multi-scale features | BriefGPT

关键词multi-scale features

搜索结果 - 54

ECCV多尺度和跨尺度对比学习用于语义分割
本研究考虑应用监督对比学习提高语义分割中多尺度特征的判别能力，并通过有效的采样过程与跨尺度对比学习方法进一步提高模型性能。
PDF2 years ago
MatchFormer: 用于特征匹配的变形金刚中的交错注意力
本文提出了一种新的层次化提取和匹配变形器 MatchFormer 来提高局部特征匹配的效率和鲁棒性，该方法结合自注意力和跨注意力在多尺度特征的层次化架构上提高匹配鲁棒性，并在室内姿势评估、室外姿势评估、单应性评估和图像匹配检测四个基准测试中
PDF2 years ago
CVPRMS-TCT: 多尺度时间卷积转换器用于动作检测
我们提出了一种基于 ConvTransformer 网络的行动检测方法，通过三个组件（时间编码器、时间尺度混合器和分类器）高效地捕捉视频中的短期和长期时间信息，实验表明该方法在 Charades、TSU 和 MultiTHUMOS 数据集上
PDF3 years ago
CVPR利用多尺度令牌聚合的深层自注意力机制
本文提出一种名为 SSA 的新型自注意力策略，能够使 Vision Transformer 模型在单个自注意力层上实现对多种尺度特征的建模，并得到了广泛验证和超越同类模型的结果。
PDF3 years ago
语义分割的高效自组合
本文提出了自组合方法，结合特征金字塔网络和多尺度特征来增强语义分割，避免了传统的集成训练成本，并且经过测试取得优于阈值的结果，具有应用前景。
PDF3 years ago
SPIN Road Mapper：通过空间和交互空间图推理从航拍图像中提取道路以用于自动驾驶
提出了一种基于 SPIN 模块和金字塔网络的道路识别方法，该方法可以从卫星图像中高效且准确地提取出道路信息，并且在训练时收敛速度快。
PDF3 years ago
ICCVHandFoldingNet：一种使用 2D 手骨架的多尺度特征引导折叠的 3D 手势姿态估计网络
该论文提出了一种基于 Folding 的手部姿态估计器，该模型利用多尺度特征进行折叠，可以从归一化的 3D 手部点云输入中回归出手部关节位置，试验结果表明，该模型在三个手部姿态基准数据集上优于现有方法，且模型参数要求最低。
PDF3 years ago
基于注意力机制的图聚类网络
提出了一种名为注意力驱动图聚类网络（AGCN）的深度聚类方法，它利用异质性智能融合模块动态融合节点属性特征和拓扑图特征，并开发了一个分别针对不同层嵌入的多尺度特征进行自适应聚合的规模智能融合模块，通过联合学习特征和聚类分配，可以更加灵活有效
PDF3 years ago
MM基于跨尺度像素到区域关系操作的多尺度特征聚合用于语义分割
本文提出了一种通过跨尺度像素到区域关系操作，使低层特征聚合相邻高层特征的互补上下文，发挥跨尺度上下文传播作用的有效特征塔网络方法，具有较高的效率和性能表现。
PDF3 years ago
基于层级注意力融合的地理定位
该论文提出了一种基于层次化注意力融合网络和多尺度特征的 2D 图像检索方法，通过自监督训练控制特征强调的权重，实现了对地理定位场景的精确定位。实验结果表明，该方法优于现有的最先进方法。
PDF3 years ago
ISIA Food-500：一种基于堆叠全局 - 本地注意力网络的大规模食物识别数据集
通过构建大规模的食品图像本体，本文提出了一个将空间通道注意力与构建格外区域注意机制相结合的堆叠全局 - 局部注意网络，用于食品识别。在 ISIA Food-500 和其他两个流行数据集上的广泛实验表明了该方法的有效性。
PDF4 years ago
ECCV引导深度解码器：无监督图像对融合
本研究提出了一种基于引导式深度解码器网络的通用先验，该网络由一个利用引导图像的多尺度特征的编码器 - 解码器网络和一个生成输出图像的深度解码器网络组成，并通过特征细化单元将引导图像的多尺度特征嵌入深度解码器网络，允许网络参数在无监督学习的情
PDF4 years ago
UNet 3+: 医学影像分割的全尺度联通 UNet
本文提出了基于 UNet 的新型深度学习网络 UNet 3 + 进行医学图像语义分割任务，此方法在多尺度特征融合、深度监督等方面优化 UNet，通过增加全尺度 skip 连接和采用深度监督的方式获得更准确的分割结果，特别适用于器官在不同尺度
PDF4 years ago
ECCV具有 100K 参数的高效显著目标检测
通过提出一种灵活的卷积模块（gOctConv）和新颖的动态权重衰减方法，使得使用该模块构建的轻量级模型（CSNet）能够更高效地利用多尺度特征，减少参数冗余和计算开销，并在流行的显著性目标检测基准上取得了可比较的性能，参数数量不到大型模型（
PDF4 years ago
基于编码 - 解码的卷积神经网络和多尺度感知模块的人群计数
本文提出了两种基于双通道多尺度融合网络（SFANet）和 SegNet 的修正神经网络，用于准确高效地进行人群计数。其中一种模型使用 atrous spatial pyramid pooling（ASPP）和上下文感知模块（CAN）来增强多
PDF4 years ago
AAAI基于混合图神经网络的人群计数
本文提出了一种新的网络结构 —— 混合图神经网络（HyGnn），通过交织多尺度特征以及辅助任务（定位）来执行图推理，从而缓解了人群密度估计中的挑战问题，实现了比现有方法更为准确的效果。
PDF4 years ago
AugFPN: 改进目标检测多尺度特征学习
本文分析了现有的特征金字塔结构在物体检测方面的问题，提出了一种新的名为 AugFPN 的特征金字塔架构，成功应用在 Faster R-CNN、RetinaNet 和 FCOS 等模型中，显著提高了平均精度 AP。
PDF5 years ago
CVPRSpineNet：学习尺度置换骨干网络以进行识别和定位
本文提出了 SpineNet，这是一个具有尺度置换中间特征和跨尺度连接的主干网络，在神经架构搜索的目标检测任务中学习。它在各种尺度上使用类似的构建块进行建模，而使用的 FLOPs 较少。在各种检测器上，SpineNet-190 单模型获得了
PDF5 years ago
ICCV多层级底部 - 顶部和顶部 - 底部特征融合用于人群计数
针对高拥挤场景下的人群计数问题，我们提出了一种网络结构，利用多级底部 - 顶部和顶部 - 底部融合方法、跨度残差函数和精心生成的尺度感知的密度地图等技术，有效地解决了不同层次的信息整合问题，大大提高了计数的精度。
PDF5 years ago
CVPR无缝场景分割
本研究提出了一种基于 CNN 的新型架构，可以进行端到端的训练，以提供无缝的场景分割结果。该网络结构采用了一种新颖的分割头，将由特征金字塔网络生成的多尺度特征与由轻量级 DeepLab 模块传递的上下文信息进行了无缝整合，从而预测一致的语义
PDF5 years ago