fully convolutional neural networks | BriefGPT

关键词fully convolutional neural networks

搜索结果 - 11

MFA-Net：肝肿瘤分割的多尺度特征融合注意力网络
一个基于注意力机制的新型切割框架 MFA-Net（多尺度特征融合注意力网络）在医学 CT 图像中分割器官感兴趣区域，通过学习多个尺度的特征图并与现有方法进行比较，实验结果表明 MFA-Net 在不同尺度的图像上产生更加精确的分割。
PDF2 months ago
深度医学图像分割的置信度校准与预测不确定性估计
本文研究了医学图像分割中全卷积神经网络的预测不确定性估计，包括使用 Dice 损失和交叉熵损失进行的分割质量和不确定性估计比较，基于批归一化和 Dice 损失的网络置信度校准及模型集成方法，以及有关医学图像分割的结构分割质量预测和检测等方面
PDF5 years ago
EGNet: 边缘引导网络用于显著目标检测
该研究提出了一种名为 EGNet 的边缘引导网络，它结合了显著边缘信息和显著物体信息，实现了更加精确的物体边缘定位。结果显示，该方法在六个广泛使用的数据集上表现优异，无需进行预处理和后处理。
PDF5 years ago
基于聚合多分辨率跳跃连接的深度卷积编码器 - 解码器用于皮肤病变分割
本研究提出一种利用金字塔池化模块的编码 - 解码神经网络模型，通过深度跳跃连接聚合全局上下文并补偿丢失的空间信息，以提供标准化的皮肤黑色素瘤患者计算机辅助分析，并通过 ISIC 2018 数据集的训练和验证，在 Jaccard 系数上取得了
PDF5 years ago
指数对数损失函数用于高度不平衡物体尺寸的 3D 分割
本文提出了一种新的网络结构和相应的损失函数，用于提高医学图像的分割效果，通过组合跳跃连接和深度监督实现快速收敛和计算效率，同时提出了指数对数损失以平衡标签，最终在 20 个标签的脑组织分割中实现了 82％平均 Dice 系数，最小和最大物体
PDF6 years ago
PDNet: 以先验模型为指导的深度增强网络用于显著目标检测
该论文提出了一种新的架构 PDNet，它是一个鲁棒的先验模型指导的深度增强网络，用于 RGB-D 显着对象检测，在五个基准数据集上的大量评估表明，我们的提出的方法表现优异，胜过了现有的最先进方法。
PDF6 years ago
CVPR多人姿态估计与语义部位分割
该研究提出了一种基于全卷积神经网络和条件随机场的联合框架，旨在同步解决人体姿态估计和语义部位分割问题，并在 PASCAL VOC 数据集上进行了广泛实验，显示该算法在这两个任务上均优于竞争方法。
PDF7 years ago
ICCVAmulet：多级卷积特征在显著目标检测中的聚合
本文提出了一种名为 Amulet 的用于突出显著物体的通用多级卷积特征框架，通过聚合多级卷积特征图实现较精确的突出显著物体标签，并在低级层中嵌入边缘感知特征图，实现准确的边界推理和语义提升。
PDF7 years ago
CVPR带短连接的深度监督显著性目标检测
介绍了一种新的基于 Holistically-Nested Edge Detector 结构的显著性检测方法，引入了短接结构，使得每层都具有丰富的多尺度特征图，并在五个广泛测试的显著对象检测基准中取得了最先进的结果，具有效率、效果和简单性等
PDF8 years ago
可扩展的成本函数学习用于城市环境路径规划
利用最大熵的非线性 IRL 框架，通过采集的人类行为驾驶数据，使用 Fully Convolutional Neural Networks (FCN) 表示驾驶行为的成本模型，直接构建出代替人类驾驶行为的代价图，以此实现机器人高仿真的驾驶行
PDF8 years ago
ECCV利用运动线索进行弱监督语义分割
利用视频级弱标注来学习包含运动线索的全卷积神经网络（motion-CNN）可有效解决图像分割任务中目标大小的约束问题，其表现优于 EM-Adapt，且只用 150 个视频标注便可达到其他弱监督方法上千张图像的性能，并在视频共定位任务上胜过最
PDF8 years ago