multi-scale feature maps | BriefGPT

关键词multi-scale feature maps

搜索结果 - 7

SimPLR: 一个简单直接的 Transformer 用于目标检测和分割
通过在单一尺度特征上操作，基于 Transformer 的检测器 SimPLR 能够利用自监督学习和缩放方法，相对于多尺度对应物和纯主干结构检测器具有更强的性能，并且速度更快。
PDF9 months ago
扩散超特征：在时空中搜索语义对应关系
本文介绍了 Diffusion Hyperfeatures 框架，该框架用于将多尺度和多时间步长的特征图聚合成每像素特征描述符，可以用于图像生成和反推过程，该框架在语义关键点对应任务中表现出优秀的性能，并且具有灵活的可转移性。
PDFa year ago
WWWFormerTime：用于多元时间序列分类的分层多尺度表示
提出了一种名为 FormerTime 的模型，结合特征金字塔和 Transformers 模型，解决了时间序列分类中长期依赖性建模和计算效率的问题，并在 10 个 UEA 存档数据集上获得了比竞争基线更好的分类性能。
PDFa year ago
IJCAI带有两个并行流的结构感知图像修复
本文介绍了一种基于 UNet 的双流终端到端架构，用于图像修复。其中，结构流辅助主流产生了合理结构和真实细节的结果。实验结果表明，该方法优于当前最先进的方法。
PDF3 years ago
MDSSD：小物体多尺度反卷积单阶段检测器
本研究提出了一种针对小物体检测的多尺度解卷积单镜头探测器 (MDSSD) 架构，通过融合高级语义特征和低层的空间信息，提高了小物体检测的精度，并在多个数据集上取得了比同类算法更好的性能。
PDF6 years ago
具有注意力机制 LSTM 的时间感知 SSD
本论文提出了一种基于注意机制和卷积长短时记忆（ConvLSTM）的时序单次检测器（TSSD），以实现视频中的实时在线目标检测。采用 ConvLSTM 来集成时间金字塔特征层次，并使用一个低级时序单元和一个高级单元来设计新颖的结构（LH-TU
PDF6 years ago
AutoScaler：用于视觉对应的缩放 - 注意力网络
本论文提出了 AutoScaler，一种通过权重共享的特征网络计算多尺度特征图并通过注意力网络实现最佳组合，从而在视觉对应任务中实现自适应感受野大小的规划。该网络与典型的光流和语义匹配基准方法相比具有更优秀的结果，并可推广至改善手动指定的描
PDF8 years ago