spatial pyramid pooling | BriefGPT

关键词spatial pyramid pooling

搜索结果 - 7

SCAResNet：一种针对传输和配电塔微小物体检测经过优化的 ResNet 改进版本
传统的基于深度学习的目标检测网络通常会在数据预处理阶段调整图像大小，以实现特征图的统一大小和比例。然而，调整大小不可避免地导致对象变形并丢失图像中的有价值信息。为了解决这个问题，我们提出了一种放弃调整大小操作的方法，而是引入了位置编码多头交
PDF3 months ago
基于空间金字塔池化的无人机目标检测 YOLOv3
该研究通过在 YOLOv3 后部添加空间金字塔池化层来提高面向无人机数据的物体检测性能，在经过 VisDrone2019-Det 数据集验证后，发现其 mAP 比 YOLOv3 高 0.6％，比 YOLOv3-Tiny 高 26.6％。
PDFa year ago
Lawin Transformer：通过大窗口注意力提高多尺度表示的语义分割 Transformer
本文通过引入窗口关注机制和金字塔池化等方法，成功将多尺度表征引入语义分割 ViT 中，进一步提高了性能和效率。研究结果表明，该模型具有更高的效率和更好的表现，并在 Cityscapes、ADE20K 和 COCO-Stuff 数据集上，取得
PDF3 years ago
基于注意力金字塔聚合网络的视觉地点识别
提出了一种基于注意力机制的金字塔聚合网络（APANet），其中空间金字塔池化可以有效编码多尺度建筑物包含地理信息，而注意力模块则用于抑制混淆区域特征并突出辨别性特征，通过一种 PCA 白化策略在两个地点识别基准测试中表现优异。
PDF6 years ago
卷积神经网络相对摄像机位姿估计
本文提出了一种基于卷积神经网络的方法来估计两个相机之间的相对姿态，该方法采用来自两个相机的 RGB 图像作为输入，并直接输出相对旋转和平移。与 SURF、ORB 这些广泛使用的局部特征方法相比较，该方法采用端到端的方式训练，利用大规模分类数
PDF7 years ago
学习高分辨率卫星图像分类的多尺度深度特征
本文提出了一种用于高分辨率卫星图像分类的多尺度深度特征学习方法，该方法使用卷积神经网络（CNN）和空间金字塔池（SPP-net）技术提高了训练效率，并开发了一种多核学习方法以自动学习这些特征的最佳组合，实验表明该方法相对于其他最先进的方法具
PDF8 years ago
深度卷积网络中的空间金字塔池化用于视觉识别
本研究提出了 SPP-net 结构，通过空间金字塔池化策略，消除了深度卷积神经网络所需的特定输入图像大小的限制，可生成固定长度特征表示，显著提高了基于 CNN 的图像分类和目标检测方法的准确性，ILSVRC 竞赛中名列前茅。
PDF10 years ago