feature aggregation module | BriefGPT

关键词feature aggregation module

搜索结果 - 10

WaveletFormerNet：基于 Transformer 的用于真实世界非均质和密集雾去除的小波网络
本文提出了一种基于 Transformer 和小波的网络 (WaveletFormerNet) 用于现实世界中的雾图像恢复，它通过将离散小波变换嵌入到 Vision Transformer 中来缓解由于降采样导致的图像质量损失和颜色失真，同
PDF6 months ago
使用立体事件和强度相机进行视频帧插值
本文提出了一种新的立体事件驱动视频帧插值（SE-VFI）网络（SEVFI-Net），通过特征聚合模块（FAM）解决交叉模态视差，利用融合特征实现精确的光流和视差估计，并通过基于流和基于合成的方式实现更好的插值结果。同时，作者构建了一个由事件
PDFa year ago
CVPR残差特征金字塔网络用于增强血管图案
引入 ResFPN 作为通用的预处理方法，该方法采用底层金字塔架构和特征聚合模块，能够在不同尺度下提取指静脉结构，实现指静脉识别的精度提升。实验结果表明，经过 ResFPN 预处理后，在常用识别管线中，平均识别错误率下降高达 5%。即使在不
PDFa year ago
边缘引导的水下物体检测表征学习
本研究提出了使用边缘信息指导的表征学习网络 ERL-Net，该网络包括边缘指导的 attention 模块和特征聚合模块，以及一种宽而不对称的感受野块，用于改进水下物体检测中的低对比度、小目标的识别。实验证明，该方法在三个挑战性的水下数据集
PDFa year ago
使用多语言 BERT 进行零样本跨语言迁移中的特征聚合
本文探讨了利用 mBERT 最后一个 transformer 层以外的信息，采用基于 attention 机制的特征聚合模块，对不同层次的信息进行融合。实验结果表明，在 XNLI、PAWS-X、NER、POS 等关键领域任务中，该方法在零
PDF2 years ago
Meta-RangeSeg：多特征聚合的 LiDAR 序列语义分割
为实现自动驾驶和智能机器人的感知系统中对激光雷达传感器进行实时分割，本文提出了一种名为 Meta-RangeSeg 的新方法，该方法引入了全新的范围残差图像表示来捕获二三维之间的空间 - temporal 信息，并使用有效的 U-Net 骨
PDF2 years ago
基于骨架的动作识别中的时空元组变换
提出了一种新的时空元组 Transformer（STTFormer）方法，该方法着重解决了现有的基于 Transformer 的方法不能捕获帧之间不同关节之间的相关性的问题，在两个大型数据集上的表现优于现有技术方法。
PDF2 years ago
AAAI基于 Transformer 的端到端图像压缩和分析
本文提出了一种基于 Transformer 的端到端图像压缩和分析模型，实现云端图像分类应用，并通过两步训练策略解决了率失真精度优化问题。实验结果表明，该模型在图像压缩和分类任务中均具有有效性。
PDF3 years ago
ECCV学习分离特征表达式进行混合失真图像修复
本文提出了一种基于分解特征学习的混合扭曲图像恢复方法，即利用特征分离及特征聚合模块，实现了不同混合扭曲的特征级分而治之，并在实验证实了该方法的有效性。
PDF4 years ago
CVPR一种基于简单池化设计的实时显著目标检测方法
研究如何扩展卷积神经网络中的池化作用来解决显著性目标检测问题，首先在 U 形架构下构建全局引导模块，然后使用特征聚合模块使粗略层次的语义信息与来自自上而下路径的细节信息很好地融合，最终能够更准确地定位显著对象并具有更高的运行速度。
PDF5 years ago