阶段深度卷积神经网络，可以在从粗到细的方式下进行超分辨率图像重建，并通过使用多层上下文关联特征的多层上下文注意力块和利用高分辨率空间中的有用线索来重建高分辨率图像的重要细化关注块，以提高超分辨率性能并获得良好
PDF3 years ago
CVPRAsymmNet: 利用不对称瓶颈实现超轻型卷积神经网络
本文提出了一种名为 “不对称瓶颈” 的新型卷积神经网络模块设计，它采用调整第一次卷积层维度、特征重用和计算迁移等手段来优化紧凑型 CNN 的性能，通过实验证明，在移动网络和超轻量级 CNNs 中使用该设计可以比之前的设计进一步提高网络的精度
PDF3 years ago
MM深度卷积神经网络中的可逆水印技术用于完整性验证
本文提出一种基于可逆水印算法的深度卷积神经网络完整性认证方法，利用模型压缩技术中的剪枝理论构建用于嵌入水印信息的主机序列，并通过直方图移位实现，模型参数可通过提取水印信息完全恢复，并可验证模型完整性是否被非法修改。
PDF3 years ago
ICCV理解 Transformer 模型在图像分类中的稳健性
本文探讨了基于 Transformer 的网络架构如 Vision Transformer（ViT）的鲁棒性问题，并针对输入扰动和模型扰动等多个方面进行了实验比较，发现在使用足够的数据量进行预训练的情况下，ViT 模型的鲁棒性至少和 Res
PDF3 years ago
样本效率情景下的赫比半监督学习
提出了一种基于 Hebbian 学习与梯度下降相结合的半监督训练策略，通过在深度卷积神经网络的内部层使用基于 Hebbian 学习的无监督方法预训练，仅用标注样本训练最后的全连接层，实现了在标注样本数量较少情况下对象识别表现优于现有技术的目
PDF3 years ago
NPT-Loss：一种具有内隐挖掘功能的度量损失用于人脸识别
本文提出了一种基于 triplet loss 和 proxy 的新型损失函数来实现各个身份特征之间的最小可分性，该函数简单易实现且在高分辨率和低分辨率人脸识别任务中均可达到 SOTA 的性能表现。
PDF3 years ago
医学变压器：门控轴向注意力在医学图像分割中的应用
本文探讨了 Transformer 网络架构在医学图像分割任务中的可行性，并提出了一种 Gated Axial-Attention 模型和 Local-Global 训练策略以提高模型性能。实验表明，在三组不同的医学图像数据集上，该 Med
PDF3 years ago
AAAI用于加密数据的高效 CNN 建模块
本文介绍充分同态加密 (Fully Homomorphic Encryption, FHE) 在机器学习中的应用，针对现有文章只关注于数据安全而忽略模型参数的安全问题，以及高层级的实现不提供对深度卷积神经网络 (CNNs) 中的卷积、非线性
PDF3 years ago
AAAI领域自适应语义分割的跨域分组和对齐
本文提出一种可学习的聚类模块以及称为跨域分组和对齐的新颖域自适应框架，以解决先前方法的限制，包括多模态数据分布和类别不平衡问题。我们声称通过鼓励对聚类之间的语义一致性和正交性进行两个损失函数，解决了聚类中的域对齐问题，而且还提出一种解决类不
PDF4 years ago