关键词feature fusion network
搜索结果 - 5
- 基于特征融合网络的人机可扩展图像编码
我们提出了一种基于学习的可扩展图像编码方法，适用于多种图像识别模型。通过将机器的图像压缩模型与人类的压缩模型相结合，利用特征融合网络实现了高效的图像压缩，并且减少了参数的数量。通过评估图像压缩性能，我们证明了这种可扩展编码方法的有效性。
- 轻量级木板缺陷检测方法，结合注意力机制和特征融合网络
提出了一种轻量级木质面板瑕疵检测方法 ——YOLOv5-LW，该方法结合了注意力机制和特征融合网络，并采用多种技术提高检测能力和计算效率，在自主开发的实验数据集上取得了 92.8% 的准确率，减少参数数量 27.78％，压缩计算体积 41. - 高性能 Transformer 追踪
该论文提出了一种基于注意力机制的特征融合网络，可以有效地结合模板和搜索区域的特征，解决相关操作在设计高精度跟踪算法时可能遇到的局部最优问题。实验结果表明，该方法在七个流行数据集上取得了有前途的成果。
- 单图像超分辨率轻量级特征融合网络
该研究提出一种轻量级特征融合网络 (LFFN)，利用主轴块和 softmax 特征融合模块 (SFFM) 来实现全面探索多尺度上下文信息、极大地降低网络参数而最大化单幅图像超分辨率 (SISR) 结果。
- 单幅图像去雨的残差引导特征融合网络
本文提出了一种基于深度学习的残差引导特征融合网络 ResGuideNet，用于单幅图像去雨，通过级联网络和轻深度残差引导深层块来逐步预测高质量重建，并使用递归卷积构建每个块来实现监督，从而在石墨和真实数据上获得了更好的性能。