- Kirigami：大型卷积核提高基于深度学习的 RNA 二级结构预测
我们引入了一种新颖的全卷积神经网络 (FCN) 结构，用于预测核糖核酸 (RNA) 分子的二级结构。通过将 RNA 结构解释为加权图，我们利用深度学习来估计核苷酸残基之间的配对概率。与我们的模型独特的是其拥有的大型 11-pixel 卷积核 - 高通量视觉纳米无人机相对定位的基于机载全卷积神经网络的方法
基于低分辨率相机和超低功耗车载 SoC 的垂直集成系统，通过全卷积神经网络（FCNN）在纳米无人机之间背对背的相对姿态估计方面取得了显著改进。
- 使用全卷积神经网络进行非固定长度语音的情感分析
提出了一种情感分析方法，能够接受任意长度的音频，使用 Mel spectrogram 和 Mel Frequency Cepstral Coefficients 作为音频描述方法，并提出了一种全卷积神经网络架构作为分类器。通过使用 EMOD - 使用深度学习探究乳腺超声中脉冲回波声速估计
本研究提出了使用深度学习方法从超声信号中估算声速的方法，通过在仿真数据集上训练全卷积神经网络，能够精确地估算出与文献报道一致的声速值，从而提高脉冲回波超声成像的精度和可靠性。
- ICML空间无限生成模型的解释
本文提出一种理论模型，通过将随机空间向量输入到完全卷积神经网络中，基于空间随机过程生成任意分辨率的图像，并用该模型来提高空间无限生成模型的训练效率，实现了对世界地图、全景图像和纹理合成等的任意尺寸图像的高效生成。
- CVPR伪净化视频恢复的视频恢复技术
本研究提出了一种称为 “restore-from-restored” 的自监督视频降噪方法。该方法通过在测试阶段使用伪清晰视频来微调预先训练的网络，从而提高视频降噪性能，而无需准确的光流估计和配准步骤，并且可以通过利用多个连续帧之间存在的丰 - 使用深度三元组嵌入的个性化活动识别
本研究探讨了基于全卷积神经网络的个性化活动识别方法，通过个人三元组深度嵌入，并与基线方法等进行了比较，结果表明三元组损失提供了最佳性能。
- 定向约束的全卷积神经网络用于航空 LiDAR 点云分类
本文提出了一种用于无人机 LiDAR 点云分类的方向约束全卷积神经网络模型（D-FCN），该模型利用方向约束点卷积模块和多尺度卷积神经网络实现了点云的语义标记，取得了 70.7% 的平均 F1 得分和大幅提高了点数较少目标（如电线、汽车和立 - InverseRenderNet: 学习单张图像逆渲染
通过使用完全卷积神经网络，我们展示了如何从单幅未受控制的图像执行反渲染。我们的网络使用大型未受控制的图像集进行训练，并通过引入可微分渲染器来进行自监督学习。同时，我们还通过学习一个统计的自然照明先验和离线多视图立体成像来提供额外的监督。这是 - ICCV全卷积像素自适应图像去噪器
本文介绍了一种新的图像去噪算法 —— 全卷积自适应图像去噪器 (FC-AIDE)，它能够学习离线监督训练集的全卷积神经网络，以及针对每个给定的噪声图像进行自适应微调。我们利用全新的全卷积架构提高了基础监督模型，并引入正则化方法进行自适应微调 - 旋涡池化：在语义分割中改善上下文表示
通过引入 Vortex Pooling 方法，本文提出了一种有效而高效的语义分割方法，该方法在 PASCAL VOC 2012 中超越了现有的最先进模型 DeepLab v3，并且具有与 DeepLab v3 相似的计算代价。
- CVPR超越权衡：基于 FCN 的面部检测器以更高的准确性加速
本论文面向人脸检测任务，提出了一种加速方法 S2AP 和掩膜卷积操作，在保持高准确率的前提下，将 RPN 的速度提升了 4 倍，并在 FDDB、AFW、MALF 等数据集上达到了 state-of-the-art 效果。
- 基于改进的全卷积神经网络和分层 Dice 损失的脑肿瘤分割
本研究采用多种流行的 FCNN 模型，在其基础上进行网络结构调整并使用分层 Dice 损失函数来提高基于 MRI 图像的脑肿瘤分割效果。经过大量实验对比，验证了新型网络和损失函数相比于传统方法在精度、召回率、mIoU 和 DSC 等性能指标 - 历史文献图像页面分割的全卷积神经网络
本文提出了一种基于像素级别处理的高性能全卷积神经网络，用于历史文献图像分割，并引入了一种独立于模糊真实度量的前景像素准确度评价指标，该指标仅计算二值化页面中的前景像素，从而使研究人员可以比较不同的分割方法在文本或图像分割方面的成功能力。
- NIPS基于深度学习的牙齿龋齿位翼射线照片检测
开发了一种计算机辅助诊断系统 (CAD)，可通过作为牙医的第二意见，显著提高检测牙齿龋齿的能力；该系统由深度完全卷积神经网络 (FCNN) 组成，可对近 3000 个全口 X 光片进行自动诊断。与三名牙医的平均表现相比，我们的系统在召回和 - ICCV远程监督的道路分割
该研究提出一种基于远程监督的道路分割方法，只需要图像级标注，可以自动生成弱像素级道路掩模，使用全卷积神经网络，达到了全监督方法 93.8% 的性能，并显著减少了标注工作量。
- 反向注意力语义分割
本文提出了逆向注意力网络（RAN），通过同时进行直接、反向和逆向 - 注意力学习过程，使得全卷积神经网络不仅可以学习标签化的语义对象的代表性语义特征，还可以学习与目标类别不相关的特征，在对 Pascal-Context 数据集和其他数据集进 - 卷积神经网络自动检测膝关节并量化膝骨关节炎严重程度
本文介绍了一种使用 X 光图像自动量化膝关节 OA 严重程度的新方法，该方法采用完全卷积神经网络自动检测膝关节并进行多类别分类和回归输出，以优化两个损失函数的加权比率，取得了优于现有方法的极有前景的结果。
- 基于全卷积神经网络的 LIDAR 行驶路径生成
本研究使用全卷积神经网络，在 LIDAR 点云、GPS-IMU 信息和 Google 驾驶方向的帮助下生成驾驶路径，并通过测试获得了良好的性能，标志着该系统有望填补底层场景解析和行为反射方法之间的差距。
- 将人类领域知识融入大规模成本函数学习
本研究采用预先训练的方式将人类先验知识引入深度逆强化学习，实现了更高的鲁棒性，更明显的障碍物边界以及能够捕捉纯学习模型无法捕捉的障碍物实例，这使得最终的模型可以更准确地处理包括楼梯、坡道和地下通道在内的稀有案例。