dilated convolution | BriefGPT

关键词dilated convolution

搜索结果 - 15

HC-Mamba：基于混合卷积技术的医学图像分割中的视觉 MAMBA
基于现代状态空间模型 Mamba, HC-Mamba 是一种新的医学图像分割模型，通过引入扩张卷积技术和深度可分离卷积技术，能够在较低的计算成本下处理大规模医学图像数据，并表现出竞争性的性能。
PDF2 months ago
频率自适应扩张卷积用于语义分割
提出了三种策略来改进分析视角下的空间频率分布，通过频率自适应扩张卷积、自适应核函数和频率选择模块，提高了有效带宽和感知范围，从而有效改善分割和目标检测性能。
PDF4 months ago
可学习空间扩展的空洞卷积：超越双线性插值
该论文提出了一种基于可学习空间的扩张卷积（DCLS）, 通过插值来处理非整数位置，其中使用了高斯插值，以提高在 ConvNeXt 和 Conv-Former 两种卷积网络上的 ImageNet1k 分类性能，而不增加模型参数。该方法基于 P
PDFa year ago
可学习间距的扩张卷积
该研究提出了一种新型的 “可学习空隙扩张卷积”（DCLS）方法来增加卷积神经网络（CNN）的感受野大小，从而提高图像分类的准确性，而且不会增加可训练参数的数量。该方法可以通过在卷积核中只添加一些非零元素，然后通过反向传播技术学习它们的间距来
PDF3 years ago
ICCVSDWNet：一种基于小波变换的长径网络用于图像去模糊
本研究提出一种使用扩张卷积和小波变换的简化网络结构来解决图像去模糊问题，通过充分利用不同的感受野，使我们的方法在训练要求较低的情况下实现了与现有算法相当的性能。
PDF3 years ago
D3Net：密集连接的多扩张 DenseNet 音乐源分离
本文提出了一种新的 CNN 结构称为密集连接扩张 DenseNet（D3Net），用于模拟同时具有多分辨率数据的音频信号，该结构避免了在 DenseNet 中纳入扩张卷积时存在的混叠问题。通过对 MUSDB18 数据集的实验结果表明，D3N
PDF4 years ago
POD: 基于尺度敏感网络的实用目标检测
提出了一种采用比例尺度敏感卷积神经网络的实用目标检测方法。通过平均特征来预测每个卷积滤波器的全局连续比例尺度，并通过通道来提取比例尺度。为了实现快速部署，将鲁棒性分数尺度转换为每个卷积滤波器的固定整数比例尺度组合，利用了膨胀卷积。在 COC
PDF5 years ago
C3：集中综合卷积及其在语义分割中的应用
文章提出一种新的深度学习网络结构 --- Concentrated-Comprehensive Convolution (C3) block，该结构应用了不对称卷积来弥补扩张卷积的信息丢失，并成功应用于各种分割框架中，保持原有精度的同时降低
PDF6 years ago
MM用于实时语义分割的高效非对称卷积密集模块
本文提出一种卷积神经网络结构，命名为 Efficient Dense modules with Asymmetric convolution (EDANet)，它采用不对称卷积结构和膨胀卷积和稠密连接并具有低计算成本和模型大小，比现有的快速
PDF6 years ago
利用深度学习技术实现高效道路车道标线检测
本文提出了一种使用深度卷积神经网络进行车道标记检测的算法，采用扩张卷积、精简模型结构等手段提高其低复杂度、高准确性，再采用后处理算法对曲线车道建模，该算法在拍摄到的路况场景下表现优异。
PDF6 years ago
EMNLP基于语义单元的膨胀卷积用于多标签文本分类
该研究提出了一种基于序列到序列学习的多标签文本分类模型，其使用了多级膨胀卷积和相应的混合注意机制来生成更高级的语义单元表示，并且有效地减少了维度和支持了接收域的指数级扩展。实验结果表明，该模型在数据集 RCV1-V2 和 Ren-CECps
PDF6 years ago
CVPR重新审视空洞卷积：一种用于弱监督和半监督语义分割的简单方法
通过利用扩张卷积等方法，本文提出一种弱监督下语义分割的新模型，能够得到准确的物体分割结果，相较于之前的方法在具有 1,464 个分割掩码的半监督和仅有图像级标签的弱监督设置下，分别获得了 60.8％和 67.6％的高精度分割效果，成为当前最
PDF6 years ago
图像去噪的扩张深度残差网络
本研究提出了一种采用扩张残差卷积神经网络（CNN），并使用零填充来保持输出和输入维数相同的方法，以 Gaussian 图像去噪为目标，能够在减少计算成本的同时实现与最新的残差去噪器相当的性能，并且在计算可解释性方面也能有所进展。
PDF7 years ago
基于膨胀卷积的多尺度信息学习 Inception 模块的单幅图像超分辨率
本文提出了基于扩张卷积的 Inception 模块，利用多尺度信息构建深度神经网络，提高单幅图像超分辨率的性能。实验结果表明，该方法优于许多单幅图像超分辨率方法。
PDF7 years ago
关于 3D 卷积神经网络的紧凑性，效率和表示性：以脑区分为先验任务
通过采用扩张卷积和残差连接等现代卷积神经网络的高效和灵活的元素，该研究提出了一种高分辨率、紧凑的卷积神经网络，用于分割体积图像，并证明了其比现有的体积分割网络更紧凑，能够对大规模图像数据进行 3D 表示的学习，应用于神经解剖学结构的分割。同
PDF7 years ago