soft attention mechanism | BriefGPT

关键词soft attention mechanism

搜索结果 - 9

AXIAL：基于 2D CNN 的 3D MRI 脑部扫描的阿尔茨海默病定位诊断可解释性的注意力机制
这项研究提出了一种创新的方法来诊断阿尔茨海默病，使用设计用于增强模型决策可解释性的 3D MRI。我们的方法采用了软注意力机制，使 2D CNN 能够提取体积表示。同时，学习每个切片在决策中的重要性，生成了一个能够解释的 MRI 的体素级注
PDF4 days ago
PARE：用于 3D 人体重建的部件关注回归器
本文提出一种软注意机制 (PARE)，通过学习预测部位引导的注意掩蔽层来适应部分遮挡，以提高对 3D 人体姿态估计和形状估计的精度和鲁棒性。实验证明，PARE 比现有方法在遮挡和标准基准测试上具有更精确和更稳健的重建结果。
PDF3 years ago
ICCV图像字幕中的人类注意力：数据集和分析
研究通过使用新的包含视觉图像和口头描述的数据集，比较了人类在自由观看和图像描述任务中的注意力差异以及注意力部署机制，并分析了软注意机制与人类注意力之间的相似性。最终表明人类注意力与当前的软注意机制仍存在较大差距，并且将软注意机制与视觉显著性
PDF5 years ago
用于人群计数的多尺度注意力网络
提出了一种使用多分支尺度感知注意力网络、卷积神经网络、软注意力机制、尺度感知损失函数等方法，在 4 个不同的人群计数数据集上实现了最先进的效果，平均减少 25% 的误差。
PDF5 years ago
CVPR左右相对循环模型用于立体匹配
本文提出了一种使用递归模型进行立体视觉场景深度估计的方法，并结合左右一致性检查，通过软注意力机制逐步提高生成的视差图质量。在 KITTI 2015，Scene Flow 和 Middlebury 基准测试中进行了广泛的评估，并证明了该方法的
PDF6 years ago
关注谣言：基于注意力机制的循环神经网络用于早期谣言检测
采用一种基于循环神经网络（RNN）的深度注意力模型，学习序列式文章的不同隐藏表现以识别流言，并通过软注意力机制来提纯相关文章的相关部分，实验证明其能够更快、更准确地检测和辨别流言。
PDF7 years ago
使用深度循环 Q 学习预测交互环境中注视位置
本文利用强化学习和软注意机制结合的 Deep Q-Network 模型教导代理人玩游戏时关注视觉输入的最相关部分，并通过在多个 Atari 2600 游戏上的评估，证明软注意力模型可以比 Itti-Kochs 显著地预测焦点位置。
PDF8 years ago
CVPR野外 OCR 用带有注意力模型的递归循环网络
提出了一种使用递归循环神经网络、卷积神经网络和软注意力机制的方法，可以在自然场景图像中进行无词典光学字符识别，并在多种数据集上表现出最先进的性能。
PDF8 years ago
RATM: 循环注意力跟踪模型
本研究提出了一种基于注意力机制的模块化神经框架，可应用于计算机视觉领域中的目标跟踪任务，并在三个数据集上进行了实验验证，在挑战性的跟踪数据集上表现优异。
PDF9 years ago