关键词multi-task loss function
搜索结果 - 5
- 甲状腺结节分割与诊断的形状边缘知识增强网络
该论文提出了一种形态 - 边缘知识增强网络(SkaNet),用于同时进行甲状腺结节分割和诊断,并通过多任务损失函数和约束惩罚项共同优化,以嵌入形态和边缘特征,并建模甲状腺结节诊断结果与分割蒙版之间的关系。
- ECCV基于几何约束的弱监督目标定位
本文提出了一种名为 GC-Net 的几何约束网络,用于弱监督物体定位,并引入了一种新颖的多任务损失函数,使得该网络可以无需后处理(如阈值)即可进行端到端训练,并在 CUB-200-2011 数据集上表现卓越。
- 对象检测的单次修订神经网络
本文提出了一种新的基于单一射击的检测器 RefineDet,它既具有两阶段方法的高精度,又保持了一阶段方法的高效率。RefineDet 由锚点精炼模块和目标检测模块组成,通过多任务损失函数的训练获得了最高的检测准确率。
- 人脸 R-CNN
提出了一种基于 Faster R-CNN 的深度人脸检测方法,通过新的多任务损失函数设计、在线困难样本挖掘和多尺度训练策略等多种技术手段,名为 Face R-CNN 的方法在 FDDB 和 WIDER FACE 两个人脸检测基准测试中证明了 - CVPR基于深度神经网络的端对端三维人脸重建
该篇论文提出了一种基于深度神经网络的端到端的方法来从单张 2D 人脸图像中进行三维人脸重建,并且利用了多任务损失函数和融合卷积神经网络来提高人脸表情重建的准确性。