receptive field size | BriefGPT

关键词receptive field size

搜索结果 - 7

揭开 U-Net 模型中感受野尺寸对医学图像分割效果的神秘
医学图像分割是医疗应用中关键的任务，本研究探讨了 U-Net 和 Attention U-Net 架构中的感受野（RF）大小及其对模型性能的影响，研究了 RF 大小与感兴趣区域特征、模型性能以及计算成本之间的关系，提出了表示给定网络层的理论
PDF12 days ago
AdaFSNet: 基于自适应和有效的卷积核大小配置的时间序列分类
通过综合实验证明，AdaFSNet 网络在时间序列分类任务中具有高效性和有效性，通过动态选择范围恰当的核大小和设计 TargetDrop 模块，可以提高分类准确性。
PDF2 months ago
卷积神经网络在语义分割任务中很少学习形状信息
通过一系列实验，发现在典型的设置下 CNN 并不会学习物体的形状，而是依赖其他特征，但只有在形状是识别物体的唯一特征时，CNN 才能学习形状。此外，适当的感受野大小相对于目标物体的大小和有限的扩充能够鼓励形状学习，并且在存在超出分布的数据时
PDFa year ago
扩张点卷积：关于 3D 点云上点卷积的感受野大小
本文提出了 DPC，一种解决点卷积网络接收域大小限制问题的方法，并通过对常见点云应用的实验结果表明 DPC 方法能够显著提高点卷积网络在语义分割和物体分类等领域的性能。
PDF5 years ago
基于像素感知的深度函数混合网络用于光谱超分辨率
提出了一种基于像素的深度函数混合网络，其中包括一种新的模块，称为函数混合（FM）块，用于光谱超分辨率，以确定每个像素的接受域大小和映射函数，并使用 late-stage 的中间特征增强了性能，在三个基准 HSI 数据集上验证其优越性。
PDF5 years ago
CVPR选择性卷积网络
提出了一种动态选择机制的卷积神经网络，使每个神经元根据多个尺度的输入信息自适应地调整其感受野大小，该网络称为 Selective Kernel Networks (SKNets)，在 ImageNet 和 CIFAR 基准上表现优于现有的最
PDF5 years ago
图像去噪的扩张深度残差网络
本研究提出了一种采用扩张残差卷积神经网络（CNN），并使用零填充来保持输出和输入维数相同的方法，以 Gaussian 图像去噪为目标，能够在减少计算成本的同时实现与最新的残差去噪器相当的性能，并且在计算可解释性方面也能有所进展。
PDF7 years ago