global information | BriefGPT

关键词global information

搜索结果 - 27

ECCVGIA-Net: 用于低光成像的全局信息感知网络
本研究提出了一种全局信息感知模块 (GIA)，该模块能够提取和集成全局信息以改善低光成像表现，通过将 GIA 模块插入到基本 U-Net 中，构建了 GIA-Net，并在大规模真实世界低光成像数据集上实现了训练和评估，实验结果显示，所提出的
PDF4 years ago
UR2KiD: 无需局部一致性监督的统一检索、关键点检测和关键点描述
本文提出了一种基于 ResNet 模型的统一框架，用于关键点检测、特征提取和图像检索，不需要使用点对点的训练数据，利用通用技术在标准 ResNet 模型的连续层中提取局部信息，通过局部响应值的池化提取全局信息，可以在各种具有挑战性的评估条件
PDF4 years ago
ICCV图像去马赛克和增强的高分辨率网络
提出了一种高分辨率神经网络（HERN）方法，通过两个并行路径来学习两个不同分辨率下的图像特征，结合全局感知特征和多尺度特征，使用渐进训练方法处理图像去马赛克和增强任务，实现了令人满意的 GPU 内存使用和较快的模型收敛。在 AIM2019
PDF5 years ago
预训练与学习：为图神经网络保留全局信息
该论文提出了一种名为 G-GNNs 的新型模型，通过无监督预训练获取节点的全局结构和属性特征，然后利用这些特征和原始网络属性，提出了一种 GNN 的并行框架以从这些特征中学习不同的方面。该模型的学习方法可应用于平面图和属性图，并通过 ext
PDF5 years ago
ACL一种增强全局上下文的深度转换架构用于序列标注
本文提出了一种名为 GCDT 的序列标签模型，它采用全局上下文增强和深层转换结构来解决循环神经网络在全局信息建模和浅层连接方面的不足，通过两项标准序列标签任务的实验结果，证明该方法在 NER 和 Chunking 任务上均能超越以往最佳结果
PDF5 years ago
IJCAI用于半监督节点分类的分层图卷积网络
本研究提出了一种新的深层分层图卷积网络 (H-GCN)，通过聚合结构相似的节点形成超节点，然后再将粗化的图细化到原始图以恢复每个节点的表达，从而扩大每个节点的感受野，能够获取更多的全局信息，并在各种公共基准测试图数据集上表现出强大的实证性能
PDF5 years ago
全局反卷积网络用于语义分割
本文提出了一种新型架构，用于全局地等效进行反卷积操作并获取密集预测进而解决卷积神经网络在语义图像分割任务中的两个独特挑战，即低分辨率输出与局部特征提取中的全局信息不足。实验结果表明，在 PASCAL VOC 2012 基准测试中，本文方法取
PDF8 years ago