region of interest | BriefGPT

关键词region of interest

搜索结果 - 8

第一届滑冰领域挑战赛冠军解决方案
本研究提供了在第一届 SkatingVerse Challenge 中的获胜解决方案，通过使用 DINO 框架提取兴趣区域（ROI）和精确裁剪原始视频素材，然后采用 Unmasked Teacher、UniformerV2 和 InfoGC
PDF2 months ago
通过分层感兴趣区域和自适应量化实现超高保真图像压缩
通过结合 MSE-based 模型和生成模型中感兴趣区域 (ROI) 的优势，我们提出了分层感兴趣区域 (H-ROI) 方法，将图像分为几个前景区域和一个背景区域，以提高包含人脸、文字和复杂纹理的区域的重建效果；进一步，通过通道维度内的非线
PDF4 months ago
面向延迟敏感的远程医疗应用的智能 DRL-Based 自适应兴趣区域
本文提出了一种深度强化学习模型，该模型根据预估吞吐量智能地调整感兴趣区域的大小和非感兴趣区域的质量，用以降低视频传输时的延迟，通过延迟和结构相似性指数的比较发现，该模型能够将延迟减少 13% 并保持整体质量在可接受范围内，从而为远程医疗应用
PDF9 months ago
利用回归和分类多任务网络将感兴趣区域聚焦的 MRI 转换为合成 CT
本研究提出了一种利用多任务网络从零回波时间 MRI 生成合成 CT（sCT）的方法，重点关注骨密度值的准确预测，并通过分类定位兴趣区域（RoI）和全局回归来优化网络性能。通过与真实 CT 比较，我们证明了该方法可以提高在放射治疗计划中的准确
PDF2 years ago
MM基于无监督集成学习的湍流计算流体力学模拟分割
本文介绍了一种使用集成机器学习框架实现的无监督聚类算法将复杂计算机模拟中的涡流模式数据分类并划分为不同结构分类目录，提高了数据划分的准确性和鲁棒性，并给出了更精确和可靠的感兴趣区域范围确定方法。
PDF3 years ago
一种新的感兴趣区域提取层，用于实例分割
本文旨在提供一个新的通用 RoI 提取器 ——GRoIE，它引入非局部模块和注意机制来提高性能。综合组件级的消融研究，找到了 GRoIE 层的最佳算法和参数集。该提取器能够无缝地集成在各种二阶段架构中，为目标检测和实例分割任务带来显著 1.
PDF4 years ago
多任务旋转区域卷积神经网络用于任意方向船舶的位置检测和方向预测
该论文提出了一种基于多任务旋转区域卷积神经网络的全新检测模型，通过密集特征金字塔网络、自适应兴趣区域对齐、旋转边界框回归、驶向预测和旋转非极大值抑制等五个连续部分解决了应用场景的复杂性、检测区域的冗余性和密集船只检测的困难等主要障碍。在旋转
PDF6 years ago
面向特定对象检索的上下文感知查询图像表示
通过人类视觉传递的信息流作为灵感，提出了一种基于 CNN 的特定目标检索方法，将注意力放在感兴趣的区域上可以显著提高检索的准确性，并且使用新颖的显着性度量对区域进行加权，进一步提高了检索的准确性。
PDF7 years ago